做電池管理系統(tǒng)BMS或者寫電池狀態(tài)估算算法的人大概率都見過這樣的場面充滿電顯示SOC 100%開出去沒多遠突然掉到85%或者充放電循環(huán)多次后電量顯示忽高忽低像“薛定諤的貓”。我最近基于Simulink搭了一套鋰電池SOC估計EKF仿真模型把安時積分、開路電壓、擴展卡爾曼濾波這三樣東西串到同一條仿真鏈路上跑通了從電池建模、參數設置到誤差打分的完整流程。這篇就把模型怎么搭、參數怎么定、坑具體踩在哪里一步步說清楚。這篇內容適合三類人剛接手BMS算法方向、需要用Simulink做算法驗證的工程師做畢業(yè)設計或課題、要交付“仿真算法”結果的學生以及純做電化學、想明白SOC為什么能靠端電壓和電流“估”出來的研究者。文章不堆公式但核心公式一個不缺實操細節(jié)按可復現(xiàn)的標準寫跟著做就能把模型跑起來。1. 為什么SOC要“估”而不是“算”安時積分法的邊界1.1 安時積分法的三個硬傷安時積分法的思路非常直觀SOC(k1) SOC(k) - η·Ts·I(k)/Qn說白了就是給電流“記賬”累計流進流出的電量。只要電流采樣夠準、初始SOC給得準、容量Qn是常數這套方法在數學上是閉環(huán)的。但工程現(xiàn)實是這三個“只要”沒有一個能真正滿足。第一個硬傷是初值不可知。電池不是每次上車都從滿電開始上一次停車時的SOC本來就是個未知數。安時積分從一個錯誤的初值出發(fā)誤差不會縮小只會原封不動地帶下去。通俗講它只有記賬功能沒有糾錯功能。第二個硬傷是電流傳感器的零漂和噪聲會持續(xù)累加。拿100Ah電池、0.05A的電流測量偏置舉例持續(xù)放電50小時積分電量就會少算2.5Ah對應SOC就差了2.5%。電流噪聲經過積分之后還會變成一個隨機游走式的漂移時間越長方差越大SOC曲線會越來越“毛”。第三個硬傷是Qn不是常數。容量受溫度、老化、放電倍率共同影響新電池和用了兩年的電池同樣積分出的Ah數對應的SOC百分比并不相等。庫侖效率η也不是嚴格等于1尤其是在低溫、大倍率工況下充進去的電和放出來的電并不完全可逆。1.2 SOC在數學上是個“狀態(tài)估計問題”如果我們把電池看作一個動態(tài)系統(tǒng)能測到的物理量只有端電壓U_t和電流I而SOC恰恰是測不到的“隱藏狀態(tài)”。這就不應該用積分去算而應該用狀態(tài)估計的思路去做用一個模型預測SOC再用端電壓測量值去修正預測值。端電壓和SOC之間確實存在聯(lián)系就是開路電壓-荷電狀態(tài)曲線OCV-SOC曲線。但電池有內阻有極化現(xiàn)象測量到的端電壓并不等于開路電壓中間還隔著歐姆壓降和RC網絡的極化電壓。所以SOC估計問題天然是一個多狀態(tài)問題SOC、極化電壓U1、極化電壓U2都需要被估計出來端電壓只是外界能看到的那個“投影”。這就把問題歸入了卡爾曼濾波框架?？柭鼮V波處理的就是“有噪聲的動態(tài)系統(tǒng)狀態(tài)估計”它的思想是模型不可全信測量也不可全信用協(xié)方差把兩邊的不確定性都量化出來再做加權融合。1.3 EKF的適用邊界和代價鋰電池的OCV-SOC關系是強非線性的標準卡爾曼濾波要求系統(tǒng)是線性的所以這里用擴展卡爾曼濾波EKF。EKF的做法就是把非線性函數在估計點附近做一階泰勒展開用雅可比矩陣代替線性卡爾曼里的狀態(tài)轉移矩陣和觀測矩陣。代價有兩個。第一一階線性化在強非線性區(qū)域會引入較大誤差尤其是磷酸鐵鋰電池在SOC 20%~80%的平臺區(qū)OCV斜率接近0此時端電壓幾乎不隨SOC變化EKF會面臨“弱可觀測”問題增益變小修正能力變弱。第二雅可比矩陣的計算必須正確符號錯一個、斜率方向反了濾波器會直接發(fā)散而不是溫和地報錯。不過對多數三元鋰電池和儲能鐵鋰電池應用只要OCV表建得夠密、模型參數標定到位EKF是性價比極高的方案計算量遠小于粒子濾波精度又能壓制住安時積分的累積誤差。2. 電池建模是EKF的地基等效電路模型怎么選、參數怎么定2.1 從Rint到二階RC模型選型不是越復雜越好EKF的“模型”指的不是數學公式而是電池本身的等效電路模型。最原始的叫Rint模型一個開路電壓源串一個內阻R0它只能描述穩(wěn)態(tài)端電壓完全沒法表達電池充放電停止后電壓回彈的動態(tài)過程。用它做SOC估計觀測殘差會非常大濾波器會瘋狂修正SOC去“硬補”模型誤差估計結果全是毛刺。好一點是一階RC模型在R0基礎上加一個RC并聯(lián)網絡用來表達電化學極化。一階模型對三元電池的短時間脈沖響應描述尚可但面對持續(xù)幾十秒到幾分鐘的負載變化比如動態(tài)工況濃差極化的慢過程就漏掉了殘差里還會帶出明顯的時間相關成分。二階RC模型加兩個RC網絡一個快時間常數約幾秒到幾十秒一個慢時間常數約幾十秒到幾百秒分別對應電化學極化和濃差極化。它的復雜度只比一階多一個狀態(tài)但對動態(tài)端電壓的擬合精度提升明顯。三階RC模型精度還會再高一點但參數辨識難度和EKF計算量都在漲邊際收益越來越小。我這次模型選的就是二階RC。2.2 參數辨識的HPPC思路模型里的R0、R1、C1、R2、C2和OCV-SOC曲線不能拍腦袋定需要用HPPC混合脈沖功率特性測試數據來辨識。HPPC的做法是對電池施加一個10秒的恒定電流脈沖然后靜置足夠長時間讓電壓回彈記錄完整的端電壓響應曲線。從這條曲線上可以讀出三樣東西脈沖瞬間的電壓跳變對應R0脈沖結束后的快速回彈段對應R1-C1網絡緩慢回彈段對應R2-C2網絡。