基于等效电路模型的云端动力电池寿命估计

摘要

由于目前动力电池管理系统(battery management system, BMS)存在存储小、算力低等问题，仅依靠BMS估计出的容量误差会随电池荷电状态(state of charge, SOC)累计误差增大而逐渐增大。为实现动力电池寿命准确估计，提出了基于等效电路模型(equivalent circuit model, ECM)的动力电池容量估计方法。模型基于开路电压(open circuit voltage, OCV)和SOC的关系，直接建立1阶RC模型和容量联系；通过粒子群优化算法(particle swarm optimization, PSO)寻优最小仿真端电压与实际端电压的均方根误差(root-mean-square error, RMSE),此时辨识结果为初步估计容量，结合多项式回归(polynomial curve fitting, PCF)控制卡尔曼滤波(kalman filter, KF)对辨识结果进行了优化。最后对云端实车与传统方法测得的容量进行对比验证，二者的RMSE小于3%且最大绝对误差小于2 Ah。与现有方法相比，该方法能够不单依赖BMS数据准确估计容量。同时，对于实车等复杂场景的应用做出了优化，可以实现实车场景下的容量精确估计。

关键词

动力电池 / 云数据 / 电池寿命估计 / 等效电路模型 / 参数辨识