一種基于動(dòng)態(tài)阻抗校正的電池soc估計(jì)方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電池領(lǐng)域，尤其是一種基于動(dòng)態(tài)阻抗校正的電池soc估計(jì)方法及系統(tǒng)。
【背景技術(shù)】
[0002] 電動(dòng)汽車(chē)，作為汽車(chē)工業(yè)節(jié)能環(huán)保的代表，發(fā)展迅速，而鋰電池則以其能量密度 高、循環(huán)壽命長(zhǎng)、安全性高和自放電率低等優(yōu)良特性成為電動(dòng)汽車(chē)的主要?jiǎng)恿υ?。然而，?電池是一個(gè)包含著復(fù)雜物理與電化學(xué)變化的，強(qiáng)耦合的，高度非線性的系統(tǒng)。且電動(dòng)汽車(chē)的 行駛工況惡劣、干擾嚴(yán)重，如何在復(fù)雜工況下實(shí)現(xiàn)對(duì)動(dòng)力電池荷電狀態(tài)(State of charge， SOC)的估計(jì)，對(duì)延長(zhǎng)電池的壽命、準(zhǔn)確預(yù)測(cè)車(chē)輛的剩余行駛里程、防止過(guò)充過(guò)放以及電動(dòng)汽 車(chē)本身的發(fā)展和推廣具有十分重要的意義。
[0003] 目前，電動(dòng)汽車(chē)中估計(jì)S0C的方法主要包括安時(shí)積分法、開(kāi)路電壓法、神經(jīng)網(wǎng)絡(luò)法、 模糊算法、滑模觀測(cè)器法、卡爾曼濾波算法和粒子濾波算法等。安時(shí)積分法簡(jiǎn)單易行，但是 初始誤差無(wú)法確定，且會(huì)隨著時(shí)間的推移有累積誤差;開(kāi)路電壓法需要將電池長(zhǎng)時(shí)間靜置， 只適合于實(shí)驗(yàn)室使用；神經(jīng)網(wǎng)絡(luò)法需要大量的訓(xùn)練數(shù)據(jù)，且算法結(jié)果與訓(xùn)練方法的關(guān)聯(lián)很 大;模糊算法的主觀因素很強(qiáng)，且同樣需要大量數(shù)據(jù);滑膜觀測(cè)器常伴有輸出震顫的問(wèn)題； 卡爾曼濾波法計(jì)算量適中但對(duì)模型依賴(lài)嚴(yán)重;粒子濾波法精度高但是算法十分復(fù)雜。
[0004] 除了安時(shí)積分法，上述的所有方法都需要通過(guò)模型反饋(包括隱性的模型反饋)的 方式來(lái)對(duì)估計(jì)的S0C進(jìn)行修正，而基于固定參數(shù)的電池模型反饋方法對(duì)電池狀態(tài)進(jìn)行估計(jì)， 在復(fù)雜工況下往往滿(mǎn)足不了精度的要求。

【發(fā)明內(nèi)容】

[0005] 為解決上述技術(shù)問(wèn)題，本發(fā)明的目的在于:提供一種精度高且算法復(fù)雜度低的，基 于動(dòng)態(tài)阻抗校正的電池S0C估計(jì)方法。
[0006] 本發(fā)明的另一目的在于：提供一種精度高且算法復(fù)雜度低的，基于動(dòng)態(tài)阻抗校正 的電池S0C估計(jì)系統(tǒng)。
[0007] 本發(fā)明解決其技術(shù)問(wèn)題所采取的技術(shù)方案是：
[0008] -種基于動(dòng)態(tài)阻抗校正的電池 S0C估計(jì)方法，包括以下步驟：
[0009] S1、獲取電池在不同溫度下開(kāi)路電壓與S0C的數(shù)學(xué)模型；
[001 0] S2、進(jìn)行離線辨識(shí)，得到電池等效電路模型的參數(shù)；
[0011] S3、根據(jù)不同溫度下開(kāi)路電壓與S0C的數(shù)學(xué)模型以及電池等效電路模型的參數(shù)，得 到完整的電池模型及其參數(shù)；
