Battery SOC EKF
AdvancedEl bloque BatterySocEkf implementa un filtro de Kalman extendido (EKF) para estimar el estado de carga (State of Charge, SOC) de una celda de batería a partir de las mediciones de tensión en bornes y corriente de carga. Empleando un circuito equivalente con una o dos ramas RC de polarización, corrige la deriva por integración del conteo de culombios y el retardo por polarización electroquímica, al tiempo que estima el desvío (bias) del sensor de corriente y los límites de incertidumbre estadística ().
La curva de tensión en circuito abierto (Open-Circuit Voltage, OCV) se define en un editor interactivo tipo hoja de cálculo de 2 columnas (SOC (0–1) y OCV (V)) con una vista previa gráfica en vivo (OCV = f(SOC)), calculada mediante interpolación lineal o splines cúbicos monótonos de Hermite (smooth). Las curvas de hojas de datos pueden importarse y exportarse directamente vía CSV (battery_ocv.csv) o pegarse desde Excel (Ctrl+V). Sus 21 parámetros se organizan en cuatro secciones lógicas: _Estado inicial y muestreo_, _Covarianzas de ruido (Q y R)_, _Modelo de circuito equivalente_ y _Tabla OCV y solucionador_.
Modelo Matemático
La dinámica de estados en tiempo continuo y la ecuación de tensión en bornes son:
La extrapolación de covarianza de estados y la corrección de medida iterada siguen la recursión discreta de Kalman:
Entradas y Salidas
| Direction | ID | Label | Tipo | Status |
|---|---|---|---|---|
| → In | in1 |
I | number | Required |
| → In | in2 |
V | number | Required |
| → In | in3 |
Reset | number | Optional |
| → In | in4 |
Dropout | number | Optional |
| ← Out | soc_hat |
SOC | number | Output |
| ← Out | soc_sigma |
σ SOC | number | Output |
| ← Out | v1_hat |
V₁ | number | Output |
| ← Out | v2_hat |
V₂ | number | Output |
| ← Out | bias_hat |
I bias | number | Output |
| ← Out | voc_hat |
OCV | number | Output |
| ← Out | jacobian |
dOCV/dSOC | number | Output |
| ← Out | k_gain_0 |
K_SOC | number | Output |
| ← Out | innovation |
Innov. | number | Output |
| ← Out | innovation_cov |
S | number | Output |
| ← Out | nis |
NIS | number | Output |
Parámetros
| Parámetros | Label | Tipo | Por defecto | Descripción |
|---|---|---|---|---|
sampleTime |
Sample Time | number | 1 |
Filter period in seconds |
socInit |
Initial SOC Estimate | number | 0.5 |
Fraction 0…1 |
v1Init |
Initial V1 Estimate | number | 0 |
|
pSoc |
Initial SOC Variance | number | 0.01 |
How unsure the initial SOC is; 0.01 is σ = 10 % SOC |
pV1 |
Initial RC Voltage Variance | number | 0.000001 |
Per RC branch; small, since a rested cell has V1 ≈ V2 ≈ 0 |
pBias |
Initial Bias Variance | number | 0 |
How unsure the current sensor's offset is; 0 leaves the offset out of the model, 0.01 is σ = 0.1 A |
qSoc |
Process Noise SOC | number | 1e-8 |
Noise density per second, so the filter does not change with the sample time |
qV1 |
Process Noise RC Voltage | number | 0.000001 |
Noise density per second, per RC branch |
qBias |
Process Noise Bias | number | 0 |
How fast the sensor offset may drift, as a density per second; 0 for a constant offset |
rMeas |
Measurement Noise | number | 0.0001 |
Variance of the voltage measurement in V² |
r0 |
R0 (Ω) | number | 0.05 |
Ohmic resistance |
r1 |
R1 (Ω) | number | 0.02 |
Polarisation resistance of the fast branch |
c1 |
C1 (F) | number | 1000 |
Polarisation capacitance of the fast branch |
r2 |
R2 (Ω) | number | 0 |
Resistance of a second, slow RC branch; 0 leaves the branch out |
c2 |
C2 (F) | number | 30000 |
Capacitance of the second RC branch |
capacity |
Capacity (Ah) | number | 3.2 |
|
chargeEfficiency |
Charge Efficiency | number | 1 |
Coulombic efficiency while charging (current < 0); Li-ion cells are typically 0.99–0.999 |
ocvSoc |
OCV Table SOC | table | 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 |
SOC breakpoints, ascending |
ocvVoltage |
OCV Table Voltage | text | 3.00 3.50 3.65 3.72 3.78 3.84 3.90 3.97 4.05 4.14 4.20 |
Open-circuit voltage at each breakpoint in V |
ocvInterpolation |
OCV Interpolation | select | linear |
Linear matches a LookupTable exactly; Smooth (monotone cubic) has no slope jumps at the breakpoints, which steadies the filter's gain |
iterations |
Update Iterations | number | 1 |
1 is the classic EKF; 3 relinearises at the corrected estimate (iterated EKF), which helps where the OCV curve bends sharply |
Ejemplos de Uso
Ejemplo 1: Inicialización del SOC en celda en reposo
Una celda de litio en reposo a 3.72 V se inicializa con una estimación incierta (). Al ingresar mediciones de tensión, el EKF converge al valor real de 30% de SOC en menos de 1.5 s, reduciendo del 10% a menos del 1%.
Ejemplo 2: Ciclo de conducción dinámico con deriva de sensor de corriente
Durante descargas pulsadas de un vehículo eléctrico, el filtro estima el estado de carga y un desvío constante de 150 mA en el sensor de corriente, impidiendo la divergencia del conteo de culombios.
Observaciones y Buenas Prácticas
- Hoja de cálculo OCV interactiva e importación/exportación CSV: Emplee 📂 Importar CSV, 💾 Exportar CSV (
battery_ocv.csv) o pegado directo (Ctrl+Vdesde Excel) para cargar mediciones y revisar la curva dinámicaOCV = f(SOC). - Intervalos de incertidumbre: La salida
soc_sigmacalcula en tiempo real la desviación estándar del error, permitiendo al sistema BMS determinar intervalos de confianza al 95% (). - Supervisión de consistencia: La innovación cuadrática normalizada (NIS) audita el ajuste del filtro, con una media teórica de 1.0 si las matrices de ruido y reflejan el entorno real.
- Tolerancia a pérdida de sensores: La activación de la entrada opcional
Dropoutdetiene las correcciones por tensión, recurriendo de forma segura al conteo de culombios con aumento proporcional de la covarianza. - Robustez no lineal: La interpolación mediante splines cúbicos suaves y las iteraciones locales evitan saltos de covarianza en pendientes acusadas de la curva OCV.
Preguntas Frecuentes (FAQ)
Q: Why is an Extended Kalman Filter (EKF) superior to Coulomb counting for battery SOC?
Pure Coulomb counting () irreversibly drifts due to current sensor offsets and unmodeled parasitic reactions. An EKF pairs the Coulomb counting integrator with an Equivalent Circuit Model (ECM, ) and corrects the state estimate at each step using the nonlinear open-circuit voltage relationship . This bounds SOC estimation error within across temperature shifts and aging.
Bloques Relacionados
- KalmanFilter: Filtro de Kalman lineal para estimación de estados en sistemas dinámicos lineales.
- LookupTable: Tabla de búsqueda unidimensional para modelar no linealidades estáticas.
- RandomNumber: Generador de ruido gaussiano para simular perturbaciones de sensores y proceso.