一種電池的soc估算方法
【專利摘要】本發(fā)明公開了一種電池的SOC估算方法，結(jié)合電池的荷電狀態(tài)方程建立電池模型，與現(xiàn)有技術(shù)相比，增加了溫度和充放電倍率與荷電狀態(tài)SOC方程模型，最后通過自適應(yīng)卡爾曼濾波算法估算得到電池的SOC。在實際的估算中，結(jié)合溫度和充放電倍率對電池的影響，隨時更新卡爾曼濾波狀態(tài)向量估計值，從而獲取到當(dāng)前狀態(tài)下最新的SOC狀態(tài)值。這樣不僅提高了電池SOC的估算精確度，還擴大了工程的應(yīng)用前景。
【專利說明】-種電池的SOC估算方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電池【技術(shù)領(lǐng)域】，更為具體地講，涉及一種電池的S0C估算方法。

【背景技術(shù)】
[0002] 對于電動汽車來講，動力電池是一種十分普遍的儲能元件，其性能對整車性能起 著決定作用，而動力電池中，以鋰離子電池作為重要儲能介質(zhì)，已在新能源領(lǐng)域得到廣泛的 應(yīng)用。
[0003] 電池荷電狀態(tài)S0C是反映電池狀態(tài)的重要指標(biāo)，針對電池 S0C的估算，國內(nèi)外學(xué)者 提出了安時積分法、卡爾曼濾波法、自適應(yīng)卡爾曼濾波法。安時積分法具有簡單易行，但由 于電流采樣等因素引起的累積誤差逐漸增大，導(dǎo)致S0C估計誤差增大，無法滿足實際工程 中長期使用的要求。卡爾曼濾波法因其具有計算量小、易于實現(xiàn)的特點，從而被廣泛使用。 然而，一般的卡爾曼濾波法將噪聲定為白噪聲，且要求它的統(tǒng)計特性已知，在實際應(yīng)用上很 難滿足這一要求。因此有學(xué)者提出了自適應(yīng)卡爾曼濾波方法，這種方法可以在線估計過程 噪聲和測量噪聲的協(xié)方差矩陣，以提高系統(tǒng)狀態(tài)的估計效果。但現(xiàn)有的自適應(yīng)卡爾曼濾波 算法往往沒有考慮溫度因素和充放電倍率因素，其原因在于，在實驗室的理想條件下，這兩 個因素變化不大，但是在實際工程應(yīng)用中，例如電動汽車能量回饋過程，溫度和充放電倍率 將會對電池的S0C估算精度造成很大的影響。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種電池的S0C估算方法，在結(jié)合 溫度和充放電倍率因素下，通過自適應(yīng)卡爾曼濾波算法得到電池的S0C，這樣提高了電池 S0C的估算精度和工程應(yīng)用前景。
[0005] 為實現(xiàn)上述發(fā)明目的，本發(fā)明一種電池的S0C估算方法，其特征在于，包括以下步 驟：
[0006] (1)、建立電池的荷電狀態(tài)S0C方程

【權(quán)利要求】
1. 一種電池的SOC估算方法，其特征在于，包括以下步驟： (1) 、建立電池的荷電狀態(tài)S0C方程
(S1) 其中，Qn為電池標(biāo)稱容量，單位為Ah處為實際已用電量,單位為Ah,是指電量完全充 滿的電池以實際工作溫度及放電倍率下所放出的電量；η為電池效率系數(shù)，包括溫度影響 系數(shù)riT和充放電倍率系數(shù)Hi，它們之間的關(guān)系為：ri = ?!?/ΓΙτ; (2) 、建立電池模型 (2. 1)、建立電池開路電壓V。。與電池 S0C初始值模型； (2. 2)、建立電池的二階等效模型； (2. 3)、建立充放電倍率η i模型； (2. 4)、建立溫度影響系數(shù)ilT模型； (3) 、根據(jù)建立的電池模型，通過自適應(yīng)卡爾曼濾波算法估算電池的S0C。