[0012] S4、根據(jù)完整的電池模型及其參數(shù)采用基于模型的電池S0C估計(jì)算法計(jì)算電池的 剩余電量；
[0013] S5、采用動(dòng)態(tài)阻抗校正的方法計(jì)算完整的電池模型的參數(shù)，并實(shí)時(shí)更新完整的電 池模型的參數(shù)以及電池的剩余電量。
[0014]進(jìn)一步，所述步驟S1具體為：
[0015] 通過(guò)離線測(cè)量的方式獲取電池在不同溫度下開(kāi)路電壓與S0C的關(guān)系，從而得到電 池在不同溫度下開(kāi)路電壓與S0C的數(shù)學(xué)模型，所述得到的數(shù)學(xué)模型包括但不限于：
[0016] 〇CV = E〇-k〇/SOC-ki · S0C+k2 · ln(S0C)+k3 · ln(l-SOC),
[0017]其中，OCV是數(shù)學(xué)模型輸出的端電壓，E()、k()、kl、k2與k3均為數(shù)學(xué)模型的參數(shù)。
[0018] 進(jìn)一步，所述步驟S2包括：
[0019] 對(duì)電池進(jìn)行電路表達(dá)，得到電池等效電路模型，所述電池等效電路模型包括但不 限于戴維南等效模型及其變種模型、PNGV等效電路模型及其變種模型、高階阻抗模型及其 變種模型；
[0020] 對(duì)電池等效電路模型進(jìn)行離線辨識(shí)，得到電池等效電路模型的參數(shù)，所述離線辨 識(shí)包括但不限于離線最小二乘法一次辨識(shí)、遞推辨識(shí)、帶有漸消記憶的最小二乘法辨識(shí)和 最小一乘法辨識(shí)。
[0021] 進(jìn)一步，所述完整的電池模型包括用于描述電池靜態(tài)特性的開(kāi)路電壓與S0C的關(guān) 系，以及用于描述電池動(dòng)態(tài)特性的電路拓?fù)浼捌湓?shù)。
[0022]進(jìn)一步，所述基于模型的電池S0C估計(jì)算法包括但不限于擴(kuò)展卡爾曼濾波法、自適 應(yīng)擴(kuò)展卡爾曼濾波法、無(wú)跡卡爾曼濾波法、粒子濾波法、龍伯格觀測(cè)器法、滑膜觀測(cè)器法、比 例-積分觀測(cè)器法。
[0023]進(jìn)一步，所述步驟S5,其包括：
[0024] S51、實(shí)時(shí)檢測(cè)電池的動(dòng)態(tài)阻抗；
[0025] S52、根據(jù)電池的動(dòng)態(tài)阻抗對(duì)完整的電池模型的參數(shù)進(jìn)行校正，并根據(jù)校正的結(jié)果 實(shí)時(shí)更新完整的電池模型的參數(shù)以及電池的剩余電量。
[0026]進(jìn)一步，所述步驟S51具體為：
[0027]實(shí)時(shí)檢測(cè)電流的變化值是否超過(guò)預(yù)設(shè)的閾值，若是，則將相鄰兩次采樣間隔內(nèi)的 電壓差的絕對(duì)值除以相鄰兩次采樣間隔內(nèi)的電流差的絕對(duì)值，并以得到的商作為電池當(dāng)前 時(shí)刻的動(dòng)態(tài)阻抗;反之，則繼續(xù)檢測(cè)電流的變化值。
[0028] 進(jìn)一步，所述步驟S52包括：
[0029] S521、將每次采樣所得到的動(dòng)態(tài)阻抗經(jīng)過(guò)具有低通性質(zhì)的濾波器進(jìn)行處理，得到 一條變化趨勢(shì)平緩的阻抗曲線；
[0030] S522、將得到的阻抗曲線與相應(yīng)的廣義誤差項(xiàng)進(jìn)行相減，得到歐姆內(nèi)阻的估計(jì)值， 所述廣義誤差項(xiàng)用于描述電池模型不完備所帶來(lái)的誤差且為一項(xiàng)需要實(shí)時(shí)更新的參數(shù)或 參數(shù)組；