實際操作時我會先把OCV確定下來用脈沖前靜置末段的穩(wěn)定電壓作為該SOC點的開路電壓然后把電壓響應曲線用最小二乘去擬合指數函數解出電阻電容參數。2.3 模型參數對EKF的影響要點參數對SOC估計的影響關鍵不在參數本身有多準而在于參數和OCV表的相對關系。最容易出問題的是OCV曲線斜率在平臺區(qū)太小當dOCV/dSOC趨近0時H矩陣對應位置的元素非常小卡爾曼增益K變小端電壓的新息無法有效修正SOCEKF退化成安時積分。另一個容易被忽視的是RC時間常數。如果τ2設置得比實際小靜置回彈被模型高估濾波器會把“電壓還沒回彈到位”誤判成“SOC偏低”產生系統(tǒng)性的負向偏差。所以模型參數一旦定下來我不建議為了調EKF效果好而去反向改電池參數那是自欺欺人的做法。下面是二階RC模型的一套典型參考參數具體數值應該按自己電池的HPPC數據來標定參數物理含義參考值Qn額定容量2.9Ahη庫侖效率0.995R0歐姆內阻0.05ΩR1電化學極化內阻0.02ΩC1電化學極化電容2500FR2濃差極化內阻0.03ΩC2濃差極化電容5000Fτ1快RC時間常數50sτ2慢RC時間常數150s3. EKF從公式到鋰電池落地狀態(tài)方程、觀測方程與雅可比矩陣3.1 三狀態(tài)離散狀態(tài)空間方程把二階RC模型離散化狀態(tài)向量取x [SOC, U1, U2]^T輸入量為電流I觀測量為端電壓U_t。離散時間步長Ts狀態(tài)方程如下SOC(k1) SOC(k) - η·Ts·I(k)/QnU1(k1) exp(-Ts/τ1)·U1(k) R1·(1 - exp(-Ts/τ1))·I(k)U2(k1) exp(-Ts/τ2)·U2(k) R2·(1 - exp(-Ts/τ2))·I(k)觀測方程寫為U_t(k) OCV(SOC(k)) - U1(k) - U2(k) - R0·I(k)這段看著簡單但符號約定一定要統(tǒng)一。我這里是放電電流為正所以SOC在放電時減小如果方向定義反了整個EKF的收斂方向就完全錯誤估計值會一路朝著反方向跑。3.2 雅可比矩陣解析法還是數值差分EKF需要兩個雅可比矩陣。狀態(tài)轉移雅可比A是狀態(tài)方程對x的偏導因為SOC更新與U1、U2無關U1、U2更新與SOC無關這個矩陣恰好是常值矩陣A [[1, 0, 0], [0, exp(-Ts/τ1), 0], [0, 0, exp(-Ts/τ2)]]觀測雅可比H是觀測方程對x的偏導。P矩陣第一列是OCV對SOC的斜率這個斜率不能直接寫表達式因為OCV是查表函數多用數值差分計算H [dOCV/dSOC, -1, -1]數值差分時我用中心差分而不是單邊差分步長delta取1e-3SOC以小數表示時。如果用百分比0~100表示SOC步長取0.01左右別搞混。3.3 Q、R、P0三個矩陣的物理含義EKF調參會卡死很多人主要原因是不理解這三個協(xié)方差矩陣到底代表什么。P0是初始狀態(tài)估計的協(xié)方差。初始SOC把握越小P0(1,1)就要設得越大。比如你認為初始SOC可能有±20%的誤差那么在SOC以0~1小數表示時P0(1,1)可以給到0.04這個量級。P0給太小濾波器會“相信”初始估計收斂很慢。Q是過程噪聲協(xié)方差對應模型預測的不確定性。Q(1,1)和電流傳感器誤差直接相關SOC的方差增長率大約是(Ts/Qn)^2乘以電流噪聲方差。但也別算得太“摳門”模型本身還有誤差工程上通常把Q(1,1)設得比理論值大一些給濾波器留跟蹤余量。R是測量噪聲協(xié)方差對應端電壓傳感器的噪聲。電壓測量精度如果是±5mVR給(0.005)^2 2.5e-5這個量級比較合理。R太小濾波器會過度相信單個電壓采樣點輸出噪聲大R太大修正力度弱SOC偏差消除慢。下面是一套可以直接起步的初值后面再根據仿真結果微調矩陣對角元素初始值說明P0[0.01, 1e-4, 1e-4]SOC初值按±10%不確定度假設Q[1e-7, 1e-6, 1e-6]SOC通道稍小RC通道稍大R2.5e-5對應5mV電壓噪聲4. Simulink仿真模型搭建模塊劃分、代碼實現(xiàn)與參數配置4.1 頂層結構真實電池、EKF估計器、誤差打點三部分我搭Simulink模型的習慣是把“真實被控對象”和“估計器”嚴格分開。頂層模型分三個子系統(tǒng)第一個是電池模型子系統(tǒng)輸入電流I內部用二階RC模型算出真實SOC和端電壓Vt真實SOC作為后續(xù)對比的基準真值。仿真里我們可以知道真值這是Simulink做算法驗證的最大優(yōu)勢工程實測工況是拿不到真值SOC的。第二個是EKF估計器子系統(tǒng)輸入電流I和端電壓測量值Vt_meas輸出估計SOC。這里我給Vt_meas人為疊加一個高斯白噪聲模塊標準差設5mV用來模擬真實電壓傳感器的測量噪聲。不加噪聲的仿真是“閉卷考試”加了噪聲才是“開卷考真實力”。第三個是數據對比區(qū)用Scope把真實SOC、估計SOC、SOC誤差、端電壓新息同時錄進去。仿真結束后我再把數據導入工作空間算RMSE和最大誤差。4.2 EKF核心代碼MATLAB Function實現(xiàn)EKF估計器我建議用MATLAB Function塊實現(xiàn)核心代碼不長邏輯在一百行以內能寫完。把它封裝成函數方便在Simulink里反復調用也方便單獨做單元測試。