BMS系统SOC估算：EKF与UKF算法在新能源车的应用-嵌云网-嵌入式AI开发资源站

BMS系统SOC估算：EKF与UKF算法在新能源车的应用

插门胡的小背心

1. 项目背景与核心价值

去年参与某新能源车企的BMS系统开发时，我们团队在电池SOC（State of Charge）估算精度上栽了大跟头。传统安时积分法在复杂工况下误差最高达到15%，导致车辆续航显示出现"跳崖式"下降。这段经历让我深刻认识到：精确的SOC估计不仅是BMS的"大脑"，更是消除用户里程焦虑的关键技术。

EKF（扩展卡尔曼滤波）和UKF（无迹卡尔曼滤波）作为两种主流的非线性滤波算法，在动力电池状态估计领域展现出独特优势。与实验室常用的开路电压法相比，它们能实时融合多源传感器数据，在车辆急加速、低温冷启动等动态工况下仍保持3%以内的估算误差。更难得的是，这些算法可以直接嵌入Simulink环境，通过自动代码生成技术部署到量产车型的MCU中。

2. 系统建模与算法选型

2.1 电池等效电路模型构建

在Simulink中搭建的二阶RC等效电路模型，其核心参数通过HPPC（混合脉冲功率特性）测试获取。以宁德时代NCM811电池为例，模型包含：

开路电压OCV-SOC关系曲线（通过1/20C倍率充放电测试获得）
欧姆内阻R0（通过10s脉冲放电前后的电压突变计算）
极化电阻R1/R2和极化电容C1/C2（通过脉冲结束后的弛豫曲线拟合）

关键技巧：OCV-SOC曲线必须进行温度补偿，我们在-10℃~45℃范围内每5℃间隔测试一组数据，最终建立三维查找表。

2.2 EKF算法实现细节

状态方程和观测方程构建是EKF的核心。对于SOC估计：

code复制状态向量 X = [SOC, Up1, Up2]^T
观测方程 Y = U_terminal = OCV(SOC) - I*R0 - Up1 - Up2

其中Up1/Up2代表两个RC回路的极化电压。雅可比矩阵计算采用中心差分法避免解析求导的复杂性，具体实现时：

matlab复制function [A, C] = jacobian(x, u)
    delta = 1e-6;
    A = zeros(3,3);
    for i=1:3
        x_plus = x; x_plus(i) = x_plus(i) + delta;
        x_minus = x; x_minus(i) = x_minus(i) - delta;
        A(:,i) = (state_eq(x_plus,u) - state_eq(x_minus,u))/(2*delta);
    end
    C = (observe_eq(x+delta,u) - observe_eq(x-delta,u))/(2*delta);
end

2.3 UKF算法优势解析

UKF通过sigma点采样避免了EKF的线性化误差，特别适合OCV-SOC曲线存在平台区的磷酸铁锂电池。我们对比发现：

在SOC 30%~70%区间，EKF最大误差4.2%，UKF仅2.1%
计算耗时方面，UKF比EKF增加约15%（在STM32H743上实测）
内存占用：EKF需存储3x3协方差矩阵，UKF需要3x7的sigma点矩阵

3. Simulink仿真架构设计

3.1 多速率系统实现

考虑到BMS实际运行需求，模型采用分层采样策略：

电流电压采样：100ms周期（对应BMS硬件ADC的采样能力）
SOC估算：1s周期（满足ISO 26262 ASIL-C等级的计算时间裕度）
充电控制：10s周期（适应充电桩通信延迟）

在Simulink中使用Rate Transition模块处理跨速率数据传递，关键配置参数：

matlab复制set_param('BMS_Model/UKF_Estimator', 'SystemSampleTime', '1');
set_param('BMS_Model/Current_Sensor', 'SampleTime', '0.1');

3.2 闭环验证场景设计

为验证算法鲁棒性，我们构建了包含以下工况的测试场景：

城市道路工况：UDDS循环+随机停车（验证怠速时的SOC回滞效应）
高速工况：连续120km/h巡航+紧急制动（测试大电流冲击下的稳定性）
低温场景：-20℃环境温度+大功率快充（考验温度补偿效果）

避坑指南：仿真时必须考虑传感器噪声，我们在电压测量通道添加了±10mV的白噪声，电流通道添加了±0.5A的偏置误差。

4. 充电控制策略优化

4.1 多阶段充电曲线生成

基于SOC估计结果动态调整CC-CV充电参数：

恒流阶段：0%~80% SOC区间，充电电流按I_max = min(1C, (T_max-T_cell)/R_th)动态限制
恒压阶段：当SOC>80%时，电压控制在4.2V±50mV，电流按I(t)=I_0*exp(-kt)衰减
均衡触发条件：单体电压差>30mV且SOC差>5%时启动主动均衡

4.2 故障安全机制

在Stateflow中实现的故障树包含：

matlab复制state Charging_Safety:
    on SOC > 95% and V_cell > 4.25V: 
        enter Overcharge_Protection
    on T_cell > 45degC and dT/dt > 1degC/min:
        enter Thermal_Runaway_Prevention
    on abs(I_charge - I_cmd) > 5A for 3s:
        enter Current_Sensor_Fault

5. 硬件在环验证

通过dSPACE SCALEXIO系统进行HIL测试时，发现了几个关键问题：

离散化导致的数值震荡：将欧拉积分步长从1ms调整为0.1ms后消除
CAN通信延迟：在CCP标定协议中增加时间戳补偿
量化误差：将ADC分辨率从12bit提升到16bit后，SOC跳变现象消失

实测数据对比：

测试场景	EKF误差(%)	UKF误差(%)	安时积分法误差(%)
NEDC循环	2.1	1.7	8.3
快充30%-80%	3.8	2.4	12.5
-10℃冷启动	4.5	3.1	18.2

6. 工程化落地经验

在量产项目中，我们总结出几条黄金准则：

参数辨识必须用实车数据：实验室测得的RC参数在真实振动环境下会漂移约15%
内存优化技巧：将UKF的sigma点计算从双精度改为单精度，节省40% RAM占用
实时性保障：在STM32上采用CMSIS-DSP库加速矩阵运算，使UKF迭代时间控制在8ms以内

有个特别值得分享的案例：某车型在颠簸路面出现SOC突变，最终发现是电流传感器安装位置共振导致采样异常。解决方案是在算法中增加加速度计数据作为观测变量，构建了带振动补偿的扩展状态方程。