基于在线诊断自适应预测控制的锂电池组SOC测定方法技术

技术编号:17717625 阅读:7 留言:0更新日期:2018-04-17 20:13
本发明专利技术公开了一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,该测得方法首先对锂电池组两端电压,电流及温度采样,再通过对电压,电流信号进行自适应优化处理,确定锂电池的内组和内阻R‑SOC曲线,并将所述SOC反馈给PI模块进行比例调节和积分调节,将该调节结果与锂电池组电压信号一起控制在线自适应优化处理。通过所述测定方法可以提前对电池SOC值进行预判断,并在此基础上进行测量和判断,会提高SOC计算速度,而且通过自适应在线诊断功能,提高了测试的精度。

【技术实现步骤摘要】
基于在线诊断自适应预测控制的锂电池组SOC测定方法
本专利技术涉及一种锂电池的SOC测算方法,具体涉及一种基于在线诊断自适应预测控制的锂电池组SOC测定方法。
技术介绍
SOC的准确估算是HEV能量控制策略的依据,SOC估算与多方面的因素有关,SOC估算算法对SOC的估算精度有重大影响。电池剩余能量相当于传统车的油量。荷电状态(SOC)的估算是了为了让用户及时了解系统运行状况。实时采集充放电电流、电压等参数,并通过相应的算法进行剩余电量的估计。电量计量受到诸多因素的影响,主要有放电电流对电池容量的影响,以及温度电池组循环自放电对容量的影响,都要定量的加以补偿或修正。通常有以下几种影响:(1)放电电流的影响。电流积分法对于工作电流比较稳定的系统,具有较好的估算精度"但是对于电流变化较大的系统,存在着一定的误差,需要一个更好的估算算法。(2)温度的影响不同温度下电池组的容量存在着一定的变化,因此需要在计量过程中考虑到温度的影响,而温度段的选择及校正因素直接影响到电量估算的精度。(3)电池容量衰减的影响电池的电量在循环过程中会逐渐减少,因此对电量的校正条件就需要不断的改变,这也是影响计量精度的一个重要因素。目前常用的方法有:1.安时法,即通过计算放电过程中的电流积分值,计算电池组的初始SOC值,测量SOC的基本方法在实际应用场合,由于不能确定电池组SOC初始值,无法精确获得电池组充电效率和放电倍率,不能保证电池组的充放电电流恒定,同时存在电流积分的累计误差,单独采用该方法SOC估算误差较大。2.开路电压法,通过电池电压与放电时间的关系来估算SOC,但是测量结果受静置时间的影响较大。静置时间过短,电池电压没有完全恢复,不能正确的反映当前电池的开路电压;静置时间过长,自放电效应明显,实际SOC值比预定值偏低,对测量结果造成误差。3.阻抗测量法,通过在电池组两端叠加一个交流信号,测量电池组的电压变化,计算电池组的交流阻抗,以此作为计算SOC的标准。这种方法存在的问题是电池组的交流阻抗只是在电池SOC很低或很高的时候变化率比较大,在SOC处于中间段时变化率很小,如果测量和计算误差会比较大。
技术实现思路
本专利技术要解决的问题是提供一种基于在线诊断自适应预测控制的锂电池组SOC测定方法。一种基于在线诊断自适应预测控制的锂电池组SOC测定方法包括如下步骤:1)对锂电池组的两端电压、充放电电流及电池温度进行采样,得到电池组的电压、充放电电流及温度信号r(k);2)根据测得的电池电压、充放电电流及温度信号,对电池电压,充放电电流进行估算,得到电池经验曲线f(U,I);3)对所述经验曲线f(U,I)进行在线自适应优化,得到优化后的电池电压,电流信号U(k),U(k)=f(U,I)*r(k);4)根据所述U(k),确定锂电池的内组和内阻R-SOC曲线,其中C为电池额定容量;I为电池电流;μ为充放电效率;β为阻抗调整因子,R为电池内阻;5)将所述SOC反馈给PI模块进行比例调节和积分调节,并利用调节结果与锂电池组电压信号一起控制在线自适应优化处理。所述对锂电池组的充放电电流采样时,采样周期为100ms。所述对锂电池组的电池温度采样时,采样周期为30s。所述本专利技术的有益效果如下:1.通过预测控制可以提前对电池SOC值进行预判断,并在此基础上进行测量和判断,会提高SOC计算速度。2.通过自适应在线诊断功能,可以提高测试的精度。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明;图1为本专利技术测定方法装置结构原理图;图2为本专利技术测定方法的方法框图;图3为SOC计算方法结构框图。具体实施方式为更好地理解本专利技术,下面将通过具体的实施例进一步说明本专利技术的方案,本专利技术的保护范围应包括权利要求的全部内容,但不限于此。首先介绍锂电池组模型,由于多电池串联电池组的放电容量由容量最低的单体电池所决定,即电池组的SOC等同于组内单体电池SOC的最小值。