function [soc_est, U1_est, U2_est, P] ekf_update(... soc_est, U1_est, U2_est, P, Vt_meas, I, Ts, p) % p 為參數結構體Qn, eta, R0, R1, C1, R2, C2, Q, R tau1 p.R1 * p.C1; tau2 p.R2 * p.C2; a1 exp(-Ts / tau1); a2 exp(-Ts / tau2); b1 p.R1 * (1 - a1); b2 p.R2 * (1 - a2); % 1. 狀態(tài)預測 soc_pred soc_est - p.eta * Ts / p.Qn * I; U1_pred a1 * U1_est b1 * I; U2_pred a2 * U2_est b2 * I; x_pred [soc_pred; U1_pred; U2_pred]; A [1, 0, 0; 0, a1, 0; 0, 0, a2]; P_pred A * P * A p.Q; % 2. 測量預測與雅可比 ocv_pred interp1(p.soc_lut, p.ocv_lut, soc_pred, linear, extrap); y_pred ocv_pred - U1_pred - U2_pred - p.R0 * I; delta 1e-3; dOcv (interp1(p.soc_lut, p.ocv_lut, soc_pred delta, linear, extrap) - ... interp1(p.soc_lut, p.ocv_lut, soc_pred - delta, linear, extrap)) / (2 * delta); H [dOcv, -1, -1]; % 3. 卡爾曼增益與修正 S H * P_pred * H p.R; K P_pred * H / S; innov Vt_meas - y_pred; x_est x_pred K * innov; P (eye(3) - K * H) * P_pred; P (P P) / 2; soc_est x_est(1); U1_est x_est(2); U2_est x_est(3); end有一點要特別提醒代碼里interp1用到了’extrap’外插選項。SOC估計值在收斂過程中可能短暫超出查表范圍不加上外插Simulink會直接報錯導致仿真中斷。另外P在更新后要做一次對稱化處理即P (P P) / 2這能有效避免協(xié)方差矩陣在長時間仿真中偏離對稱結構。4.3 仿真工況與采樣參數設置EKF是離散算法Simulink里要選離散求解器比如定步長離散求解器固定步長設1秒。RC時間常數最慢150秒采樣周期1秒足夠捕捉動態(tài)。有些同學直接用連續(xù)求解器跑離散EKF結果就是樣條插值和固定步長行為對不上白白浪費時間排查。電流工況我建議至少跑三種第一種恒流放電1C持續(xù)放電到接近下限驗證SOC長時跟蹤能力第二種脈沖工況1C放電10秒、靜置100秒循環(huán)幾十次驗證電流突變時端電壓回彈情況下的估計穩(wěn)定性第三種動態(tài)工況從標準駕駛循環(huán)電流數據降采樣后導入Signal Editor驗證隨機負載下的表現(xiàn)。初始條件故意讓它錯把真實SOC初值設為85%EKF估計器初始SOC設為60%制造25個百分點的初值誤差。這樣跑仿真能直接看到EKF能不能在幾百秒內把估計值拉到真值附近而安時積分在這個條件下永遠拉不回來。這才是EKF的價值展示環(huán)節(jié)。5. 調試實錄EKF在仿真中翻車的五種典型場景5.1 初始誤差下收斂慢P0設置不合理第一次跑仿真時我明明設置了25%的初始SOC誤差結果估計SOC花了快兩千秒才收斂而且初始段出現(xiàn)明顯的“平臺期”SOC幾乎沒有移動。查了之后發(fā)現(xiàn)是P0(1,1)給得太小濾波器認為初始SOC很可信卡爾曼增益K非常小測量新息完全推不動SOC。解決思路很直接把P0(1,1)從1e-4提高到1e-2量級同時保留RC通道的P0為1e-4。改完再跑收斂時間縮短到大概一百秒內初始段還能看到系統(tǒng)在“大幅度校正”SOC的擺動這是P0偏大時正常的行為不是故障。這里也順帶解釋一個現(xiàn)象EKF開頭如果有短暫的SOC方向性校正說明初始誤差確實被看到了如果開頭SOC紋絲不動不是EKF沒生效而是P0給得太保守K被壓制了。5.2 Q和R的搭配失衡系統(tǒng)化掃描代替“玄學調參”Q和R是最容易被當成“玄學”的部分但其實有章法。我的調參順序是先把R固定下來根據電壓傳感器噪聲定死不動態(tài)改然后掃Q(1,1)。每組仿真跑完看兩條曲線SOC估計誤差曲線的收斂速度和穩(wěn)態(tài)波動幅度。Q(1,1)太小(比如1e-9)時SOC曲線被模型“焊死”誤差消除慢曲線平滑但存在長時間恒定偏差。Q(1,1)太大(比如1e-4)時SOC會被每個電壓噪聲樣本帶著跳收斂雖然快但穩(wěn)態(tài)波動大看起來像鋸齒。比較合適的區(qū)間通常落在1e-7到1e-6之間。我建議把這個掃描過程電子表格化每一行記錄Q值、RMSE、最大誤差、收斂時間四個指標。選RMSE和最大誤差都相對低、曲線又不毛糙的點作為最終參數。不要憑感覺一次調一個數那樣只是碰運氣。5.3 雅可比矩陣出錯從“瞬間發(fā)散”到“軟性偏差”雅可比算錯的后果分兩種。