一种参数预修正的磷酸铁锂 EKF 算法

伟 李(惠州亿纬锂能股份有限公司，中国)
亚鹏 董(惠州亿纬锂能股份有限公司，中国)
小康 刘(惠州亿纬锂能股份有限公司，中国)

摘要

:磷酸铁锂电池（LFP）具有寿命长、经济性好、安全可靠等优点，在电动汽车和储能系统中得到了广泛应用。然而，估算LFP的荷电状态（SOC）一直是一个困难的问题，尤其是在温度变化较大的工况下。目前行业通常只能保证误差＜5%甚至更大，无法满足某些高端应用的要求。为了减小SOC估算误差，很多不同的扩展卡尔曼滤波（EKF）方法被开发出来，这些方法通过复杂计算过程可以提高常温下的SOC精度。在这里，我们应用了一种参数预修正的EKF方法（PreD-R EKF）来估计LFP的SOC。在标准放电条件下，绝对误差可以做到＜2%。结合一种假设检验方法，PreD-R EKF可适用于各种复杂工况和环境。通过车辆夏季测试和冬季测试，我们进一步验证了所提出的PreD-R EKF方法的可靠性。该方法为电池管理系统（BMS）提供了一种真正可工程化的算法，可以使LFP有更高的SOC计算精度。

关键词

扩展卡尔曼滤波（EKF）；充电状态（SOC）；磷酸铁锂电池（LFP）；电池管理系统（BMS）

参考

Pattipati B, Balasingam B, Avvari GV, Pattipati KR, Bar-Shalom Y. Open circuit voltage characterization of lithium-ion batteries. J Power Sources 2014;269: 317–33.

Li Z, Huang J, Liaw BY, Zhang J. On state-of-charge determination for lithium-ion batteries. J Power Sources 2017;348:281–301.

Dubarry M, Truchot C, Devie A, Liaw BY. State-of-charge determination in lithiumion battery packs based on two-point measurements in life. J Electrochem Soc 2015;162:A877–84.

Thenaisie G, Brivio C. Hystimator: DRT-based hysteresis modelling for accurate SoC estimation in LFP battery cells. IET Renew. Power Gener. 2024;184387–4398.

Bian XL, Wei ZB, He JT, Yan FJ, Liu LC. A two-step parameter optimization method for low-order model-based state-of-charge estimation. IEEE Trans Transp Electrific 2021;7:399–409.

Junxiong Chen, Kai Li, Weiqun Liu, Cong Yin, Qiao Zhu, Hao Tang. A novel state of charge estimation method for LiFePO4 battery based on combined modeling of physical model and machine learning model. Journal of Energy Storage 2025;115;115888.

Che Y, Xu L, Teodorescu R, Hu X, Onori S. Enhanced SOC Estimation for LFP Batteries: A Synergistic Approach Using Coulomb Counting Reset, Machine Learning, and Relaxation. ACS ENERGY LETTERS, 2025, 10(2):741-749.图 3，使用预修正参数进行验证的结果： a），R0；b），R1；c），R2；d），ECM 结果 -20℃；e），ECM 结果 0℃； f），ECM 结果 25℃；g），EKF 结果 -20℃；h），EKF 结果 0℃；i），EKF 结果 25℃。

DOI: http://dx.doi.org/10.12345/dlynyqy.v4i4.38578