【技术实现步骤摘要】
本专利技术属于电池
,具体涉及到一种动力电池内部状态的实时估计方法,具体涉及到在保证电池荷电状态实时估计准确的前提下,实现电池实际容量以及内阻参数的实时估计。
技术介绍
电池管理系统是保障电动汽车安全、稳定行驶的重要组成部分,而电池的荷电状态(StateofCharge,以下简称SOC)估计是电池管理系统的核心,也是实现电池充放电管理,负载均衡的基础。然而电池的高度非线性导致其SOC容易受到多种因素的影响,使得准确估计SOC变得十分困难。电池的健康状态(StateofHealth,以下简称SOH)是电动汽车的电池管理系统中重要的性能指标之一。SOH反映了电池在使用过程中的老化过程,也就是电池的寿命。针对SOH的精确估计有助于保证电池性能,避免因电池衰老影响车体的正常运行。目前常见的针对SOH的研究一般是指结合了SOC估计的联合估计算法,考虑电池管理系统的实际需求,在保证SOC估计精度的前提下,实现SOH相应参数的实时估计。学术界针对SOH定义的指标主要包括电池的实际容量和内阻,这两个指标在电池的使用过程中,会随着电池的老化而发生大的改变。随着电池使用次数的增多,电池实际的可释放电量不断减小,进而影响电池的工作时长。当实际容量和额定容量之比小于某个阈值时,也就标志着电池的报废。同时由于电池内部复杂的化学反应,其内阻不断上升,造成电池电压随电流的波动剧烈,影响电池的稳定性。传统意义上单独的SOC估计算法开路电压法、安时积分法以及扩展卡尔曼滤波法等。这些算法有些需要长期静置后估计结果,不具备实时性,有些在恶劣环境下容易积累噪声的误差以及采样精度带来的误差 ...
【技术保护点】
一种动力电池荷电状态与健康状态的联合估计方法,该方法包括以下步骤:步骤1:建立虚拟电池模型,设k时刻系统内部状态为包括k时刻的电池电池荷电状态SOC,以及k时刻第一个RC并联环节的分压以及k时刻第二个RC并联环节的分压则k+1时刻的系统内部状态可以通过方程获取其中uk表示系统的输入电流I,同时系统在k时刻的理论输出电压yk满足其中Δt为采样周期,R1,R2表示模型中电阻参数,C1,C2表示模型中电容参数,电阻参数和电容参数都根据事情情况设定,OCV(SOC)表示电池开路电压与电池荷电状态之间的非线性关系,η表示充电效率,OCV表示电池开路电压,R0表示电池的;设置电池容量Cap及欧姆内阻R0为固定值,电池容量Cap值为初始电池容量Cap0的70~80%;步骤2:建立实际电池模型,实际电池模型的组成与虚拟电池模型一致,设置实际电池模型的容量与欧姆内阻随时间变化,设置γk=(Capk R0,k)为k时刻的相应参数,Capk表示系统在k时刻的实际容量,R0,k表示系统在k时刻的欧姆内阻,初始参数γ0通过电池充放电实验获取;步骤3:获取电池两端电压V、电池电流I、电池温度T;步骤4:将电池电流 ...