最嚴重的一種是符號反了比如dOcv的計算用了soc_pred減而不是加deltaH矩陣的符號系統(tǒng)性錯誤卡爾曼增益方向反了仿真開始后幾百毫秒內SOC估計值直接沖到0或1然后一飛沖天。還有一種更隱蔽的軟性偏差數值差分步長delta選得太大dOcv被平滑掉一部分導致修正力度不足SOC誤差收斂到某個固定偏置就不再動了。檢查方法很簡單把dOcv單獨拉出來打印對照OCV曲線手動算一下斜率看數量級是否匹配。SOC以小數表示時dOcv的單位是V典型值在0.05到0.5之間如果你打印出來是0.0005那基本是單位或步長出問題了。5.4 長時間靜置后電壓回彈造成的誤判脈沖工況跑完后我會加一段30分鐘零電流靜置模擬電池停車休息。這個階段端電壓會慢慢回彈真實電池的回彈過程比較長而二階RC模型只有一個150秒的時間常數到了靜置后半段模型預測的U2已經快要衰減到0實際電池還有殘余極化電壓。結果就是測量端電壓比模型預測的偏高EKF把這個殘差誤判為“SOC偏低了”于是把SOC往低修正。反映在曲線上靜置期間真實SOC幾乎不變估計SOC卻往下掉了一兩個百分點。這個現(xiàn)象不是參數沒調好而是模型本身對超長靜置過程描述不完備。工程上的做法是加靜置檢測當電流接近0且持續(xù)超過閾值后降低觀測更新的權重或者切換到OCV插值修正模式。仿真里你至少要知道這個誤差來源存在別把靜置段的偏差全部算到EKF頭上。5.5 代數環(huán)和協(xié)方差退化MATLAB Function塊里如果直接用當前時刻的估計SOC去計算當前時刻的觀測方程而觀測方程又依賴當前時刻的輸入電壓Simulink會檢測到代數環(huán)。最直接的提醒是仿真變慢或求解器報錯。解決辦法是在狀態(tài)量輸出后加Unit Delay讓濾波器基于上一拍的估計值來做當前拍的新息更新這樣更符合EKF的離散序列邏輯。協(xié)方差退化問題則出現(xiàn)在長時間仿真中P矩陣雖然做了對稱化但還是可能因為數值誤差失去半正定性尤其是卡爾曼增益很大時。除了對稱化處理我還會在每一步后做一次特征值檢查發(fā)現(xiàn)負特征值就鉗位到0更穩(wěn)妥的寫法是直接用Joseph形式的協(xié)方差更新公式它在理論上有更好的數值穩(wěn)定性。故障現(xiàn)象根因處理手段初始SOC不收斂P0(1,1)過小提高到0.01量級穩(wěn)態(tài)曲線鋸齒嚴重Q過大Q(1,1)下調一個數量級長期恒定偏差dOcv數值差分錯誤或步長過大校驗斜率及量綱靜置段SOC往下掉慢極化模型誤差加靜置檢測降權仿真卡頓或發(fā)散代數環(huán)/P非正定加Unit Delay、用Joseph形式更新6. 仿真結果怎么看誤差指標、調參策略與工程化差距6.1 用RMSE和最大誤差量化估計表現(xiàn)跑完仿真第一步先把真實SOC和估計SOC導到工作空間計算均方根誤差RMSE和最大絕對誤差MAXE。我這次仿真在1C脈沖工況下初始SOC誤差25%、電壓噪聲5mV的設置下RMSE大概在0.8%到1.5%之間最大誤差出現(xiàn)在初始收斂段能到2%左右穩(wěn)態(tài)段最大誤差會縮小到1%以內。不同電池參數和噪聲水平下數字會有浮動但量級可以作為參考。單看RMSE還不夠還要看誤差曲線隨時間的變化趨勢。理想曲線應該是初始段一次性收斂中間沒有二次跳變穩(wěn)態(tài)在0附近小幅波動。如果誤差曲線在某個工況切換點出現(xiàn)一個“鼓包”說明模型在那個動態(tài)段的預測有系統(tǒng)偏差值得回去查RC參數。6.2 從仿真到工程落地的三個差距仿真通過不等于產品可用至少有三個差距需要正視野。第一個是電流傳感器噪聲和零漂的真實性。仿真里我給的是純高斯白噪聲但實際電流傳感器的零漂往往帶溫度漂移和低頻率漂移這會讓Q(1,1)的標定在臺架上失效。工程上通常要外加零漂校準算法和電流偏置估計甚至把它也擴展成EKF的狀態(tài)。第二個是溫度變化。OCV-SOC曲線、內阻、容量都隨溫度變化劇烈仿真如果不加溫度補償冬天低溫環(huán)境下估計誤差會顯著變大。工程化的做法是把OCV表變成OCV(SOC,溫度)的二維查表同時用溫度修正Qn。第三個是算力約束。EKF本身的矩陣運算量很小3x3矩陣在任何MCU上都不是負擔真正的成本在OCV表的二維插值和代碼生成后的定點化處理。如果做嵌入式移植協(xié)方差矩陣建議改成單精度浮點并做好溢出保護。6.3 從EKF出發(fā)還能往哪走這套模型跑順之后很自然的擴展方向有三個。第一個是參數在線辨識把R0、R1、C1、R2、C2也納入濾波框架構成“雙EKF”或“聯(lián)合EKF”狀態(tài)估計和參數更新同時跑應對老化后參數漂移。第二個是換UKFSigma點濾波在OCV平臺區(qū)這種強非線性區(qū)域的估計精度通常比EKF更好代價是計算量翻幾倍。第三個是SOC與SOH聯(lián)合估計把容量Qn作為慢時變狀態(tài)量通過長期觀測來追蹤電池健康度衰減這套模型里其實已經預留了容量作為參數的入口改起來并不難。我對這套Simulink模型最深的感受是EKF不是“無腦濾波”它能發(fā)揮多少功力七成取決于電池模型精度和參數標定兩成取決于Q/R的物理意義是否理解到位真正落到矩陣公式上的反而是最后一小步。如果哪天你調試時發(fā)現(xiàn)估計SOC和真值之間總有一截恒定偏差優(yōu)先去查OCV表建得準不準別急著動Q和R那是絕大多數調參玄學的真正根源。 基于Simulink的鋰電池SOC估計EKF仿真模型搭建與調試
