You are on page 1of 3

# 科技风 2018 年 1 月 工程技术

DOI: 10． 19392 / j． cnki． 1671-7341． 201803081

The SOC estimation based on Kalman filtering of the lithium-ion
battery used on electric vehicles in underground coal mines
Xu Zhiren Liao Guangbo Dong Xiuxiu Wang Yinan Cheng Bowei Li Bowen
Dept． of School of Mechanical Electronic ＆ Information Engineering，China University of
Mining ＆ Technology( Beijing) Beijing 100083
Abstract: In China，explosion-proof battery auxiliary trackless transport vehicles are widely used in the coal mine． In order to estimate
the vehicle battery state of charge SOC ( State of Charge) accurately，plus the tough actual application environment，applies an improved
simplified battery circuit model through the electrical characteristics． Makes an estimation of the lithium battery SOC with a Kalman filter
based on the model，combined with the Ampere-Hour Method，which is simulated and verified with the Matlab software，and compared the
results with ones of wavelet filtering． The results show that the Kalman filtering algorithm makes a real-time correction of the estimation error
and the accuracy is better． At the same time，in order to demonstrate，analyze better and facilitate the users，a Matlab GUI program is de-
signed and developed．
Key words: state of charge; Kalman filter; equivalent circuit model; lithium-ion battery; mine vehicle

［3］

［1］

［2］

1． 2 状态空间方程的确立

ηi( τ) dτ

0 ∫CN
( 1)

［6］

SOC 噪声仿真滤波软件，并通过 GUI 界面便于用户使用。 根据基尔霍夫电压定律，结合等效电路模型可以得到:
1 等效电路模型 OCV( t) = Ｒ e i( t) + V cs ( t) + V( t) ( 2)
1． 1 改进的电池等效电路模型 dOCV( t) i( t)
=－ ( 3)

= － ( 4)

91

+ 0． 5( kSOC + d) ( 5) 由上式建立状态空间方程，令 x =
[x x2 x3 ] = [ V cs OCV SOC ] ，u = i ，
1

y = V － 0． 5d 。 ( 6)

1
 1  Cs 
  1 － Ｒs Cs 0 0   
 x( k + 1) =  x( k) +  － C1 u( k) + w( k) ( 7)
 

0 1 0
  b

 0 0 1 η 
－C 
 N
 y( k) = ［－ 1 0． 5 28． 5］x( k) － Ｒ u( k) + v( k) ( 8) 图 2 SOC 估计值和参考值
e

2 滤波算法和仿真验证

2． 1 卡尔曼滤波 SOC 算法 能够突出信号局部的特征，对信号进行多尺度细化，最终达到
1960 年，卡尔曼滤波理论( Kalman Filtering) 是一种时域最 能自动适应时频信号分析的要求。此处选取 Haar 小波基进行

［6］

{ P( k)
^ k) － = AX(
X( ^ k － 1) + BU( k-1) ( 11) 表 3 列出了卡尔曼滤波和小波滤波估算结果相比于真实

= AP( k － 1) A T + Q ( 12 ) 值的误差。

{
K( k) = P( k) －
C T ( CP( k) －
C T + Ｒ) －1 ( 13) 表 3KF、WT 对 SOC 的估计误差
^ k) = X(
X( ^ k) －
+ K( k) ( y( k) － CX(^ k) － ) ( 14) 信噪比 SNＲ / dB KF WT
P( k) = ( I － K( k) C) P( k) － ( 15 ) 45 0． 00629 0． 0175

40 0． 00938 0． 0203

35 0． 0129 0． 0188
P( k) 为后验估计误差协方差矩阵，Q 为过程噪声协方差矩阵，
30 0． 0180 0． 0192
Ｒ 为观测噪声协方差矩阵，I 为单位矩阵，K( k) 称为卡尔曼

2． 2 卡尔曼滤波 SOC 算法仿真验证 SOC 的估计，精度高于小波滤波算法，可达到预期效果。

Power Characteristic) 测试，采用带遗忘因子的递推最小二乘算
［3］

η
Ｒ S ( Ω) Ｒ e ( Ω) C S ( F) C b ( F) ( A －1 )
CN

0． 52 0． 47 2． 55 630 0． 0001

P( 0) X( 0) ∑w ∑v 真滤波软件，并通过 GUI 界面便于用户使用。

[ ] [ ]
0． 01 0 0 3． 2

0 0． 01 0 294 0． 1 0． 1

0 0 0． 01 1

92

4 结论 Ｒeferences:

［1］黄开胜，孟凡博，阎东林，等． 煤矿井下防爆纯电动车关 ［3］Chen Shuting． Ｒesearch on State of Charge Estimation for

［2］郭文娟． 煤矿井下蓄电池无轨辅助运输车辆技术现状 ty，2016: 7-9，16-24．

［3］陈舒婷． 纯电动汽车动力电池 SOC 估计的研究［D］． 上 Based on Ampere - Hour Method ［J］． Computer Simulation，2013

［4］鲍慧，于洋． 基于安时积分法的电池 SOC 估算误差校 ［5］Peng Dingcong． Basic Principle and Application of Kal-

［5］彭丁聪． 卡尔曼滤波的基本原理及应用［J］． 软件导刊， ［6］ Xie Guang． The Study on SOC Caculation of Li-
2009 ( 11) : 32-34． FeS04Battery Based on Unscented Kalman filtering ［D］． An Hui:
［6］谢广． 基于无迹卡尔曼滤波的磷酸铁锂电池 SOC 估算 Hefei University of Technology，2015: 46-49．

［7］邓凯锋，王耀南，刘东奇． 基于小波变换的卡尔曼滤波 for HEV’s Battery SOC Estimation Based on Wavelet Transform



( 上接第 88 页) 逐渐向数字化和信息化迈进，呈现出自动化的 备，还需要标准的间隔层和过程层来合并单元，以便及时准确

4． 2 设计结构的应用 5 结语

4． 3 集中处理数据信息 ［J］． 中国电力教育， 2014， 2，( 12) : 229-230．

93