李曉宇 朱春波 魏 國(guó) 逯仁貴

（哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院 哈爾濱 150001）

基于分?jǐn)?shù)階聯(lián)合卡爾曼濾波的磷酸鐵鋰電池簡(jiǎn)化阻抗譜模型參數(shù)在線估計(jì)

李曉宇 朱春波 魏 國(guó) 逯仁貴

（哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院 哈爾濱 150001）

電池特性建模及模型參數(shù)在線估計(jì)是電動(dòng)汽車電池管理系統(tǒng)的關(guān)鍵技術(shù)，以磷酸鐵鋰電池這一非線性系統(tǒng)為研究對(duì)象，以包含分?jǐn)?shù)階元件的簡(jiǎn)化電池電化學(xué)阻抗譜模型為基礎(chǔ)，建立了該模型的狀態(tài)轉(zhuǎn)移方程和系統(tǒng)觀測(cè)方程，運(yùn)用分?jǐn)?shù)階聯(lián)合卡爾曼濾波器（FJKF）對(duì)該模型的擴(kuò)散極化電壓和模型參數(shù)進(jìn)行了在線估計(jì)。試驗(yàn)結(jié)果表明，該模型能較好地表征磷酸鐵鋰電池的動(dòng)態(tài)特性，分?jǐn)?shù)階聯(lián)合卡爾曼濾波算法在參數(shù)估計(jì)過(guò)程中能夠保持很好的精度，同時(shí)該方法對(duì)多種測(cè)試工況都有較好的適用性，算法估計(jì)得到的模型參數(shù)值具有較好的穩(wěn)定性。

磷酸鐵鋰電池 分?jǐn)?shù)階電池模型 電化學(xué)阻抗譜 分?jǐn)?shù)階聯(lián)合卡爾曼濾波

0 引言

隨著汽車技術(shù)的發(fā)展，代表新一代節(jié)能與環(huán)保汽車發(fā)展方向的電動(dòng)汽車開始逐漸被推廣應(yīng)用[1]，磷酸鐵鋰電池因其高安全性而日益廣泛地應(yīng)用于電動(dòng)汽車。動(dòng)力電池作為電動(dòng)汽車的能量存儲(chǔ)與供給單元，對(duì)其進(jìn)行有效的監(jiān)測(cè)和管理是電動(dòng)汽車安全、高效運(yùn)行的基本保障[2]。目前，動(dòng)力電池的狀態(tài)監(jiān)測(cè)和管理技術(shù)主要有電池荷電狀態(tài)（State Of Charge, SOC）估計(jì)技術(shù)[3,4]、峰值功率預(yù)測(cè)技術(shù)[5]（State OfPower, SOP）、電池健康狀態(tài)（State Of Health，SOH）估計(jì)、壽命預(yù)測(cè)技術(shù)[6]（Remain Useful Life, RUL）、電池老化機(jī)理無(wú)損分析技術(shù)[7]、冷熱管理技術(shù)等，為了更好地實(shí)現(xiàn)對(duì)儲(chǔ)能系統(tǒng)的監(jiān)測(cè)與管理，依據(jù)適當(dāng)?shù)碾姵啬Ｐ蚚8,9]、電池端電壓和負(fù)載電流等數(shù)據(jù)求解電池模型的狀態(tài)、參數(shù)[10]以及變化情況，進(jìn)而實(shí)現(xiàn)系統(tǒng)的優(yōu)化配置[11]管理。

常見(jiàn)的電池模型有等效電路模型、電化學(xué)反應(yīng)機(jī)理模型及多物理場(chǎng)模型[12]等，等效電路模型形式簡(jiǎn)單、計(jì)算量小，并且能夠有效地反映電池動(dòng)態(tài)特性，在電池狀態(tài)監(jiān)測(cè)和管理領(lǐng)域有著廣泛的應(yīng)用。典型的等效電路模型有Rint模型、一階RC模型、PNGV模型、二階RC模型及電化學(xué)阻抗譜模型等。不同類型動(dòng)力電池的外特性不盡相同，選用的等效電路模型也多種多樣。其中，一階RC模型計(jì)算量小、能夠較好地反映多種電池的動(dòng)態(tài)特性而被廣泛地使用；電化學(xué)阻抗譜模型可以更好地反映多種動(dòng)力電池的動(dòng)態(tài)特性[13]，并且對(duì)比一階RC模型，電化學(xué)阻抗譜模型中元件的物理意義更加明確，因而該電池模型越來(lái)越受到人們的關(guān)注。

