基于改进鲁棒H∞观测器框架的电动汽车锂离子动力电池荷电状态（State-of-Charge, SOC）估算方法

《IEEE Access》：An Improved Robust H∞ Observer Framework for State-of-Charge Estimation of Lithium-Ion Batteries in Electric Vehicles

　　

本研究提出一种基于鲁棒H∞观测器（H∞Observer）的锂离子电池（Lithium-Ion Battery, LIB）荷电状态（State-of-Charge, SOC）估算框架，旨在解决电动汽车（Electric Vehicle, EV）电池管理系统（Battery Management System, BMS）中因负载变化、建模不确定性和外部扰动导致传统SOC估算精度下降的问题。该框架以二阶阻容（Second-Order Resistor-Capacitor, 2RC）等效电路模型（Equivalent Circuit Model, ECM）为基础，通过线性矩阵不等式（Linear Matrix Inequality, LMI）合成H∞观测器增益，在保证闭环稳定性的前提下最小化最坏情况下扰动对估算误差的影响，且不依赖噪声统计特性假设及协方差矩阵调参。研究人员采用城市测功机驾驶工况（Urban Dynamometer Driving Schedule, UDDS）、补充联邦测试程序（Supplemental Federal Test Procedure, US06）、洛杉矶1992工况（Los Angeles 1992, LA92）及高速燃油经济性测试（Highway Fuel Economy Test, HWFET）等标准驾驶循环下的实验电流剖面进行验证。在相同建模假设与工况下，所提观测器与基于卡尔曼滤波（Kalman Filter, KF）的变体方法对比，整体均方根误差（Root Mean Square Error, RMSE）达0.105%，对应SOC估算精度近99.9%；与近年文献报道的SOC估算方法相比，平均性能提升82%，证实其所具之优越精度、鲁棒性及实时适用性适于实用EV锂离子BMS。

论文解读：基于改进鲁棒H_∞观测器框架的电动汽车锂离子动力电池荷电状态估算研究

研究背景与意义

电动汽车（Electric Vehicle, EV）中锂离子电池（Lithium-Ion Battery, LIB）的安全高效运行依赖于电池管理系统（Battery Management System, BMS），而荷电状态（State-of-Charge, SOC）是BMS需监测的最关键参数之一，代表电池剩余可用容量。SOC无法直接测量，须由电压、电流、温度等可测信号间接估算。传统无模型方法（如安时积分法/Coulomb Counting依赖初始值且存在累积漂移、开路电压/Open Circuit Voltage, OCV法需长时间静置）与数据驱动方法（如神经网络、支持向量回归等需大量训练数据、泛化性差、缺乏物理可解释性）均存局限。基于等效电路模型（Equivalent Circuit Model, ECM）的观测器类方法（如扩展卡尔曼滤波/Extended Kalman Filter, EKF、无迹卡尔曼滤波/Unscented Kalman Filter, UKF、滑模观测器等）受限于噪声协方差调参依赖或稳定性证明困难。为此，研究人员开展基于H_∞观测器（H_∞Observer）的鲁棒SOC估算框架研究，通过Lyapunov稳定性理论与线性矩阵不等式（Linear Matrix Inequality, LMI）保证闭环稳定性及扰动抑制能力，不依赖噪声统计假设，兼具物理可解释性与低计算量，适合实时BMS应用。该论文发表于《IEEE Access》。

主要关键技术方法

研究人员选用LG HG2 18650 NMC锂离子电池（标称容量3000 mAh，标称电压3.6 V）为样本，在-20 °C至40 °C多温度点下通过混合脉冲功率表征（Hybrid Pulse Power Characterization, HPPC）测试获取欧姆内阻R₀及两阶RC网络参数（R_e, C_e为电化学极化分支；R_p, C_p为浓差极化分支），通过低倍率充放-静置实验获取各温度下SOC-OCV关系并以六次多项式拟合。建立连续域2RC-ECM状态空间模型，状态向量x=[U₁; U₂; SOC]^T，输入u=I_C（放电为正），输出y=U_T，引入过程与测量扰动项ω(t)。设计离散化H_∞观测器，构造Lyapunov函数V(t)=e_x^T(t)P e_x(t)，推导使误差系统渐近稳定且满足‖e_x(t)‖≤γ‖ω(t)‖的LMI条件，求解LMI得正定矩阵P与辅助矩阵X，观测器增益L_H=P^-1X。同模型下同初始条件下实现EKF与UKF作对照，采用UDDS、US06、LA92、HWFET标准驾驶循环电流剖面验证。