做電池管理系統(tǒng)BMS或者寫電池狀態(tài)估算算法的人大概率都見過這樣的場面充滿電顯示SOC 100%開出去沒多遠突然掉到85%或者充放電循環(huán)多次后電量顯示忽高忽低像“薛定諤的貓”。我最近基于Simulink搭了一套鋰電池SOC估計EKF仿真模型把安時積分、開路電壓、擴展卡爾曼濾波這三樣東西串到同一條仿真鏈路上跑通了從電池建模、參數設置到誤差打分的完整流程。這篇就把模型怎么搭、參數怎么定、坑具體踩在哪里一步步說清楚。這篇內容適合三類人剛接手BMS算法方向、需要用Simulink做算法驗證的工程師做畢業(yè)設計或課題、要交付“仿真算法”結果的學生以及純做電化學、想明白SOC為什么能靠端電壓和電流“估”出來的研究者。文章不堆公式但核心公式一個不缺實操細節(jié)按可復現(xiàn)的標準寫跟著做就能把模型跑起來。1. 為什么SOC要“估”而不是“算”安時積分法的邊界1.1 安時積分法的三個硬傷安時積分法的思路非常直觀SOC(k1) SOC(k) - η·Ts·I(k)/Qn說白了就是給電流“記賬”累計流進流出的電量。只要電流采樣夠準、初始SOC給得準、容量Qn是常數這套方法在數學上是閉環(huán)的。但工程現(xiàn)實是這三個“只要”沒有一個能真正滿足。第一個硬傷是初值不可知。電池不是每次上車都從滿電開始上一次停車時的SOC本來就是個未知數。安時積分從一個錯誤的初值出發(fā)誤差不會縮小只會原封不動地帶下去。通俗講它只有記賬功能沒有糾錯功能。第二個硬傷是電流傳感器的零漂和噪聲會持續(xù)累加。拿100Ah電池、0.05A的電流測量偏置舉例持續(xù)放電50小時積分電量就會少算2.5Ah對應SOC就差了2.5%。電流噪聲經過積分之后還會變成一個隨機游走式的漂移時間越長方差越大SOC曲線會越來越“毛”。第三個硬傷是Qn不是常數。容量受溫度、老化、放電倍率共同影響新電池和用了兩年的電池同樣積分出的Ah數對應的SOC百分比并不相等。庫侖效率η也不是嚴格等于1尤其是在低溫、大倍率工況下充進去的電和放出來的電并不完全可逆。1.2 SOC在數學上是個“狀態(tài)估計問題”如果我們把電池看作一個動態(tài)系統(tǒng)能測到的物理量只有端電壓U_t和電流I而SOC恰恰是測不到的“隱藏狀態(tài)”。這就不應該用積分去算而應該用狀態(tài)估計的思路去做用一個模型預測SOC再用端電壓測量值去修正預測值。端電壓和SOC之間確實存在聯(lián)系就是開路電壓-荷電狀態(tài)曲線OCV-SOC曲線。但電池有內阻有極化現(xiàn)象測量到的端電壓并不等于開路電壓中間還隔著歐姆壓降和RC網絡的極化電壓。所以SOC估計問題天然是一個多狀態(tài)問題SOC、極化電壓U1、極化電壓U2都需要被估計出來端電壓只是外界能看到的那個“投影”。這就把問題歸入了卡爾曼濾波框架?？柭鼮V波處理的就是“有噪聲的動態(tài)系統(tǒng)狀態(tài)估計”它的思想是模型不可全信測量也不可全信用協(xié)方差把兩邊的不確定性都量化出來再做加權融合。1.3 EKF的適用邊界和代價鋰電池的OCV-SOC關系是強非線性的標準卡爾曼濾波要求系統(tǒng)是線性的所以這里用擴展卡爾曼濾波EKF。EKF的做法就是把非線性函數在估計點附近做一階泰勒展開用雅可比矩陣代替線性卡爾曼里的狀態(tài)轉移矩陣和觀測矩陣。代價有兩個。第一一階線性化在強非線性區(qū)域會引入較大誤差尤其是磷酸鐵鋰電池在SOC 20%~80%的平臺區(qū)OCV斜率接近0此時端電壓幾乎不隨SOC變化EKF會面臨“弱可觀測”問題增益變小修正能力變弱。第二雅可比矩陣的計算必須正確符號錯一個、斜率方向反了濾波器會直接發(fā)散而不是溫和地報錯。不過對多數三元鋰電池和儲能鐵鋰電池應用只要OCV表建得夠密、模型參數標定到位EKF是性價比極高的方案計算量遠小于粒子濾波精度又能壓制住安時積分的累積誤差。2. 電池建模是EKF的地基等效電路模型怎么選、參數怎么定2.1 從Rint到二階RC模型選型不是越復雜越好EKF的“模型”指的不是數學公式而是電池本身的等效電路模型。最原始的叫Rint模型一個開路電壓源串一個內阻R0它只能描述穩(wěn)態(tài)端電壓完全沒法表達電池充放電停止后電壓回彈的動態(tài)過程。用它做SOC估計觀測殘差會非常大濾波器會瘋狂修正SOC去“硬補”模型誤差估計結果全是毛刺。好一點是一階RC模型在R0基礎上加一個RC并聯(lián)網絡用來表達電化學極化。一階模型對三元電池的短時間脈沖響應描述尚可但面對持續(xù)幾十秒到幾分鐘的負載變化比如動態(tài)工況濃差極化的慢過程就漏掉了殘差里還會帶出明顯的時間相關成分。二階RC模型加兩個RC網絡一個快時間常數約幾秒到幾十秒一個慢時間常數約幾十秒到幾百秒分別對應電化學極化和濃差極化。它的復雜度只比一階多一個狀態(tài)但對動態(tài)端電壓的擬合精度提升明顯。三階RC模型精度還會再高一點但參數辨識難度和EKF計算量都在漲邊際收益越來越小。我這次模型選的就是二階RC。2.2 參數辨識的HPPC思路模型里的R0、R1、C1、R2、C2和OCV-SOC曲線不能拍腦袋定需要用HPPC混合脈沖功率特性測試數據來辨識。HPPC的做法是對電池施加一個10秒的恒定電流脈沖然后靜置足夠長時間讓電壓回彈記錄完整的端電壓響應曲線。