C. Fleishcher等基于電化學(xué)阻抗譜技術(shù)建立電池等效電路模型，實(shí)現(xiàn)了電池的SOC估計(jì)[14]、SOH估計(jì)[15,16]以及SOP預(yù)測(cè)[17]，但是電化學(xué)阻抗譜模型也存在計(jì)算量大、模型參數(shù)難以在線估計(jì)等缺點(diǎn)，這在一定程度上制約了電化學(xué)阻抗譜模型在電池的狀態(tài)監(jiān)測(cè)和管理技術(shù)中的應(yīng)用。

本文依據(jù)磷酸鐵鋰電池的電化學(xué)阻抗譜測(cè)試結(jié)果建立了一種等效電路模型，構(gòu)建了算法所需的狀態(tài)方程與觀測(cè)方程，利用分?jǐn)?shù)階聯(lián)合卡爾曼濾波器[18]（Fractional Joint Kalman Filter，F(xiàn)JKF），將電池模型中的準(zhǔn)開路電壓OCVe、歐姆內(nèi)阻Ro、擴(kuò)散極化參數(shù)XW和擴(kuò)散極化電壓UW作為估計(jì)量，將測(cè)得的電池端電壓UL、負(fù)載電流IL以及采樣的時(shí)間間隔Ts（Ts=1s）作為已知量。通過(guò)FJKF算法的迭代更新，實(shí)時(shí)地估計(jì)出所測(cè)磷酸鐵鋰電池的準(zhǔn)開路電壓、歐姆內(nèi)阻及擴(kuò)散極化參數(shù)。與傳統(tǒng)的阻抗譜測(cè)試方法、一階RC模型及卡爾曼濾波方法相比，本文提出的方法通過(guò)迭代求解，無(wú)需專用的電化學(xué)阻抗譜測(cè)試設(shè)備，即可在線估計(jì)出磷酸鐵鋰電池的電化學(xué)阻抗譜分布情況。電池模型的仿真精度優(yōu)于一階RC模型，模型參數(shù)值的穩(wěn)定性優(yōu)于傳統(tǒng)的電池參數(shù)在線估計(jì)算法，該方法可以為動(dòng)力電池的狀態(tài)監(jiān)測(cè)和管理提供可靠的依據(jù)。

1 等效電路模型的建立

1.1 動(dòng)力電池使用工況分析

動(dòng)力電池使用工況的特征在一定程度上決定了電池模型應(yīng)有的精細(xì)化程度。汽車常見(jiàn)的運(yùn)行工況大致可以分為兩種：市區(qū)工況和城郊工況，對(duì)應(yīng)的典型測(cè)試工況有美國(guó)《USABC電池測(cè)試手冊(cè)》中的聯(lián)邦城市（FUDS）工況、FTP75市區(qū)（FTP75 Urban）工況、FTP75市郊（FTP75 Suburb）工況等。圖1對(duì)FTP75市區(qū)和市郊工況的車速、仿真得到的負(fù)載電流及其頻率特性做了對(duì)比。主要仿真參數(shù)有：整車質(zhì)量1 200kg，迎風(fēng)面積1.97m2以及電池組參數(shù)336V/40A·h。

圖1 FTP75 市區(qū)工況和市郊工況對(duì)比Fig.1 Comparison of the FTP75 urban and suburban vehicle working conditions

圖1c頻譜中，兩種工況的頻率成分均集中在很低的頻率處，而存在的差異表現(xiàn)在FTP75-Urban-a（FTP75市區(qū)工況的穩(wěn)態(tài)行車工況部分）的主要頻譜成分比FTP-Suburb分散，F(xiàn)TP-Suburb工況頻譜的最高和次高幅值均出現(xiàn)在基頻附近。

