基于EKF滤波的二阶RC电池模型Soc估计仿真研究及实验数据分析（MATLAB仿真实现）

SmkbknJLGX

195人浏览 · 2026-03-05 10:00:00

SmkbknJLGX · 2026-03-05 10:00:00 发布

基于EKF滤波的二阶RC电池模型的Soc估计仿真，附带实验数据（MATLAB仿真）

最近在折腾电池SOC估计的仿真，发现二阶RC模型配合EKF滤波的方案效果还不错。这次用MATLAB整了个仿真demo，实测数据来自某款18650电池的HPPC测试，咱们边撸代码边聊实现细节。

先说说模型结构。二阶RC等效电路在传统Thevenin模型基础上加了两个RC环节，能更好地刻画电池的动态特性。模型方程写成这样：

% 状态方程参数
R0 = 0.02;   % 欧姆内阻
R1 = 0.015;  % 极化电阻1
R2 = 0.01;   % 极化电阻2
C1 = 2400;   % 极化电容1
C2 = 960;    % 极化电容2
tau1 = R1*C1;
tau2 = R2*C2;

状态变量选SOC和两个极化电压，这里有个小技巧——SOC用库仑积分法更新比直接作为状态变量更稳定。不过为了演示EKF，咱们还是按标准流程来：

% 状态空间方程
function [x_k, A] = stateFcn(x, current, dt, Cn)
    soc = x(1);
    V1 = x(2);
    V2 = x(3);
    
    A = [1 0 0;
         0 exp(-dt/tau1) 0;
         0 0 exp(-dt/tau2)];
    
    B = [-dt/(3600*Cn);
         R1*(1-exp(-dt/tau1));
         R2*(1-exp(-dt/tau2))];
    
    x_k = A * x + B * current;
end

注意看B矩阵的构造，这里用指数函数处理RC环节的离散化，比直接前向欧拉法更准。协方差矩阵初始化时建议把SOC的初始不确定性设大点，实测发现这样收敛更快：

P = diag([0.1, 0.01, 0.01]);  % 初始协方差矩阵
Q = diag([1e-6, 1e-7, 1e-7]); % 过程噪声
R = 0.01;                     % 观测噪声

预测和更新步骤是EKF的核心。在MATLAB里实现时注意矩阵维度容易出错，特别是雅可比矩阵的计算：

% 观测方程雅可比
function [H] = measJacobian(x, current, R0)
    H = [ocv_slope(x(1)), -1, -1]; % ocv_slope是OCV-SOC曲线的导数
    
    % 这里藏了个工程经验：实际项目中OCV-SOC曲线需要分段线性化处理
    % 我们这里用查表法实现，具体代码在OCV_SOC_Table.m里
end

跑完仿真得到的结果挺有意思。在5℃低温工况下，SOC估计误差能稳定在1.5%以内（图1）。不过当电流剧烈波动时，估计值会有个0.5%左右的短暂抖动，这跟模型参数辨识精度有关。

基于EKF滤波的二阶RC电池模型的Soc估计仿真，附带实验数据（MATLAB仿真）

!SOC估计曲线对比

从误差分布直方图（图2）来看，误差主要集中在±1%区间，符合BMS的实用需求。但要注意的是，这个结果依赖准确的模型参数，实际应用时得做足参数辨识的工作。

最后给几个踩坑总结：