從這條曲線上可以讀出三樣東西脈沖瞬間的電壓跳變對應R0脈沖結束后的快速回彈段對應R1-C1網絡緩慢回彈段對應R2-C2網絡。實際操作時我會先把OCV確定下來用脈沖前靜置末段的穩(wěn)定電壓作為該SOC點的開路電壓然后把電壓響應曲線用最小二乘去擬合指數函數解出電阻電容參數。2.3 模型參數對EKF的影響要點參數對SOC估計的影響關鍵不在參數本身有多準而在于參數和OCV表的相對關系。最容易出問題的是OCV曲線斜率在平臺區(qū)太小當dOCV/dSOC趨近0時H矩陣對應位置的元素非常小卡爾曼增益K變小端電壓的新息無法有效修正SOCEKF退化成安時積分。另一個容易被忽視的是RC時間常數。如果τ2設置得比實際小靜置回彈被模型高估濾波器會把“電壓還沒回彈到位”誤判成“SOC偏低”產生系統(tǒng)性的負向偏差。所以模型參數一旦定下來我不建議為了調EKF效果好而去反向改電池參數那是自欺欺人的做法。下面是二階RC模型的一套典型參考參數具體數值應該按自己電池的HPPC數據來標定參數物理含義參考值Qn額定容量2.9Ahη庫侖效率0.995R0歐姆內阻0.05ΩR1電化學極化內阻0.02ΩC1電化學極化電容2500FR2濃差極化內阻0.03ΩC2濃差極化電容5000Fτ1快RC時間常數50sτ2慢RC時間常數150s3. EKF從公式到鋰電池落地狀態(tài)方程、觀測方程與雅可比矩陣3.1 三狀態(tài)離散狀態(tài)空間方程把二階RC模型離散化狀態(tài)向量取x [SOC, U1, U2]^T輸入量為電流I觀測量為端電壓U_t。離散時間步長Ts狀態(tài)方程如下SOC(k1) SOC(k) - η·Ts·I(k)/QnU1(k1) exp(-Ts/τ1)·U1(k) R1·(1 - exp(-Ts/τ1))·I(k)U2(k1) exp(-Ts/τ2)·U2(k) R2·(1 - exp(-Ts/τ2))·I(k)觀測方程寫為U_t(k) OCV(SOC(k)) - U1(k) - U2(k) - R0·I(k)這段看著簡單但符號約定一定要統(tǒng)一。我這里是放電電流為正所以SOC在放電時減小如果方向定義反了整個EKF的收斂方向就完全錯誤估計值會一路朝著反方向跑。3.2 雅可比矩陣解析法還是數值差分EKF需要兩個雅可比矩陣。狀態(tài)轉移雅可比A是狀態(tài)方程對x的偏導因為SOC更新與U1、U2無關U1、U2更新與SOC無關這個矩陣恰好是常值矩陣A [[1, 0, 0], [0, exp(-Ts/τ1), 0], [0, 0, exp(-Ts/τ2)]]觀測雅可比H是觀測方程對x的偏導。P矩陣第一列是OCV對SOC的斜率這個斜率不能直接寫表達式因為OCV是查表函數多用數值差分計算H [dOCV/dSOC, -1, -1]數值差分時我用中心差分而不是單邊差分步長delta取1e-3SOC以小數表示時。如果用百分比0~100表示SOC步長取0.01左右別搞混。3.3 Q、R、P0三個矩陣的物理含義EKF調參會卡死很多人主要原因是不理解這三個協(xié)方差矩陣到底代表什么。P0是初始狀態(tài)估計的協(xié)方差。初始SOC把握越小P0(1,1)就要設得越大。比如你認為初始SOC可能有±20%的誤差那么在SOC以0~1小數表示時P0(1,1)可以給到0.04這個量級。P0給太小濾波器會“相信”初始估計收斂很慢。Q是過程噪聲協(xié)方差對應模型預測的不確定性。Q(1,1)和電流傳感器誤差直接相關SOC的方差增長率大約是(Ts/Qn)^2乘以電流噪聲方差。但也別算得太“摳門”模型本身還有誤差工程上通常把Q(1,1)設得比理論值大一些給濾波器留跟蹤余量。R是測量噪聲協(xié)方差對應端電壓傳感器的噪聲。電壓測量精度如果是±5mVR給(0.005)^2 2.5e-5這個量級比較合理。R太小濾波器會過度相信單個電壓采樣點輸出噪聲大R太大修正力度弱SOC偏差消除慢。下面是一套可以直接起步的初值后面再根據仿真結果微調矩陣對角元素初始值說明P0[0.01, 1e-4, 1e-4]SOC初值按±10%不確定度假設Q[1e-7, 1e-6, 1e-6]SOC通道稍小RC通道稍大R2.5e-5對應5mV電壓噪聲4. Simulink仿真模型搭建模塊劃分、代碼實現(xiàn)與參數配置4.1 頂層結構真實電池、EKF估計器、誤差打點三部分我搭Simulink模型的習慣是把“真實被控對象”和“估計器”嚴格分開。頂層模型分三個子系統(tǒng)第一個是電池模型子系統(tǒng)輸入電流I內部用二階RC模型算出真實SOC和端電壓Vt真實SOC作為后續(xù)對比的基準真值。仿真里我們可以知道真值這是Simulink做算法驗證的最大優(yōu)勢工程實測工況是拿不到真值SOC的。第二個是EKF估計器子系統(tǒng)輸入電流I和端電壓測量值Vt_meas輸出估計SOC。這里我給Vt_meas人為疊加一個高斯白噪聲模塊標準差設5mV用來模擬真實電壓傳感器的測量噪聲。不加噪聲的仿真是“閉卷考試”加了噪聲才是“開卷考真實力”。第三個是數據對比區(qū)用Scope把真實SOC、估計SOC、SOC誤差、端電壓新息同時錄進去。仿真結束后我再把數據導入工作空間算RMSE和最大誤差。4.2 EKF核心代碼MATLAB Function實現(xiàn)EKF估計器我建議用MATLAB Function塊實現(xiàn)核心代碼不長邏輯在一百行以內能寫完。把它封裝成函數方便在Simulink里反復調用也方便單獨做單元測試。