因此，在電池建模時(shí)，表征電池中高頻特性的電路元件可以被簡(jiǎn)化。由于不同運(yùn)行工況的低頻頻率成分分布存在差異，因此用于表征電池低頻特性

的電路元件應(yīng)盡可能準(zhǔn)確。

1.2 磷酸鐵鋰電池等效電路分析

建立電池等效電路的主要目的是使用電路元件表征電池電參數(shù)的動(dòng)態(tài)變化，獲取電池狀態(tài)信息。圖2描繪了磷酸鐵鋰電池的三種等效電路阻抗特性，其中“R-RQ-ZW”（Q為恒相位元件，ZW為韋伯阻抗元件）表示電化學(xué)阻抗譜模型，能夠準(zhǔn)確反映電池的阻抗譜，“R-RC”表示一階RC模型，“R-2RC”表示二階RC模型。對(duì)于本文研究的磷酸鐵鋰動(dòng)力電池的電化學(xué)阻抗譜分布，圖2中區(qū)域①對(duì)應(yīng)的頻譜范圍約為1kHz～1Hz，區(qū)域②對(duì)應(yīng)的頻譜范圍約為1Hz～0.05Hz，f表示頻譜奈奎斯特圖中測(cè)試頻率。區(qū)域②右側(cè)阻抗對(duì)應(yīng)的測(cè)試頻率逐漸減小，該阻抗成分通常被認(rèn)為是電池?cái)U(kuò)散特性的外在反映。一階RC模型的阻抗特性只在很小的頻率范圍內(nèi)與電化學(xué)阻抗譜模型相似，二階RC模型也同樣沒(méi)有明顯改善。因此，使用低階次的RC模型很難全面地表征電池的低頻阻抗譜特性。然而，電化學(xué)阻抗譜模型中的ZW元件因其自身的特性可以較準(zhǔn)確地表征電池的低頻阻抗譜特性。

圖2 電池等效電路模型對(duì)比Fig.2 Comparison of the battery equivalent circuit models

1.3 簡(jiǎn)化電化學(xué)阻抗譜模型的描述

通過(guò)上節(jié)的對(duì)比分析可以得出，在對(duì)磷酸鐵鋰電池建模時(shí)，電化學(xué)阻抗譜模型中的較高頻率的阻抗特性（對(duì)應(yīng)圖2中①）可以由常用的RQ并聯(lián)電路簡(jiǎn)化為純阻性元件R，簡(jiǎn)化后得到的簡(jiǎn)化電化學(xué)阻抗譜等效電路模型如圖3所示。

圖3中，UL、IL分別為電池的端電壓與流經(jīng)電池的總電流，模型由OCVe、Ro、ZW三個(gè)元件構(gòu)成。其中，OCVe為準(zhǔn)開路電壓元件，主要反映電池開路電壓特性。

圖3 簡(jiǎn)化的電化學(xué)阻抗譜模型Fig.3 A simplified electrochemical impedance spectroscopy model

由于電化學(xué)阻抗譜模型簡(jiǎn)化了電池化學(xué)反應(yīng)動(dòng)力學(xué)的許多過(guò)程，OCVe是電池開路電壓（Open Circuit Voltage, OCV）的近似值，OCVe在數(shù)值上包含了OCV以及一部分由于擴(kuò)散極化產(chǎn)生的過(guò)電動(dòng)勢(shì)。

式中，Ro為歐姆內(nèi)阻特性元件，該參數(shù)主要反映電池電化學(xué)阻抗譜的中高頻歐姆阻抗特性，參數(shù)在數(shù)值上約等于高頻歐姆阻抗RΩ、固液界面（Solid Electrolyte Interface, SEI）膜阻抗RSEI、電荷轉(zhuǎn)移阻抗Rct之和。

從電池的電化學(xué)阻抗譜測(cè)試數(shù)據(jù)可知，電池離子擴(kuò)散特性可近似由0.5階韋伯阻抗來(lái)描述[14]。韋伯阻抗定義式為

式中，W為離子擴(kuò)散系數(shù)；ω為角頻率。為了便于阻抗參數(shù)的在線估計(jì)，本文中取，得到

該等效電路模型的特點(diǎn)是簡(jiǎn)化了傳統(tǒng)阻抗譜等效電路模型中的高頻（頻率大于1kHz）和中頻阻抗（頻率大于0.5Hz，且小于1kHz）電路，上述簡(jiǎn)化阻抗譜模型可以有效減少模型參數(shù)數(shù)量，并且適合用于電池的狀態(tài)監(jiān)測(cè)和管理。

2 電池模型的參數(shù)估計(jì)

