基于Simulink的锂离子电池SOC估算与EKF仿真系统

资 源 简 介

本项目利用MATLAB和Simulink环境开发一套完整的锂离子电池荷电状态（SOC）估算系统，旨在为电池管理系统（BMS）的算法开发提供理论验证与仿真平台。项目核心功能首先是构建高保真的电池等效电路模型（通常采用Thevenin一阶或二阶RC模型），通过脉冲放电测试数据辨识电池内部参数（内阻、极化电容等），并建立这些参数与SOC及温度的非线性映射关系。在此基础上，系统实现了两种主流的SOC估算策略：一是基于开路电压（OCV）修正的安时积分法，用于基础的电量计量；二是开发基于扩展卡尔曼滤波（EKF）的闭环估算算法，该算法通过实时比较电流激励下的模型预测电压与实际测量电压的差值，利用卡尔曼增益动态修正SOC状态变量，从而有效抑制电流传感器漂移和初始值错误导致的累积误差。仿真环境支持导入标准动态工况数据（如UDDS、DST或NEDC工况）作为负载输入，能够实时监测并可视化电池在复杂充放电过程中的电压响应和SOC收敛过程，最终输出估算精度报告，验证算法在不同工况下的鲁棒性和准确性。

详 情 说 明

基于Simulink风格的锂离子电池SOC估算与动态仿真系统

项目简介

本项目是一个基于MATLAB脚本开发的锂离子电池荷电状态（State of Charge, SOC）估算与仿真平台。该系统完整复现了电池管理系统（BMS）中核心算法的运行环境，采用高保真Thevenin一阶RC等效电路模型模拟电池的非线性动态特性。

项目的主要目的是通过对比“安时积分法”与“扩展卡尔曼滤波（EKF）算法”在动态工况下的表现，验证闭环估算算法在抑制初始误差和传感器噪声方面的鲁棒性。整个仿真过程包含工况生成、被控对象建模、信号加噪、算法执行及结果可视化，完全在一个MATLAB脚本中实现闭环验证。

功能特性

• 高保真电池建模：基于Thevenin一阶RC模型，模拟电池的欧姆内阻、极化内阻及极化电容随SOC变化的非线性特性。
• 双重SOC估算策略：

* 开环估算：基于安时积分法（Ah Counting），模拟传统电量计功能。 * 闭环估算：基于扩展卡尔曼滤波（EKF），利用电压反馈实时修正SOC，具有极强的收敛能力。

• 动态工况模拟：内置合成工况生成器，包含正弦波动、随机游走及大电流充放电脉冲，模拟急加速、制动能量回收及匀速行驶场景。
• 噪声干扰模拟：在仿真回路中分别对电流测量（输入）和电压测量（观测）注入高斯白噪声，以测试算法在非理想传感器条件下的性能。
• 自动化误差分析：自动计算并输出两种算法的均方根误差（RMSE），并生成收敛过程对比图。

系统要求

• MATLAB R2016b 或更高版本
• 无需额外工具箱（代码仅依赖基础MATLAB函数）

使用方法

1. 下载本项目代码。
2. 在MATLAB中打开主脚本文件。
3. 点击“运行”（Run）。
4. 控制台将实时显示仿真进度及最终的RMSE误差统计。
5. 运行结束后，系统将自动弹出三张图表，分别展示工况电压响应、SOC估算曲线及EKF收敛误差分析。

技术实现细节

本项目在一个主函数中通过离散化迭代实现了完整的仿真闭环，主要包含以下五个核心模块：

1. 系统参数与初始化

系统定义了总仿真时间（1000秒）和采样步长（0.1秒）。设定电池容量为2Ah，并分别初始化了真实系统状态（SOC=80%）和估算算法初始状态（SOC=50%）。这种初始偏差的设置旨在直观展示EKF算法自动修正错误初值的能力。此外，在此阶段定义了卡尔曼滤波所需的协方差矩阵（P, Q, R）。

2. 动态工况生成

代码中包含一个专门的工况生成函数，用于产生随时间变化的电流负载。该剖面混合了基础正弦负载、随机积分（模仿随机驾驶行为）以及随机触发的大幅值充放电脉冲，确保测试工况覆盖了电池模型在不同倍率下的动态响应。

3. 被控对象仿真（虚拟电池）

在仿真循环中，代码构建了一个“真实”的电池对象：

• 非线性参数查询：实时根据当前的真实SOC，调用参数映射函数获取对应的内阻（R0, R1）和电容（C1）。
• 状态更新：利用离散化的状态方程更新真实SOC和极化电压（U_c1）。
• 输出计算：根据开路电压（OCV）、负载电流和极化电压计算端电压，并叠加高斯白噪声生成“测量电压”，模拟传感器采集过程。

4. BMS算法实现

系统并行运行两种估算算法：

• 安时积分法：仅依靠电流积分计算SOC。由于初始值被故意设错（设为0.5而实际为0.8），该方法的估算结果将始终保留初始偏差，且会随电流噪声积累漂移。
• 扩展卡尔曼滤波（EKF）：

* 预测阶段：基于安时积分和RC模型方程，利用测量电流预测下一时刻的SOC和极化电压，同时更新状态协方差矩阵P。 * 更新阶段：计算模型预测电压，将其与实际测量电压进行比对得到“残差”。系统利用由雅可比矩阵计算出的卡尔曼增益（K），将残差加权反馈到状态变量中，从而修正SOC和极化电压。

5. 辅助函数库

代码尾部集成了所有必要的物理模型描述函数：

• 电池参数映射：描述R0, R1, C1随SOC变化的数学模型，模拟低SOC下内阻增加的特性。
• OCV曲线拟合：使用6阶多项式拟合典型的NMC锂电池开路电压曲线。
• 雅可比矩阵计算：对OCV多项式求导，为EKF提供电压对SOC的偏导数，确保线性化过程的准确性。

如果结果分析

仿真运行后，系统将展示以下可视化的分析结果：

• 电压响应图：展示真实电压、含噪声测量电压与EKF预测电压的拟合程度，验证模型的精度。
• SOC估算对比图：直观展示真实SOC轨迹。可以看到安时积分法与真实值保持恒定偏差（平行线），而EKF算法在仿真开始后迅速从错误的初始值（0.5）收敛至真实值（0.8）附近。
• 误差收敛分析图：绘制EKF的实时误差曲线与理论不确定性边界（基于P矩阵计算的标准差），用于验证滤波器参数（Q, R）设置的合理性。

获取代码

核心逻辑均包含在单一的 main.m 脚本中，涵盖了从模型定义到算法解算的全过程。