N节电池串联的电池组内单体电池的负载电压计算公式如下:V(n)=Voc(n)-iR(n)其中,V(n)为电池组第n节电池Bn的负载电压,VOC(n)为Bn的开路电压,i表示电池组的放电电流,R(n)为Bn的内阻。对串联电池组,所有单体电池放电电流i相同,内阻R(n)相差很小。令单体电池的内阻近似为R,有:Vmin=min(V(1),V(2),……V(N))=min(Voc(1)Voc(2),……Voc(N))-IRVavr是多节单体电池的平均电压值,对单体电池而言开路电压VOC与电池SOC存在单调递增的函数关系h。从而Vmin与电池组中单体电池SOC的最小值存在单调对应关系。Vmin的变化体现了电池组的SOC变化。根据图1和2所示,本专利技术通过单片机对锂电池的组的两端电压,充/放电电流,以及电池温度进行采样,并将采样数据送入单片机进行SOC分析处理,最终输出SOC值。其中,电流测量,温度信号,和开路电压测量采用直接的采样方式,电压值通过差分放大器进行采样,电流值通过霍尔元件采样,温度通过温度传感器采样。当电池工作时,单片机发出指令,对每节电池的端电压进行采样,同时对串联的电池组进行工作电流采样,采样周期为100ms采样一次,并没隔30s对电池温度进行一次采样。将采样得到值在单片机内部进行SOC计算,估计电池电量。SOC计算框图如图3所示。其中r(k)为SOC计算所需要的电池电压参数,电池充放电电流参数,电池温度参数,u(k)为通过在线自适应优化后的SOC输入参数,d(k)为测量时的扰动的输入。v(k)是通过电池数学模型计算出的SOC结果,y(k)为目标SOC输出。在线自适应优化的实现方法如下:根据输入的电池电压,电池充放电的电流及温度信号根据锂电池组模型计算出的经验曲线f(U,I),使得输入的电压电流符合实际,避免由于浮压和尖峰电流引起的误差。通过在线自适应优化后,可以得到优化后的电池电压,电流等信号,其实现在线自适应优化公式为:U(k)=f(U,I)*r(k),其中:f(U,I)为经验曲线,来自于电池预测模型r(k)为包含电池电压U,电池充放电电流I的信号,u(k)为优化后的输出电压U,中间环节输出电流I。通过自适应优化能够对输入的电压电流进行自适应的矫正,防止由于测量误差引起的计算误差。把优化后的电池电压U,电池充放电的电流I,进行计量过程处理,可以得到更准确的SOC值。所述计量过程即是通过优化后的电池电压和电流值,计算出电池的内阻和内阻R—SOC曲线,通过对单位时间内,流入流出电池组的电流进行累积,从而获得电池组每一轮放电能够放出的电子数量,如果充放电起始状态记为SOC0,那么当前状态的SOC为:其中C为电池额定容量;I为电池电流;μ为充放电效率;β为调整因子。计算得到的SOC通过标准的PI模块进入反馈环节。所述PI模块采用标准的PI控制器。用于快速响应SOC的计算值。显然,本专利技术的上述实施例仅仅是为清楚地说明本专利技术所作的举例,而并非是对本专利技术的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本专利技术的技术方案所引伸出的显而易见的变化或变动仍处于本专利技术的保护范围之列。本文档来自技高网
...
基于在线诊断自适应预测控制的锂电池组SOC测定方法

【技术保护点】
一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,其特征在于,该方法包括如下步骤:1)对锂电池组的两端电压、充放电电流及电池温度进行采样,得到锂电池组的电压、充放电电流及温度信号r(k);2)根据测得的锂电池组的电压、充放电电流及温度信号r(k),对电池电压和充放电电流进行估算,得到电池经验曲线f(U,I),

【技术特征摘要】
1.一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,其特征在于,该方法包括如下步骤:1)对锂电池组的两端电压、充放电电流及电池温度进行采样,得到锂电池组的电压、充放电电流及温度信号r(k);2)根据测得的锂电池组的电压、充放电电流及温度信号r(k),对电池电压和充放电电流进行估算,得到电池经验曲线f(U,I),其中,VOC(n)为锂电池组第n节电池的开路电压,n=1,2,…,N,N为锂电池组内电池数量,Vavr是多节单体电池的平均电压值;3)对所述经验曲线f(U,I)进行在线自适应优化,得到优化后的...

【专利技术属性】
技术研发人员:高强张岳
申请(专利权)人:北京九高科技有限公司
类型:发明
国别省市:北京,11

网友询问留言 已有0条评论
  • 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。

1