2. 根據(jù)權(quán)利要求1所述電池的S0C估算方法，其特征在于，所述步驟（2)中建立電池模 型的方法為： 2. 1)、建立電池開路電壓V。。與電池 S0C初始值模型 2. 1. 1)、建立開路電壓V。。與電池 S0C初始值的線性方程 Voc = DhS0C+dh (S2) 其中，SOC為被測電池的荷電狀態(tài)初始值，Dh和dh均為常數(shù)，隨SOC變化而變化，h = 1，2,…，6 ; 2. 1. 2)、測量電池 S0C初始值與開路電壓V。。的關(guān)系，利用插值法進行分段一階多項式 擬合，建立電池開路電壓V。。與電池 S0C初始值模型 Voc = D^SOC+di (0 ^ SOC ^ 8) Voc = D2*S0C+d2 (8 < SOC 彡 20) Voc = D3*S0C+d3 (20 < SOC 彡 40) (S3) V。。= D4*S0C+d4 (40 < SOC 彡 60) Voc = D5*S0C+d5 (60 < SOC 彡 80) Voc = D6*S0C+d6(80 < SOC 彡 100) 2. 2)、建立電池的二階等效模型 采集被測電池的電池端電壓V(t)和極化電壓，建立被測電池的二階等效模型 V (t) = Voc-Vp ⑴，(t) -Re (t) i (t) (S4) 其中，V。。表示被測電池的開路電壓，Vp⑴為被測電池的二階RC等效電路中第一個RC 環(huán)在當(dāng)前狀態(tài)的極化電壓，'(t)為被測電池的二階RC等效電路中第二個RC環(huán)在當(dāng)前狀態(tài) 的極化電壓，i (t)為被測電池的二階RC等效電路的回路電流，Re(t)為二階RC等效電路中 被測電池的內(nèi)阻； 2. 3)、建立充放電倍率η i模型 利用MATLAB的線性插值法對電池的充放電倍率η 1進行擬合，得到關(guān)于充放電倍率η i 的多項式擬合曲線方程： Hi = Aii^i^i^i+Ag (S5) 其中，Ai?A5均為常數(shù)，i表示以充放電倍率η i放電時，電池電量完全放完所需時間 的倒數(shù)； 2.4)、建立溫度影響系數(shù)1^模型 利用MATLAB的線性插值法對溫度影響系數(shù)η 1進行擬合，得到關(guān)于溫度影響系數(shù)η τ 的多項式擬合曲線方程： n T = b2t4+b1t3+b3t 2+b4t+b5 (S6) 其中，?B5均為常數(shù)，T為電池溫度，單位°C。
3.根據(jù)權(quán)利要求1所述電池的SOC估算方法，其特征在于，所述步驟（3)通過自適應(yīng)卡 爾曼濾波算法估算電池 S0C的方法為： 3.1)、建立電池的非線性化模型 .t = / (X，") + (S7) y = g(x, u)+ v (S8) 其中，i 表示下一狀態(tài)的 x，x=[xa(t) xb(t) xc(t)]T，xa(t)=SOC(t)，xb(t)=V p(t), xc(t) =%(〇 ;Γ是噪聲矩陣，Γ = [0.01 0.01 〇·〇1]τ;ω和v分別表示過程噪聲和測 量噪聲，用以表征電池工作時受到的未知干擾；輸入為電池端電流u = i (t)，輸出為電池端 電壓y = V⑴； 根據(jù)式（S7)和（S8)，可以分別得到f(x，u)和g(x，u):
g (x, u) = Mxa (t) -Xb (t) -Xc (t) -Rei (t) +d ； 其中，M為變量，d為常數(shù)；τ p = RpCp，τ i = RA，τ p代表被測電池的二階RC等效電 路中電容P的充放電時間常數(shù)，h代表被測電池的二階RC等效電路中電容1的充放電時 間常數(shù)，Rp代表被測電池的二階RC等效電路中電阻p的電阻值，單位為歐姆，C p代表被測 電池的二階RC等效電路中電容p的電容值，單位為法拉，&代表被測電池的二階RC等效電 路中電阻1的電阻值，Q代表被測電池的二階RC等效電路中電容1的電容值； 3. 2)、將式（S7)中的f (X，u)和式（S8)中的g (X，u)進行1階Taylor展開，得到：