2.1 狀態(tài)方程的建立

根據(jù)已建立的包含分?jǐn)?shù)階元件的電池等效電路模型，將構(gòu)建模型對(duì)應(yīng)的狀態(tài)方程與觀測(cè)方程。

首先，取IL在放電時(shí)為正值，數(shù)據(jù)采樣周期為Ts=1s，使用Δr作為微分算子，即

2.2 分?jǐn)?shù)階聯(lián)合卡爾曼濾波參數(shù)估計(jì)

J. Sabatier和D. Sierociuk分別提出了兩種分?jǐn)?shù)階元件參數(shù)的估計(jì)方法，一種是Levenberg-Marquart算法[19]，它是一種非線性最小二乘濾波算法，該算法的特點(diǎn)是根據(jù)函數(shù)梯度信息，不斷尋找參數(shù)最優(yōu)值的迭代過(guò)程。該方法的特點(diǎn)是需要計(jì)算待估參量的輸出敏感度系數(shù)，然而對(duì)于分?jǐn)?shù)階元件，敏感度系數(shù)的計(jì)算十分復(fù)雜，且計(jì)算量大，不適合工程應(yīng)用。另外一種方法是FJKF算法，該方法可以將分?jǐn)?shù)階元件參數(shù)作為隱性參量，在不計(jì)算參量的輸出敏感度系數(shù)情況下即可獲得參數(shù)的估計(jì)值。該算法的特點(diǎn)是分?jǐn)?shù)階元件參數(shù)的估計(jì)過(guò)程簡(jiǎn)單。另外，該算法有效利用了卡爾曼濾波算法的預(yù)測(cè)-修正的工作特點(diǎn)，使得參數(shù)估計(jì)過(guò)程的跟蹤性能，參數(shù)估計(jì)精度都優(yōu)于最小二乘濾波算法。但是該方法也有一定的局限性，當(dāng)算法應(yīng)用的模型結(jié)構(gòu)復(fù)雜時(shí)，會(huì)造成濾波器發(fā)散。綜合考慮上述兩種方法的優(yōu)缺點(diǎn)，由于本論文使用的簡(jiǎn)化電化學(xué)阻抗譜模型形式簡(jiǎn)單，模型狀態(tài)和參數(shù)的估計(jì)方法選用FJKF算法。該算法的具體計(jì)算過(guò)程如下：

（1）初始化。取Qk為噪聲wk的協(xié)方差，Rk為噪聲vk的協(xié)方差，設(shè)定各個(gè)參量的初始值。

（2）狀態(tài)、參數(shù)及協(xié)方差矩陣的時(shí)間更新。

（3）狀態(tài)、參數(shù)及協(xié)方差矩陣的測(cè)量更新。

采用FJKF算法實(shí)現(xiàn)電池模型狀態(tài)及參數(shù)的遞推更新流程如圖4所示。

圖4 分?jǐn)?shù)階聯(lián)合卡爾曼濾波算法流程Fig.4 Flow chart of the fractional joint Kalman filter

3 試驗(yàn)與數(shù)據(jù)分析

3.1 試驗(yàn)介紹

本文試驗(yàn)選用的電池是深圳沃特瑪電池有限公司生產(chǎn)的額定容量為5A·h的LiFePO4/graphite 能量型動(dòng)力電池，電池單體的上下限截止電壓為3.65V和2.5V，每8個(gè)電池單體并聯(lián)組成電池模塊，然后105個(gè)電池模塊串聯(lián)可以組成額定電壓為336V、額定電流為100A（2.5C）的動(dòng)力電池包。本文的算法驗(yàn)證試驗(yàn)主要由Arbin BT2000電池測(cè)試系統(tǒng)完成，試驗(yàn)對(duì)象為磷酸鐵鋰電池單體，試驗(yàn)內(nèi)容包括FUDS工況試驗(yàn)、FTP75市區(qū)和FTP75市郊混合工況試驗(yàn)，試驗(yàn)放電電流的最大值為12.5A（2.5C）。另外，實(shí)施了脈沖放電試驗(yàn)和電化學(xué)阻抗譜試驗(yàn)，用來(lái)獲取電池開路電壓的真值和電化學(xué)阻抗譜的真值，驗(yàn)證算法性能。試驗(yàn)環(huán)境為常溫、常濕、標(biāo)準(zhǔn)大氣壓。

