磷酸铁锂（LFP）细胞化学在混合动力电动车辆（HEV）和电动车辆（EVS）中的储能量广泛接受，这是由于其高固有的安全性，快速充电和长循环寿命。但是，需要解决三项主要挑战，以便在运行时准确估计LFP细胞的充电状态（SOC）：
- 长电压松弛时间在电流脉冲后达到其开路电压（OCV）
- 时间，温度和SoC依赖性滞后
- 非常平坦的OCV-SOC曲线，适用于大多数SOC范围
鉴于这些问题，传统的充电状态（SOC）估计技术，例如使用充电状态开路电压（SOC-OCV）相关曲线的误差校正的库仑计数不适用于该化学。
本文通过扩展卡尔曼滤波器（EKF）算法，双RC阻挡等效电路和传统的库仑计数方法的新组合来解决这些挑战。EKF算法的简化实现为车辆运行时SOC评估提供了计算的有效选择。通过伪随机噪声污染的当前轮廓的实验数据验证SOC估计，并且在初始条件下偏移。即使初始SOC施加40％，初始SOC的误差也迅速会聚到真正的SOC的4％以内。
这张纸，简化扩展卡尔曼滤波器滤波器模型，用于商用功率导向LFP锂电池电池的SOC估计，是在SAE世界国会举行的。
阅读全文。