3. 3)、將式（S7)和（S8)所示的電池非線性模型進行線性化，得到線性化模型 δχ A:Sx + Β:διι + Γ ω ( S1 1 ) δ y = Ct δ x+Dt δ u+ v +d (S12) 式中，矩陣虬8,，(；，0,分別為：
3. 4)、根據(jù)步驟3. 3)，得到電池的線性離散模型 xk+i = Akxk+Bkuk+ Γ ω k (SI3) Yk = Ckxk+Dkuk+ v k+d (SI4) 其中，k = 1，2, ···，K，K表示最大時刻點； 3. 5)、獲取電池的SOC 將k時刻的所有過程噪聲ω,和測量噪聲vk求均值E[c〇k] =qk，E[vk] =rk;將過 程噪聲ω k和測量噪聲v k求方差E [ ω k ω /] = Qk δ w，E [ v k v /] = Rk δ w，且過程噪聲和 測量噪聲互不相關(guān)，即E[c〇kVjT] =〇,其中，ω/和v/分別代表的?和 '的轉(zhuǎn)置，j = 1，2,…，Κ，δ kj是單位沖，當(dāng)k = j時，δ kj為1，當(dāng)k尹j時，δ kj為〇 ;將k時刻的過程噪 聲均值qk和測量噪聲均值rk作為k時刻的過程噪聲ω,和測量噪聲v k，同時代入到式S13 和S14,求出xk+1和yk,再將x k+1和yk連續(xù)化，得到連續(xù)時間下的i和y,然后代入到式S7和 S8,得到當(dāng)前狀態(tài)下的電池 S0C。
4. 根據(jù)權(quán)利要求3所述電池的S0C估算方法，其特征在于，所述的過程噪聲ω,和測量 噪聲vk可以根據(jù)k的不同取值來更新，更新方法為 ： 4. 1)、獲得卡爾曼濾波狀態(tài)向量估計值的估計初始值允和誤差協(xié)方差矩陣Pk的初 始值PQ : i0=五[X。]、P〇 = E[(x0-x0) (χ0-χ0)τ]; 4. 2)、由k-1時刻的狀態(tài)向量估計值和誤差協(xié)方差矩陣Ρη對k時刻的狀態(tài)向量估 計值4:和誤差協(xié)方差矩陣Pk進行時間更新： Xk|k-1 - f (Xk-1，Uk-1) +「Qk-1 (S15) Pk|k-i =AkPk-AT+rQk-ir T (S16) 式中Μη和分別表示k時刻狀態(tài)向量估計值毛和狀態(tài)誤差協(xié)方差矩陣Pk的先 驗估計值； 4. 3)、取卡爾曼增益矩陣Lk為： Lk = (S17) 4. 4)、用k時刻的測量輸出值對狀態(tài)向量估計值毛和誤差協(xié)方差矩陣Pk進行測量更 新： H\k-i+Lkyk (S18) Pk= (I-UQP,,^ (S19) 其中，·^ = Λ - (CV-! + 伽* + d) - U 4. 5)、分別對qk、rk、Qk、Rk進行更新：
式中，G = (ΓΤΓ) Γτ ;
，b為遺忘因子，0〈b〈l ; 4. 6)、根據(jù)步驟4. 5)獲取到qk+1、rk+1、Qk+1、Rk+1，分別代入到步驟3.5)中，獲取到k-l時 刻的過程噪聲ω k+1和測量噪聲v k+1。
【文檔編號】G01R31/36GK104122504SQ201410391246
【公開日】2014年10月29日 申請日期:2014年8月11日 優(yōu)先權(quán)日:2014年8月11日
【發(fā)明者】鄭宏, 劉煦, 葛星 申請人:電子科技大學(xué)