function [soc_est, U1_est, U2_est, P] ekf_update(... soc_est, U1_est, U2_est, P, Vt_meas, I, Ts, p) % p 為參數結構體Qn, eta, R0, R1, C1, R2, C2, Q, R tau1 p.R1 * p.C1; tau2 p.R2 * p.C2; a1 exp(-Ts / tau1); a2 exp(-Ts / tau2); b1 p.R1 * (1 - a1); b2 p.R2 * (1 - a2); % 1. 狀態(tài)預測 soc_pred soc_est - p.eta * Ts / p.Qn * I; U1_pred a1 * U1_est b1 * I; U2_pred a2 * U2_est b2 * I; x_pred [soc_pred; U1_pred; U2_pred]; A [1, 0, 0; 0, a1, 0; 0, 0, a2]; P_pred A * P * A p.Q; % 2. 測量預測與雅可比 ocv_pred interp1(p.soc_lut, p.ocv_lut, soc_pred, linear, extrap); y_pred ocv_pred - U1_pred - U2_pred - p.R0 * I; delta 1e-3; dOcv (interp1(p.soc_lut, p.ocv_lut, soc_pred delta, linear, extrap) - ... interp1(p.soc_lut, p.ocv_lut, soc_pred - delta, linear, extrap)) / (2 * delta); H [dOcv, -1, -1]; % 3. 卡爾曼增益與修正 S H * P_pred * H p.R; K P_pred * H / S; innov Vt_meas - y_pred; x_est x_pred K * innov; P (eye(3) - K * H) * P_pred; P (P P) / 2; soc_est x_est(1); U1_est x_est(2); U2_est x_est(3); end有一點要特別提醒代碼里interp1用到了’extrap’外插選項。SOC估計值在收斂過程中可能短暫超出查表范圍不加上外插Simulink會直接報錯導致仿真中斷。另外P在更新后要做一次對稱化處理即P (P P) / 2這能有效避免協(xié)方差矩陣在長時間仿真中偏離對稱結構。4.3 仿真工況與采樣參數設置EKF是離散算法Simulink里要選離散求解器比如定步長離散求解器固定步長設1秒。RC時間常數最慢150秒采樣周期1秒足夠捕捉動態(tài)。有些同學直接用連續(xù)求解器跑離散EKF結果就是樣條插值和固定步長行為對不上白白浪費時間排查。電流工況我建議至少跑三種第一種恒流放電1C持續(xù)放電到接近下限驗證SOC長時跟蹤能力第二種脈沖工況1C放電10秒、靜置100秒循環(huán)幾十次驗證電流突變時端電壓回彈情況下的估計穩(wěn)定性第三種動態(tài)工況從標準駕駛循環(huán)電流數據降采樣后導入Signal Editor驗證隨機負載下的表現(xiàn)。初始條件故意讓它錯把真實SOC初值設為85%EKF估計器初始SOC設為60%制造25個百分點的初值誤差。這樣跑仿真能直接看到EKF能不能在幾百秒內把估計值拉到真值附近而安時積分在這個條件下永遠拉不回來。這才是EKF的價值展示環(huán)節(jié)。5. 調試實錄EKF在仿真中翻車的五種典型場景5.1 初始誤差下收斂慢P0設置不合理第一次跑仿真時我明明設置了25%的初始SOC誤差結果估計SOC花了快兩千秒才收斂而且初始段出現(xiàn)明顯的“平臺期”SOC幾乎沒有移動。查了之后發(fā)現(xiàn)是P0(1,1)給得太小濾波器認為初始SOC很可信卡爾曼增益K非常小測量新息完全推不動SOC。解決思路很直接把P0(1,1)從1e-4提高到1e-2量級同時保留RC通道的P0為1e-4。改完再跑收斂時間縮短到大概一百秒內初始段還能看到系統(tǒng)在“大幅度校正”SOC的擺動這是P0偏大時正常的行為不是故障。這里也順帶解釋一個現(xiàn)象EKF開頭如果有短暫的SOC方向性校正說明初始誤差確實被看到了如果開頭SOC紋絲不動不是EKF沒生效而是P0給得太保守K被壓制了。5.2 Q和R的搭配失衡系統(tǒng)化掃描代替“玄學調參”Q和R是最容易被當成“玄學”的部分但其實有章法。我的調參順序是先把R固定下來根據電壓傳感器噪聲定死不動態(tài)改然后掃Q(1,1)。每組仿真跑完看兩條曲線SOC估計誤差曲線的收斂速度和穩(wěn)態(tài)波動幅度。Q(1,1)太小(比如1e-9)時SOC曲線被模型“焊死”誤差消除慢曲線平滑但存在長時間恒定偏差。Q(1,1)太大(比如1e-4)時SOC會被每個電壓噪聲樣本帶著跳收斂雖然快但穩(wěn)態(tài)波動大看起來像鋸齒。比較合適的區(qū)間通常落在1e-7到1e-6之間。我建議把這個掃描過程電子表格化每一行記錄Q值、RMSE、最大誤差、收斂時間四個指標。選RMSE和最大誤差都相對低、曲線又不毛糙的點作為最終參數。不要憑感覺一次調一個數那樣只是碰運氣。5.3 雅可比矩陣出錯從“瞬間發(fā)散”到“軟性偏差”雅可比算錯的后果分兩種。