3.2 估計(jì)值與試驗(yàn)參考值對(duì)比

本文采用的FUDS測(cè)試工況最大放電功率為32W，在每個(gè)FUDS工況之間加入了5min的靜置工況，兩者循環(huán)執(zhí)行，直至電池放電結(jié)束。通過(guò)此工況試驗(yàn)驗(yàn)證電池模型及參數(shù)估計(jì)值的準(zhǔn)確性。圖5a為數(shù)據(jù)采集系統(tǒng)得到的電池端電壓UL和負(fù)載電流IL。圖5b為FJKF算法計(jì)算得到的端電壓的估計(jì)誤差，可以看出，F(xiàn)JKF算法的端電壓估計(jì)誤差非常小，基本維持在5mV以內(nèi)，而在工況測(cè)試的初期和末期誤差較大，原因可能是模型參數(shù)在算法參數(shù)跟蹤過(guò)程的初期誤差較大所致，工況測(cè)試后期誤差較大的原因可能是由電池模型誤差引起的。

圖5 FUDS工況數(shù)據(jù)及FJKF算法估計(jì)誤差Fig.5 FUDS battery terminal voltage and load current data and FJKF estimation error

圖6對(duì)采用FJKF算法計(jì)算得到的OCV估計(jì)值和采用脈沖放電靜置1h得到的OCV參考值作了對(duì)比。從圖6中看，OCV估計(jì)值基本與OCV參考值吻合，除了在電池電壓從放電平臺(tái)1向平臺(tái)2過(guò)渡的區(qū)域，OCV估計(jì)值存在較大誤差，此處的最大偏差值為20mV。

圖6 OCV測(cè)試結(jié)果對(duì)比Fig.6 Comparison of open circuit voltage test result

圖7對(duì)采用FJKF算法計(jì)算得到的阻抗譜估計(jì)值與傳統(tǒng)電化學(xué)阻抗譜（Electrochemical Impedance Spectroscopy, EIS）測(cè)試方法得到的阻抗值進(jìn)行對(duì)比。圖7中，由于算法使用的電池模型對(duì)電池阻抗譜的中高頻成分做了簡(jiǎn)化，因此，本文的阻抗譜估計(jì)值沒(méi)有傳統(tǒng)EIS方法測(cè)試得到的中高頻信息（圖7中區(qū)域1）。低頻阻抗譜成分與傳統(tǒng)EIS方法的結(jié)果基本吻合，但阻抗值略小。通過(guò)對(duì)電化學(xué)反應(yīng)機(jī)理的分析，阻抗偏小的原因是電池在經(jīng)歷大電流充放電時(shí)，電池化學(xué)反應(yīng)的動(dòng)力學(xué)過(guò)程復(fù)雜，由于電極反應(yīng)不均勻、Butler-Volmer等動(dòng)力學(xué)過(guò)程會(huì)導(dǎo)致阻抗測(cè)試結(jié)果與傳統(tǒng)EIS離線測(cè)試結(jié)果的偏離。但是該阻抗譜的估計(jì)值在數(shù)值上是對(duì)電池動(dòng)力學(xué)過(guò)程的真實(shí)反應(yīng)。

圖7 電化學(xué)阻抗譜測(cè)試結(jié)果對(duì)比Fig.7 Comparison of EIS test results

3.3 參數(shù)估計(jì)值穩(wěn)定性對(duì)比

圖8對(duì)本文提出的方法與一階RC電池等效電路模型和DEKF方法[20]的結(jié)果作了對(duì)比，F(xiàn)JKF的估計(jì)值（FJKF-OCVe）相對(duì)DEKF的估計(jì)值（DEKF-OCVe）更加穩(wěn)定，DEKF-OCVe在數(shù)值上偏小于FJKF-OCVe，基于3.2節(jié)中的OCV的對(duì)比分析，F(xiàn)JKF-OCVe更接近OCV真值，因此DEKF-OCVe必然偏小于OCV真值。而DEKF-OCVe在電池處于靜置的狀態(tài)時(shí)，會(huì)出現(xiàn)升高并且逐漸接近OCV真值的現(xiàn)象，當(dāng)再次對(duì)電池加載波動(dòng)的電流激勵(lì)之后，DEKF-OCVe則又逐漸地偏離OCV真值，該現(xiàn)象的原因是一階RC模型不能準(zhǔn)確地反映電池和工況的動(dòng)態(tài)特性。