研究结果

SECTION II. LIB Modeling and Parameter Identification（锂离子电池建模与参数辨识）

研究人员采用2RC-ECM描述LIB动态，推导状态方程：?OC=-η/Q_n·I_C(t)，ü₁=-U₁/(R_eC_e)+I_C/C_e，ü₂=-U₂/(R_pC_p)+I_C/C_p，端电压U_T(t)=U_OC(SOC)-U₁-U₂-I_CR₀，输出矩阵C含dU_OC/dSOC项。在此基础上加入扰动项建立含扰系统模型，设计H_∞观测器结构??=A x?+Bu+L_H(y-?)，推导误差动态?_x=(A-L_HC)e_x+(E-L_HF)ω，基于Lyapunov理论导出保证H_∞性能指标J_H+V(t)<0的LMI条件（式15），给出增益求解式L_H=P^-1X。同时简述EKF（一阶Taylor展开线性化求Jacobian）与UKF（无迹变换选sigma点传播统计量）原理及固定协方差参数设置（P(0)=10^-8I₃, Q=diag(10^-7,10^-7,10^-7), R=10^-4）以保证公平对比。结论：2RC-ECM结合LMI合成的H_∞观测器可从理论上保证误差系统渐近稳定及指定γ水平扰动衰减。

SECTION III. Experimental Study（实验研究）

通过HPPC脉冲法与SOC-OCV实验完成多温度（-20~-40 °C）下ECM参数辨识，R₀随温降低显著增大，R_e、R_p适度受温影响且随SOC变化，C_e、C_p主要随SOC变化；SOC-OCV曲线用六次多项式拟合。模型校验显示端电压仿真与实测吻合良好，25 °C时RMSE=0.0255 V、MAE=0.0174 V、R²>0.99，-20 °C时RMSE<0.06 V、R²>94%。结论：所辨识2RC-ECM在多温度区间具有足够精度支撑后续观测器验证。

SECTION IV. Results and Discussion（结果与讨论）

SOC跟踪与误差分析表明H_∞观测器在-20 °C与40 °C极端温度下均能紧密跟随库仑计数基准SOC轨迹，EKF与UKF在剧烈电流变化段偏差明显增大。定量评估：零下温区（-20/-10/0 °C）各驾驶循环平均RMSE分别为EKF 0.3787%、UKF 0.3779%、H_∞0.0575%，较KF类平均提升约81.13%；正温区（10/25/40 °C）平均RMSE为EKF 1.2901%、UKF 1.2727%、H_∞0.1598%，平均提升约79.12%。与文献方法对比：UDDS循环10 °C时H_∞RMSE=0.0386%远优于FNN(1.13%)、LSTM(1.04%)、BiLSTM(0.99%)；0 °C时较文献[47]参考方法各工况RMSE降低87~94%。抗初值偏差测试（初始SOC设0.8真值1.0，偏差20%）表明H_∞观测器快速收敛，UDDS/US06/LA92下RMSE分别较EKF/UKF降低约14%/45.5%/36.4%。结论：所提H_∞观测器在全温域与各动态驾驶工况下SOC估算误差显著低于EKF、UKF及已有文献方法，对初值误差亦有更强鲁棒性。

讨论与结论翻译总结

本研究提出并验证了基于LMI合成鲁棒H_∞观测器与2RC-ECM融合的LIB SOC估算框架，具备保证闭环稳定性与明确扰动抑制能力、无需噪声统计假设及协方差调参、保留物理可解释性与低计算开销等特点。经多标准驾驶循环与宽温域(-20 °C~40 °C)实验数据集验证，所提观测器整体RMSE达0.105%（SOC估算精度近99.9%），相较EKF/UKF及近期文献报道的数据驱动与模型方法（FNN、LSTM、BiLSTM等）RMSE最高降低约82%~96%，且在20%初始SOC偏差下仍具快速收敛性。该框架为实车EV BMS提供了一种理论严谨且工程可行的SOC估算方案。未来研究拟纳入电池老化（SOH）因素并实现嵌入式实时部署。