تخمین سطح شارژِ مجموعه سلول لیتیومی با اتصال سری با استفاده از فیلتر کالمن تعمیم‌یافته

مجموعه باتری یکی از اجزای اصلی در خودروهای الکتریکی است که بهطور معمول از مجموعهای از سلولهای باتری تشکیل شده است که به صورت سری به یکدیگر متصل می شوند. یکی از مهمترین وظایف سیستم مدیریت باتری در خودروهای الکتریکی تخمین سطح شارژ مجموعه باتری است. سلول های موجود در یک پک باتری بدلیل تلرانس های مختلف ساخت و شرایط ً مختلف عملکردی الزاما سطح شارژ یکسانی ندارند و از این ً رو، سطح شارژ مجموعه باتری الزاما با سطح شارژ سلولها یکسان نیست. این مقاله به ارایه روشی برای تخمین سطح شارژ مجموعه باتری می ً پردازد که در کنار دقت باال، هزینه محاسباتی نسبتا پایینی دارد. ابتدا از روش شمارش کولمب و منحنی ولتاژ مدار باز باتری که از داده های تجربی استخراج شده است، به طور همزمان برای تخمین ِ سطح شارژ میانگین مجموعه باتری استفاده شده است. سپس با استفاده از فیلتر کالمن تعمیم یافته، اختلاف سطح شارژ بین هر کدام از سلول ها و سطح شارژ میانگین تخمین زده شده است. روش پیشنهادی بوسیله یک بستر تست تجربی و برای مجموعه ای متشکل از سه سلول باتری لیتیومی که به شکل سری متصل شده اند مورد ارزیابی و صحه گذاری قرار گرفته است. نتایج تست های تجربی حاکی از عملکرد مناسب روش پیشنهادی در تخمین سطح شارژ پک باتری لیتیومی می باشد

State of Charge Estimation for Series-Connected Lithium Battery Pack Using Extended Kalman Filter

The battery pack is one of the main components in electric vehicles which is usually composed of many cells connected in series. Battery state of charge estimation is one of the most important functions of the battery management system in electric vehicles. Due to the different manufacturing and operational conditions, all of the cells in a battery pack do not have the same states of charge and therefore, the cell and pack states of charge are not the same. This paper presents a method for battery pack state of charge estimation which benefits rather low computational cost as well as the high precision. First, the coulomb counting method and the open circuit voltage graph, which is obtained from the experimental results, are used simultaneously to estimate the pack average state of charge. Then, the extended Kalman filter method is used to estimate the difference between the pack average state of charge with those of the cells. The proposed method has been evaluated and verified using an experimental test bench for three seriesconnected lithium cells. Experimental test results indicate good performance of the proposed method in estimating the lithium battery pack state of charge.