圖8 算法模型參數(shù)估計(jì)值值穩(wěn)定性對(duì)比Fig.8 Comparison of the model parameter stability

通過(guò)1.1節(jié)電動(dòng)汽車運(yùn)行工況分析可知，當(dāng)工況存在波動(dòng)的電流激勵(lì)時(shí)，電流激勵(lì)的頻率成分非常豐富。（類似圖1中FTP75-Urban-a的頻譜分布情況），當(dāng)電池處于靜置工況后，電流激勵(lì)的主要頻率成分將逐漸向極低頻區(qū)域移動(dòng)，當(dāng)工況電流恒定為零時(shí)，工況的主頻率成分也接近為零。然而，一階RC模型只能在一段頻率范圍內(nèi)接近于阻抗譜的真值，因此，DEKF算法在自適應(yīng)參數(shù)調(diào)整過(guò)程中，波動(dòng)電流工況與靜置工況中對(duì)應(yīng)的模型參數(shù)OCVe、Ro、Rp、Tau（RC并聯(lián)電路的時(shí)間常數(shù)）存在差異或波動(dòng)，而無(wú)法得到穩(wěn)定的參數(shù)值。而FJKF計(jì)算得到的OCVe、Ro、XW沒(méi)有出現(xiàn)明顯的波動(dòng)現(xiàn)象。由此看出簡(jiǎn)化阻抗譜模型可以較準(zhǔn)確地反映磷酸鐵鋰電池的動(dòng)態(tài)特性，該模型結(jié)合FJKF算法估計(jì)得到的參數(shù)值穩(wěn)定性優(yōu)于一階RC模型及其參數(shù)估計(jì)方法。

3.4 參數(shù)估計(jì)工況適應(yīng)性分析

為了驗(yàn)證算法的工況適應(yīng)性，除了FUDS工況測(cè)試之外，下文采用FTP75市區(qū)和市郊的混合工況測(cè)試算法的工況適應(yīng)性，F(xiàn)TP75市區(qū)工況包括冷起動(dòng)、穩(wěn)態(tài)、熱靜置和熱起動(dòng)四部分，市郊工況為高速工況。數(shù)據(jù)系統(tǒng)采集的電池端電壓UL和負(fù)載電流IL數(shù)據(jù)以及算法的計(jì)算結(jié)果如圖9、圖10所示。

在兩種測(cè)試工況下，電池模型參數(shù)能夠迅速跟蹤真值，測(cè)試工況在熱靜置、熱起動(dòng)、高速等狀態(tài)轉(zhuǎn)換時(shí)，模型參數(shù)值沒(méi)有出現(xiàn)明顯差異或波動(dòng)，可以穩(wěn)定反映電池的動(dòng)態(tài)特性。

圖9 FTP75工況電壓和電流數(shù)據(jù)Fig.9 FTP75ULandILdata

圖10 FJKF算法狀態(tài)和參數(shù)估計(jì)值Fig.10 State and parameter estimation result based on FJKF

4 結(jié)論

根據(jù)動(dòng)力電池使用工況特性分析、磷酸鐵鋰電池的電化學(xué)阻抗譜特征與等效電路模型對(duì)比，本文建立了磷酸鐵鋰電池的簡(jiǎn)化電化學(xué)阻抗譜等效電路模型，該模型采用分?jǐn)?shù)階元件——韋伯阻抗元件描述電池的擴(kuò)散極化特性。

根據(jù)已建立的電池簡(jiǎn)化電化學(xué)阻抗譜模型和Grünwald-Letnikov分?jǐn)?shù)階微分定義，列寫了該電池模型離散化形式的狀態(tài)方程和系統(tǒng)觀測(cè)方程，采用分?jǐn)?shù)階聯(lián)合卡爾曼濾波算法，估算得到磷酸鐵鋰電池的擴(kuò)散極化電壓、開路電壓、歐姆內(nèi)阻以及擴(kuò)散極化參數(shù)，這些參數(shù)可以較準(zhǔn)確地反映電池動(dòng)態(tài)特性。

該方法與一階RC模型和DEKF參數(shù)估計(jì)方法相比，參數(shù)的穩(wěn)定性高，并且物理意義明確。另外，通過(guò)FTP75工況試驗(yàn)可以看出，該方法具有較好的工況適應(yīng)性。

