准确估计充电状态 （SoC） 对于确保磷酸铁锂 （LFP） 电池的高效和安全运行起着至关重要的作用。然而，LFP 电池的平坦开路电压 （OCV） 曲线意味着对 SoC 的灵敏度较低，这会导致在存在嘈杂的终端电压测量时出现较大的 SoC 估计误差。针对这一挑战，该文提出一种利用超声波反射响应模型的SoC估计方法，这是第一种基于动态负载曲线下基于超声模型的高精度和鲁棒SoC估计方法。由于超声波能够无损地获取与SoC直接相关的电池内部物理特性变化，因此提取并证明了超声波电池近表面反射特征与SoC具有高度线性相关性和对SoC的更高灵敏度。我们率先构建了一个经验差分超声模型来描述超声波特征如何依赖于SoC和动态电流。自适应扩展卡尔曼滤波（AEKF）和自适应H-无穷远滤波（AHIF）在各种动态载荷曲线和温度下的理论和实验结果证明了这种超声模型的优势。在所有测试中，基于超声模型的 SoC 估计的均方根误差 （RMSE） 保持在 1% 左右，与电压模型相比降低了 36.7%，这表明其在准确 SoC 估计方面的巨大潜力。

发表时间：2024.2.1

文章链接

Dynamic ultrasonic response modeling and accurate state of charge estimation for lithium ion batteries under various load profiles and temperatures

https://www.sciencedirect.com/science/article/pii/S030626192301574X