磷酸铁锂电池因其本质安全性高、充电速度快、循环寿命长，在混合动力汽车(hev)和电动汽车(ev)中得到了广泛的应用。然而，为了准确估计LFP电池运行时的荷电状态(SOC)，需要解决三个主要挑战:
- 在电流脉冲后，电压达到开路电压(OCV)的松弛时间较长
- 依赖于时间、温度和soc的滞后
- 在大部分SOC范围内，OCV-SOC曲线非常平坦
针对这些问题，传统的荷电状态(SOC)估计技术，如利用荷电状态开路电压(SOC- ocv)相关曲线进行误差校正的库仑计数法，已不适用于该化学。
本文将扩展卡尔曼滤波(EKF)算法、双rc块等效电路和传统的库仑计数方法相结合，解决了这些问题。EKF算法的简化实现为车辆运行时SOC评估提供了一种计算效率高的选择。在初始条件下，利用带有伪随机噪声和偏移量的电流剖面的实验数据验证了SOC估计。即使附加的初始SOC误差为40%，电流测量误差为25%，模型也能迅速收敛到真实SOC的4%以内。
这篇文章中,商用功率导向LFP锂电池电池荷电状态估计的简化扩展卡尔曼滤波模型，在SAE世界大会上发表。