【技术特征摘要】
1.一种动力电池荷电状态与健康状态的联合估计方法,该方法包括以下步骤:步骤1:建立虚拟电池模型,设k时刻系统内部状态为包括k时刻的电池电池荷电状态SOC,以及k时刻第一个RC并联环节的分压以及k时刻第二个RC并联环节的分压则k+1时刻的系统内部状态可以通过方程获取其中uk表示系统的输入电流I,同时系统在k时刻的理论输出电压yk满足其中Δt为采样周期,R1,R2表示模型中电阻参数,C1,C2表示模型中电容参数,电阻参数和电容参数都根据事情情况设定,OCV(SOC)表示电池开路电压与电池荷电状态之间的非线性关系,η表示充电效率,OCV表示电池开路电压,R0表示电池的;设置电池容量Cap及欧姆内阻R0为固定值,电池容量Cap值为初始电池容量Cap0的70~80%;步骤2:建立实际电池模型,实际电池模型的组成与虚拟电池模型一致,设置实际电池模型的容量与欧姆内阻随时间变化,设置γk=(CapkR0,k)为k时刻的相应参数,Capk表示系统在k时刻的实际容量,R0,k表示系统在k时刻的欧姆内阻,初始参数γ0通过电池充放电实验获取;步骤3:获取电池两端电压V、电池电流I、电池温度T;步骤4:将电池电流I输入虚拟电池模型,通过库仑积分计算第一荷电状态值SOC1;将I、V、T输入到虚拟电池模型对应的H∞滤波算法,计算第二荷电状态值SOC2,两次荷电状态值求差,计算获得偏置电流噪声,从电池电流I中去除偏置噪声,获得滤波后的电流值I′;步骤5:将I′、V、T,输入实际电池模型,利用H∞滤波获得电池第三荷电状态值SOC3,并记录;步骤6:将I′、V、T,输入实际电池模型,使用Kalman滤波获得电池的健康状态,该健康状态采用电池随时间变化的容量及欧姆内阻参数γk=(CapkR0,k),使用γk更新实际电池模型,作为下一个采样周期荷电状态值、电池的健康状态估计的基准模型。2.如权利要求1所述的一种动力电池荷电状态与健康状态的联合估计方法,其特征在于所述步骤4的具体步骤:步骤4.1:通过库仑积分计算第一荷电状态值SOC1,k=SOC1,k-1+IΔt,其中SOC1,k即为k时刻的第一荷电状态值,从k-1时刻的SOC1,k-1递推而来,0时刻的初始SOC1通过用户设定得到,Δt为采样周期;步骤4.2:计算第二荷电状态值SOC2,具体过程中需要维护任意k时刻电池内部状态变量其内部状态如步骤1所述,包括电池SOC,以及两个RC并联环节的分压,内部状态变量的初始值视电池实际状态设置,并设置算法过程噪声权值Q,输出噪声权值V,算法估计误差上界θ,以及初始状态估计误差权重P0,这一权重矩阵将在算法运行过程中递推更新,在k时刻表示为Pk,同时根据虚拟电池模型,建立转移矩阵输入矩阵设任意k时刻输入H∞滤波的电流值I为uk,电压值V为yk,η为充电效率、在k时刻执行以下步骤:步骤4.2.1:输出当前时刻的SOC估计值其中M=(100),即为步骤4.2中明确表明需要维护的电池内部状态变量;步骤4.2.2:对OCV-SOC关系求导获得输出矩阵其中电池开路电压的取值和电池荷电状态SOC呈非线性固定关系,这一关系采用函数形式OCV(SOC)表示;步骤4.2.3:设置矩阵J为单位矩阵,Q为算法过程噪声权值,Pk为在算法运行过程中不断递推更新的初始状态估计误差权重P0,在k时刻表示为Pk,表示输出矩阵的转置,V表示输出噪声权值;步骤4.2.4:求解控制增益Pk为在算法运行过程中不断递推更新的初始状态估计误差权重P0,在k时刻表示为Pk,Lk表示步骤4.2.3中计算出的矩阵表示输出矩阵的转置,V表示输出噪声权值;步骤4.2.5:预测k+1时刻的系统状态,其中方程满足所有符号含义均在上文步骤中得到解释,表示k+1时刻系统内部状态A表示转移矩阵B表示输入矩阵表示控制增益Pk为在算法运行过程中不断递推更新的初始状态估计误差权重P0,在k时刻表示为Pk,Lk表示步骤4.2.3中计算出的矩阵表示输出矩阵的转置,V表示输出噪声权值;步骤4.2.6:输出步骤4.2.1中得到的其中M=(100),即为步骤4...
【专利技术属性】
技术研发人员:冯代伟,黄大贵,陈岳航,葛森,吴献钢,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。