[0031] S523、計(jì)算當(dāng)前時(shí)刻估計(jì)的歐姆內(nèi)阻與當(dāng)前時(shí)刻檢測(cè)到的動(dòng)態(tài)阻抗的差值，并將 計(jì)算的差值作為動(dòng)態(tài)阻抗校正算法的輸出；
[0032] S524、根據(jù)所選定的電池等效電路模型，理論推導(dǎo)歐姆內(nèi)阻與當(dāng)前檢測(cè)到的動(dòng)態(tài) 阻抗差值的表達(dá)式；
[0033] S525、分解理論推導(dǎo)出的表達(dá)式，從而將含有完整的電池模型參數(shù)的獨(dú)立分量和 廣義誤差設(shè)置為動(dòng)態(tài)阻抗校正算法的狀態(tài)，將其余不含有完整的電池模型參數(shù)的分量設(shè)置 為動(dòng)態(tài)阻抗校正算法的輸入；
[0034] S526、將動(dòng)態(tài)阻抗校正算法的輸入、狀態(tài)和輸出構(gòu)建成為狀態(tài)空間方程，然后利用 觀測(cè)器算法對(duì)狀態(tài)進(jìn)行實(shí)時(shí)更新，得到完整的電池模型更新后的參數(shù)，其中，狀態(tài)空間方程 中狀態(tài)的初始值獲取方法包括但不限于試湊法和查表法;廣義誤差的初始值獲取方法包括 但不限于經(jīng)驗(yàn)法、試湊法、整定法和預(yù)實(shí)驗(yàn)法;狀態(tài)觀測(cè)器算法包括但不限于龍伯格觀測(cè)器 算法、卡爾曼濾波器算法及其變種算法、粒子濾波器算法及其變種算法、比例-積分觀測(cè)器 算法及其變種算法；
[0035] S527、根據(jù)完整的電池模型更新后的參數(shù)采用基于模型的電池S0C估計(jì)算法計(jì)算 更新后電池的剩余電量。
[0036] 進(jìn)一步，所述具有低通性質(zhì)的濾波器包括但不限于普通的低通濾波器、卡爾曼濾 波器和切比雪夫?yàn)V波器，若選用普通的低通濾波器，則廣義誤差項(xiàng)ε的表達(dá)式為：
[0038]其中，1?。,"和心,η分別代表第η次采樣時(shí)檢測(cè)到的動(dòng)態(tài)阻抗以及第η次采樣后被更新 的歐姆內(nèi)阻，η為正整數(shù)，α是低通濾波器的截止頻率系數(shù)。
[0039]本發(fā)明解決其技術(shù)問(wèn)題所采取的另一技術(shù)方案是：
[0040] 一種基于動(dòng)態(tài)阻抗校正的電池S0C估計(jì)系統(tǒng)，包括以下模塊：
[0041] 數(shù)學(xué)模型獲取模塊，用于獲取電池在不同溫度下開(kāi)路電壓與S0C的數(shù)學(xué)模型；
[0042] 離線辨識(shí)模塊，用于進(jìn)行離線辨識(shí)，得到電池等效電路模型的參數(shù)；
[0043]電池模型確立模塊，用于根據(jù)不同溫度下開(kāi)路電壓與S0C的數(shù)學(xué)模型以及電池等 效電路模型的參數(shù)，得到完整的電池模型及其參數(shù)；
[0044] S0C估計(jì)模塊，用于根據(jù)完整的電池模型及其參數(shù)采用基于模型的電池S0C估計(jì)算 法計(jì)算電池的剩余電量；
[0045]動(dòng)態(tài)阻抗校正更新模塊，用于采用動(dòng)態(tài)阻抗校正的方法計(jì)算完整的電池模型的參 數(shù)，并實(shí)時(shí)更新完整的電池模型的參數(shù)以及電池的剩余電量；
[0046]所述數(shù)學(xué)模型獲取模塊的輸出端依次通過(guò)離線辨識(shí)模塊、電池模型確立模塊和 S0C估計(jì)模塊進(jìn)而與動(dòng)態(tài)阻抗校正更新模塊的輸入端連接。
[0047]本發(fā)明的方法的有益效果是:采用動(dòng)態(tài)阻抗校正的方法計(jì)算電池模型的參數(shù)，并 實(shí)時(shí)更新電池模型的參數(shù)以及電池的剩余電量，將電池使用過(guò)