Battery SOC EKF
AdvancedHet BatterySocEkf-blok implementeert een Extended Kalman Filter (EKF) om de laadtoestand (State of Charge, SOC) van een batterijcel online te schatten op basis van klemspanning- en belastingsstroommetingen. Aan de hand van een equivalent elektrisch circuitmodel met één of twee RC-polarisatietakken compenseert het filter voor de integratiedrift van coulomb-telling en spanningsvertraging door polarisatie, terwijl het gelijktijdig de offset (bias) van de stroomsensor en statistische betrouwbaarheidsgrenzen () schat.
Nullastspanningskarakteristieken (Open-Circuit Voltage, OCV) worden geconfigureerd via een Excel-achtige 2-koloms tabelbewerker (SOC (0–1) en OCV (V)) met een directe live OCV-curveweergave (OCV = f(SOC)), geëvalueerd via lineaire interpolatie of monotone kubische Hermite-splines (smooth). Gemeten celkarakteristieken kunnen rechtstreeks worden geïmporteerd of geëxporteerd via CSV (battery_ocv.csv) of geplakt vanuit Excel (Ctrl+V). Alle 21 parameters zijn overzichtelijk ingedeeld in vier secties: _Initiële toestand & timing_, _Ruiscovarianties (Q & R)_, _Equivalent celmodel_, en _OCV-opzoektabel & solver_.
Wiskundig Model
De continue toestandsdynamica en klemspanningsvergelijking luiden:
Toestandscovariantiematrix-extrapolatie en geïtereerde meetcorrectie volgen de discrete Kalman-recursie:
Ingangen & Uitgangen
| Direction | ID | Label | Type | 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 |
Parameters
| Parameters | Label | Type | Standaard | Beschrijving |
|---|---|---|---|---|
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 |
Gebruiksvoorbeelden
Voorbeeld 1: SOC-initialisatie van een uitgeruste cel
Een uitgeruste lithiumcel met een klemspanning van 3.72 V wordt geïnitialiseerd met een onzekere schatting (). Zodra klemspanningsmetingen binnenkomen, convergeert het EKF binnen 1.5 s naar de werkelijke 30% SOC en daalt van 10% naar onder 1%.
Voorbeeld 2: Dynamische rijcyclus met stroomsensor-bias
Tijdens pulserende ontlaadcycli van een elektrisch voertuig schat het filter zowel de laadtoestand als een DC-stroomoffset van 150 mA op de sensor, wat integratiedrift op de lange termijn voorkomt.
Opmerkingen & Best Practices
- Interactieve OCV-spreadsheet & CSV-import/export: Gebruik 📂 Importeer CSV, 💾 Exporteer CSV (
battery_ocv.csv) of direct plakken vanuit Excel (Ctrl+V) om OCV-SOC-meetreeksen te laden en direct de liveOCV = f(SOC)curve te inspecteren. - Onzekerheidsgrenzen: De
soc_sigma-uitgang levert real-time schattingsfoutgrenzen, waarmee BMS-systemen 95%-betrouwbaarheidsintervallen () kunnen berekenen. - Consistentiebewaking: De genormaliseerde innovatiekwadraten (NIS) bewaken de filtergezondheid, met een theoretisch gemiddelde van 1.0 wanneer ruiscovarianties en overeenstemmen met de werkelijkheid.
- Sensoruitval-resistentie: Een hoog signaal op de optionele
Dropout-ingang pauzeert meetcorrecties, waardoor het filter naadloos overschakelt op coulomb-telling terwijl de toestandscovariantie realistisch toeneemt. - Niet-lineaire robuustheid: Het gebruik van gladde kubische Hermite-interpolatie en meerdere meetiteraties voorkomt numerieke instabiliteit op punten waar de OCV-curve steile hellingen vertoont.
Veelgestelde Vragen van Ingenieurs (FAQ)
Q: Waarom is een Extended Kalman Filter (EKF) superieur aan Coulomb counting voor batterij-SOC?
Coulomb counting () drift onherroepelijk af door sensorbias en parasitaire verliezen. Een EKF combineert stroomintegratie met een vervangingsschema () en corrigeert de toestand continu via de niet-lineaire open-klemspanningscurve , waardoor de SOC-nauwkeurigheid binnen gegarandeerd blijft.
Gerelateerde Componenten
- KalmanFilter: Lineair Kalman-filter voor toestandsschatting in lineaire dynamische systemen.
- LookupTable: Eendimensionale tabelopzoeking voor statische niet-lineaire verbanden.
- RandomNumber: Gaussiaanse ruisbron voor het simuleren van sensor- en procesruis.