本文提出的模型參數(shù)估計(jì)方法有望用于磷酸鐵鋰動(dòng)力電池SOC估計(jì)、SOP預(yù)測(cè)、SOH估計(jì)等技術(shù)中，進(jìn)而提高電池系統(tǒng)工作過(guò)程的安全性、可靠性及有效性。該方法是否能夠適用于其他類型鋰離子動(dòng)力電池還需要進(jìn)一步驗(yàn)證。

[1] 馬玲玲, 楊軍, 付聰, 等. 電動(dòng)汽車充放電對(duì)電網(wǎng)影響研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(3): 140-148. Ma Lingling, Yang Jun, Fu Cong, et al. Review on impact of electric car charging and discharging on power grid[J]. Power System Protection and Control, 2013, 41(3): 140-148.

[2] 高明煜, 何志偉, 徐杰. 基于采樣點(diǎn)卡爾曼濾波的動(dòng)力電池SOC估計(jì)[J]. 電工技術(shù)學(xué)報(bào), 2011, 26(11): 161-167. Gao Mingyu, He Zhiwei, Xu Jie. Sigma point Kalman filter based SOC estimation for power supply battery[J]. Transactions of China Electrotechnical Society, 2011, 26(11): 161-167.

[3] 于海芳, 逯仁貴, 朱春波, 等. 基于安時(shí)法的鎳氫電池SOC估計(jì)誤差校正[J]. 電工技術(shù)學(xué)報(bào), 2012, 27(6): 12-18. Yu Haifang, Lu Rengui, Zhu Chunbo, et al. State of charge estimation calibration for Ni-MH battery based on ampere-hour method[J]. Transactions of China Electrotechnical Society, 2012, 27(6): 12-18.

[4] 劉艷莉, 戴勝, 程澤, 等. 基于有限差分?jǐn)U展卡爾曼濾波的鋰離子電池SOC估計(jì)[J]. 電工技術(shù)學(xué)報(bào)，2014, 29(1): 221-228. Liu Yanli, Dai Sheng, Cheng Ze, et al. Estimation of state of charge of lithium-ion battery based on finite difference extended Kalman filter[J]. Transactions of China Electrotechnical Society, 2014, 29(1): 221-228.

[5] Xiong R, Sun F, He H, et al. A data-driven adaptive state of charge and power capability joint estimator of lithium-ion polymer battery used in electric vehicles[J]. Energy, 2013, 63(12): 295-308.

[6] Andre D, Appel C, Soczka-Guth T, et al. Advanced mathematical methods of SOC and SOH estimation for lithium-ion batteries[J]. Journal of Power Sources, 2013, 224(2): 20-27.

[7] 馬澤宇, 姜久春, 張維戈, 等. 鋰離子動(dòng)力電池?zé)崂匣穆窂揭蕾囆匝芯縖J]. 電工技術(shù)學(xué)報(bào), 2014, 29(5): 221-227. Ma Zeyu, Jiang Jiuchun, Zhang Weige, et al. Research on path dependence of large format LiMn2O4battery degradation in thermal aging[J]. Transactions of China Electrotechnical Society, 2014, 29(5): 221-227.

[8] 陳大分, 姜久春, 王占國(guó), 等. 動(dòng)力鋰離子電池分布參數(shù)等效電路模型研究[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(7): 169-176. Chen Dafen, Jiang Jiuchun, Wang Zhanguo, et al. Research on distribution parameters equivalent circuit model of power lithium-ion batteries[J]. Transactions of China Electrotechnical Society, 2013, 28(7): 169-176.

[9] 李國(guó)杰, 唐志偉, 聶宏展, 等. 釩液流儲(chǔ)能電池建模及其平抑風(fēng)電波動(dòng)研究[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(22): 115-120. Li Guojie, Tang Zhiwei, Nie Hongzhan, et al. Modelling and controlling of vanadium redox flow battery to smooth wind power fluctuations[J]. Power System Protection and Control, 2010, 38(22): 115-120.

[10] 高金輝, 唐靜, 賈利鋒. 太陽(yáng)能電池參數(shù)求解新算法[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(9): 133-136. Gao Jinhui, Tang Jing, Jia Lifeng. A novel parameter extraction method for solar cells[J]. Power System Protection and Control, 2012, 40(9): 133-136.