最嚴重的一種是符號反了比如dOcv的計算用了soc_pred減而不是加deltaH矩陣的符號系統(tǒng)性錯誤卡爾曼增益方向反了仿真開始后幾百毫秒內SOC估計值直接沖到0或1然后一飛沖天。還有一種更隱蔽的軟性偏差數值差分步長delta選得太大dOcv被平滑掉一部分導致修正力度不足SOC誤差收斂到某個固定偏置就不再動了。檢查方法很簡單把dOcv單獨拉出來打印對照OCV曲線手動算一下斜率看數量級是否匹配。SOC以小數表示時dOcv的單位是V典型值在0.05到0.5之間如果你打印出來是0.0005那基本是單位或步長出問題了。5.4 長時間靜置后電壓回彈造成的誤判脈沖工況跑完后我會加一段30分鐘零電流靜置模擬電池停車休息。這個階段端電壓會慢慢回彈真實電池的回彈過程比較長而二階RC模型只有一個150秒的時間常數到了靜置后半段模型預測的U2已經快要衰減到0實際電池還有殘余極化電壓。結果就是測量端電壓比模型預測的偏高EKF把這個殘差誤判為“SOC偏低了”于是把SOC往低修正。反映在曲線上靜置期間真實SOC幾乎不變估計SOC卻往下掉了一兩個百分點。這個現(xiàn)象不是參數沒調好而是模型本身對超長靜置過程描述不完備。工程上的做法是加靜置檢測當電流接近0且持續(xù)超過閾值后降低觀測更新的權重或者切換到OCV插值修正模式。仿真里你至少要知道這個誤差來源存在別把靜置段的偏差全部算到EKF頭上。5.5 代數環(huán)和協(xié)方差退化MATLAB Function塊里如果直接用當前時刻的估計SOC去計算當前時刻的觀測方程而觀測方程又依賴當前時刻的輸入電壓Simulink會檢測到代數環(huán)。最直接的提醒是仿真變慢或求解器報錯。解決辦法是在狀態(tài)量輸出后加Unit Delay讓濾波器基于上一拍的估計值來做當前拍的新息更新這樣更符合EKF的離散序列邏輯。協(xié)方差退化問題則出現(xiàn)在長時間仿真中P矩陣雖然做了對稱化但還是可能因為數值誤差失去半正定性尤其是卡爾曼增益很大時。除了對稱化處理我還會在每一步后做一次特征值檢查發(fā)現(xiàn)負特征值就鉗位到0更穩(wěn)妥的寫法是直接用Joseph形式的協(xié)方差更新公式它在理論上有更好的數值穩(wěn)定性。故障現(xiàn)象根因處理手段初始SOC不收斂P0(1,1)過小提高到0.01量級穩(wěn)態(tài)曲線鋸齒嚴重Q過大Q(1,1)下調一個數量級長期恒定偏差dOcv數值差分錯誤或步長過大校驗斜率及量綱靜置段SOC往下掉慢極化模型誤差加靜置檢測降權仿真卡頓或發(fā)散代數環(huán)/P非正定加Unit Delay、用Joseph形式更新6. 仿真結果怎么看誤差指標、調參策略與工程化差距6.1 用RMSE和最大誤差量化估計表現(xiàn)跑完仿真第一步先把真實SOC和估計SOC導到工作空間計算均方根誤差RMSE和最大絕對誤差MAXE。我這次仿真在1C脈沖工況下初始SOC誤差25%、電壓噪聲5mV的設置下RMSE大概在0.8%到1.5%之間最大誤差出現(xiàn)在初始收斂段能到2%左右穩(wěn)態(tài)段最大誤差會縮小到1%以內。不同電池參數和噪聲水平下數字會有浮動但量級可以作為參考。單看RMSE還不夠還要看誤差曲線隨時間的變化趨勢。理想曲線應該是初始段一次性收斂中間沒有二次跳變穩(wěn)態(tài)在0附近小幅波動。如果誤差曲線在某個工況切換點出現(xiàn)一個“鼓包”說明模型在那個動態(tài)段的預測有系統(tǒng)偏差值得回去查RC參數。6.2 從仿真到工程落地的三個差距仿真通過不等于產品可用至少有三個差距需要正視野。第一個是電流傳感器噪聲和零漂的真實性。仿真里我給的是純高斯白噪聲但實際電流傳感器的零漂往往帶溫度漂移和低頻率漂移這會讓Q(1,1)的標定在臺架上失效。工程上通常要外加零漂校準算法和電流偏置估計甚至把它也擴展成EKF的狀態(tài)。第二個是溫度變化。OCV-SOC曲線、內阻、容量都隨溫度變化劇烈仿真如果不加溫度補償冬天低溫環(huán)境下估計誤差會顯著變大。工程化的做法是把OCV表變成OCV(SOC,溫度)的二維查表同時用溫度修正Qn。第三個是算力約束。EKF本身的矩陣運算量很小3x3矩陣在任何MCU上都不是負擔真正的成本在OCV表的二維插值和代碼生成后的定點化處理。如果做嵌入式移植協(xié)方差矩陣建議改成單精度浮點并做好溢出保護。6.3 從EKF出發(fā)還能往哪走這套模型跑順之后很自然的擴展方向有三個。第一個是參數在線辨識把R0、R1、C1、R2、C2也納入濾波框架構成“雙EKF”或“聯(lián)合EKF”狀態(tài)估計和參數更新同時跑應對老化后參數漂移。第二個是換UKFSigma點濾波在OCV平臺區(qū)這種強非線性區(qū)域的估計精度通常比EKF更好代價是計算量翻幾倍。第三個是SOC與SOH聯(lián)合估計把容量Qn作為慢時變狀態(tài)量通過長期觀測來追蹤電池健康度衰減這套模型里其實已經預留了容量作為參數的入口改起來并不難。我對這套Simulink模型最深的感受是EKF不是“無腦濾波”它能發(fā)揮多少功力七成取決于電池模型精度和參數標定兩成取決于Q/R的物理意義是否理解到位真正落到矩陣公式上的反而是最后一小步。如果哪天你調試時發(fā)現(xiàn)估計SOC和真值之間總有一截恒定偏差優(yōu)先去查OCV表建得準不準別急著動Q和R那是絕大多數調參玄學的真正根源。