基于OCV模型优化的磷酸铁锂电池SOC估计

摘要：

锂离子电池荷电状态(SOC)与开路电压(OCV)的关系曲线(OCV曲线)是影响其SOC估计精度的核心因素.针对小电流OCV(LO)测试耗时短但数据精度较低的问题,提出一种OCV模型及其优化方法.该方法基于LO测试的OCV数据,采用道格拉斯-普克算法和分段线性函数建立OCV模型.并将OCV曲线上的4个OCV点作为变量,建立了其他OCV点的随动模型,使曲线能够运用粒子群优化算法进行优化.基于优化后的OCV曲线,动态工况下的端电压估计绝对平均误差降低83.5%,采用自适应扩展卡尔曼滤波的SOC估计误差小于0.3%.该方法能够基于耗时短的LO测试获取准确OCV曲线,降低锂离子电池研究与应用的测试成本.

关键词：磷酸铁锂电池、SOC估计、小电流OCV测试、OCV模型

所属期刊栏目：48

分类号：TM912

资助基金：国家自然科学基金51567012

在线出版日期：2024-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1281-1288