[11] 婁素華, 易林, 吳耀武, 等. 基于可變壽命模型的電池儲(chǔ)能容量?jī)?yōu)化配置[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(4): 265-271. Lou Suhua, Yi Lin, Wu Yaowu, et al. Optimizing deployment of battery energy storage based on lifetime predication[J]. Transactions of China Electrotechnical Society, 2015, 30(4): 265-271.

[12] Zhang L, Wang L, Hinds G, et al. Multi-objective optimization of lithium-ion battery model using genetic algorithm approach[J]. Journal of Power Sources, 2014, 270(12): 367-378.

[13] Yoon S, Hwang I, Lee C, et al. Power capability analysis in lithium ion batteries using electrochemical impedance spectroscopy[J]. Journal of Electroanalytical Chemistry, 2011, 655(1): 32-38.

[14] Xu J, Mi C, Cao B, et al. A new method to estimate the state of charge of lithium-ion batteries based on the battery impedance model[J]. Journal of PowerSources, 2013, 233(1): 277-284.

[15] Fleischer C, Waag W, Heyn H, et al. On-line adaptive battery impedance parameter and state estimation considering physical principles in reduced order equivalent circuit battery models part 1[J]. Journal of Power Sources, 2014, 260(8): 276-291.

[16] Fleischer C, Waag W, Heyn H, et al. On-line adaptive battery impedance parameter and state estimation considering physical principles in reduced order equivalent circuit battery models part 2[J]. Journal of Power Sources, 2014, 262(9): 457-482.

[17] Waag W, Fleischer C, Sauer D. Adaptive on-line prediction of the available power of lithium-ion batteries[J]. Journal of Power Sources, 2013, 242(11): 548-559.

[18] Sierociuk D, Dzielinski A. Fractional Kalman filter algorithm for the states, parameters and order of fractional system estimation[J]. International Journal of Applied Mathematics & Computer Science, 2006, 16(1): 129-140.

[19] Sabatier J, Aoun M, Oustaloup A, et al. Fractional system identification for lead acid battery state of charge estimation[J]. Singal Processing, 2006, 86(10): 2647-2657.

[20] Pei L, Zhu C, Wang T, et al. Online peak power prediction based on a parameter and state estimation for lithium-ion batteries in electric vehicles[J]. Energy, 2014, 66(3): 766-778.

Online Parameter Estimation of a Simplified Impedance Spectroscopy Model Based on the Fractional Joint Kalman Filter for LiFe PO4Battery

Li Xiaoyu Zhu Chunbo Wei Guo Lu Rengui
（School of Electrical Engineering and Automation Harbin Institute of Technology Harbin 150001 China）

Battery modeling and online battery model parameter estimation are the key technologies of EV battery management system. Based on the battery simplified electrochemical impedance spectroscopy which contains a fractional component, this paper establishes the state transition and systematic observation equations for the nonlinear system of LiFePO4secondary battery. Then, the diffusion polarization voltage and model parameters are estimated online with the fractional joint Kalman filter (FJKF). The experimental results show that, this model can reflect the dynamic characteristics very well, and FJKF parameter estimation algorithm can maintain good accuracy. Meanwhile, the method is suitable for a variety of load conditions. The model parameters obtained by this algorithm have good stability.

LiFePO4battery, fractional battery model, electrochemical impedance spectroscopy, fractional joint Kalman filter

TM912

李曉宇 男，1988年生，博士，研究方向?yàn)閮?chǔ)能系統(tǒng)綜合測(cè)試與管理技術(shù)，電池梯級(jí)利用技術(shù)。

E-mail: xiaoyu070220202@126.com

朱春波 男，1964年生，教授，博士生導(dǎo)師，研究方向?yàn)閮?chǔ)能系統(tǒng)綜合測(cè)試與管理技術(shù)、無(wú)線電能傳輸技術(shù)。

E-mail: zhuchunbo@hit.edu.cn （通信作者）

國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）（2012AA111003），國(guó)家自然科學(xué)基金（51277037）和黑龍江省應(yīng)用技術(shù)研究與開發(fā)計(jì)劃項(xiàng)目（GA13A202）資助。

2014-10-17 改稿日期2015-03-02