基于隐马尔可夫模型的锂离子电池剩余容量估计方法技术

本发明专利技术提供一种基于隐马尔可夫模型的锂离子电池剩余容量估计方法，包括步骤：1：通过观测数据建立HMM任意两个状态间的转移概率和开路电压的观察概率；2：对电池新个体作初始化，确定其最大容量；令k＝N-1，QP＝0，k为电池的松弛状态标号，N为HMM状态的总个数，QP为电池从一个松弛状态转到另一松弛状态期间流入和流出电池的电量净值；3：电池作充电或放电，对其剩余容量作实时估计；4：判断电池是否已进入一新的松弛状态；若为否，返回步骤3；若为是，转到步骤5；5：确定电池所处的HMM新的松弛状态标号；7：更新剩余容量；8：令QP＝0，k＝q，q为新的松弛状态标号；然后返回步骤3，作新的充电或放电过程。本发明专利技术使锂电池的剩余容量估计达到较高精度。

【技术实现步骤摘要】

本专利技术涉及锂离子电池管理系统和剩余容量估计
，具体来说，本专利技术涉 及一种。
技术介绍
随着移动电子设备、电动汽车等产品的迅猛发展，锂离子电池（以下简称锂电池） 正得到越来越广泛的应用。在锂电池的实际应用中，需要对电池剩余容量进行实时的估计， 以确保以锂电池作为电源的设备或产品系统进行正常的工作。然而，在目前的锂电池管理 系统中，对电池剩余容量的估计仍然是一个未能得到很好解决的问题。这是由于锂电池在 实际工作过程中荷电状态（state of Charge，简称SOC)易受放电速率、自身温度、自放电、 老化等多重因素的影响而发生变化。因此，对锂电池SOC和剩余容量进行实时的和准确的 估计是困难的。 目前，锂电池剩余容量估计方法主要有库仑积分法、开路电压与库仑积分结合法、 阻抗跟踪法等。库仑积分法的原理是通过对电流的实时测量，对流入或流出的电量进行统 计。该方法原理简单，实现方便。但在电流测量存在偏置误差的情况下，基于库仑积分法的 剩余容量估计存在一个随时间增长的累积误差。而开路电压与库仑积分结合法一般是指在 库仑积分法的基础上，利用开路电压（Open Circuit Voltage，简称0CV)与SOC之间的关 系，在电池处于松弛状态（电流为零或接近于零）时对电池SOC和剩余容量进行校正。这种 方法是对单纯的电流积分法的改进，性能比电流积分法更好。但在这种方法中，OCV与SOC 的关系被通过表格或线性分段模型固定下来，而没有考虑特定SOC下OCV实际上是一个符 合某种概率分布的随机变量，从而使得通过OCV求得的SOC可能存在较大误差。阻抗跟踪 法也利用了库仑积分和OCV与SOC之间的关系，但其核心思想是实时跟踪电池内部的阻抗 变化，并借此对电池输出电压的变化趋势进行预测，最终达到对剩余容量进行估计的目的。 这种方法的问题在于对锂电池阻抗进行精确的建模和预测是困难的，而不准确的阻抗模型 将导致剩余容量估计的误差较大。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于隐马尔可夫模型的新的锂离子电池 剩余容量估计方法，能够使剩余容量估计达到较高的精度。 为解决上述技术问题，本专利技术提供一种基于隐马尔可夫模型的锂离子电池剩余容 量估计方法，包括： 步骤1 :通过尽可能多的观测数据，建立隐马尔可夫模型的任意两个状态之间的 转移概率和开路电压的观察概率； 步骤2 :对所述电池的新个体进行初始化，确定所述电池的最大容量；令k = N-1， QP = 0, k为所述电池的松弛状态标号，N为隐马尔可夫模型的状态的总个数，QP为所述电 池从一个松弛状态转到另一个松弛状态期间流入和流出所述电池的电量的净值； 步骤3 :所述电池进行充电或者放电，对其剩余容量进行实时估计； 步骤4 :判断所述电池是否已进入一新的松弛状态；如结果为"否"，则返回上述步 骤3 ;如结果为"是"，则转到下述步骤5 ; 步骤5 :确定所述电池所处的隐马尔可夫模型的新的松弛状态标号； 步骤7 :更新所述剩余容量； 步骤8 :令QP = 0, k = q，q为所述电池的新的松弛状态标号；然后返回上述步骤 3，进行新的充电或者放电过程。 可选地，在上述步骤2中，通过将所述电池从起始"放空"状态充电至"满充"状态， 确定所述电池的最大容量。 可选地，在上述步骤3中，按照传统的库仑积分法对所述电池的剩余容量进行实 时估计。 可选地，在上述步骤5中，所述电池所处的隐马尔可夫模型的新的松弛状态标号 是由下式确定的： q = argmax 其中，q为新的松弛状态标号，aki(r)为隐马尔可夫模型的任意两个状态之间的转 移概率，b i;T(0CV)为开路电压的观察概率。 可选地，在上述步骤5和上述步骤7之间还包括： 步骤6 :对所述电池的所述最大容量进行校正。 与现有技术相比，本专利技术具有以下优点： 本专利技术提出的锂电池剩余容量估计方法采用隐马尔可夫模型（HMM)这种新的统 计模型对锂电池的特性进行建模，将较多的锂电池先验知识用于其剩余容量估计中。相对 现有技术，该方法能够显著地提高锂电池剩余容量估计的准确度。【附图说明】 本专利技术的上述的以及其他的特征、性质和优势将通过下面结合附图和实施例的描 述而变得更加明显，其中： 图1为本专利技术一个实施例的基于隐马尔可夫模型的锂离子电池剩余容量估计方 法中的某一松弛状态k与其它松弛状态之间的概率关系图； 图2为本专利技术一个实施例的基于隐马尔可夫模型的锂离子电池剩余容量估计方 法的流程图。【具体实施方式】 众所周知，锂电池是一个复杂的电化学系统，在不同工况下有多种不同的工作状 态。而锂电池的特性参数也往往具有一定的发散性。即使同一型号的锂电池，不同个体在 相同工况下的特性参数也会有差异。因此，采用统计模型对锂电池进行建模是合理的。隐 马尔可夫模型（Hidden Markov Model，简称HMM)作为一种经典的统计模型，对复杂随机过 程具有很强的建模能力，适合用于对锂电池行为和特性进行建模。本专利技术提出了一种基于 HMM的新的锂电池剩余容量估计方法。对于某一特定型号的锂电池，这种方法首先需要根据 大量测试数据进行离线建模（计算HMM参数）。当建模完成后锂电池进入正常工作时，即可 采用HMM对锂电池剩余容量进行估计。由于通过HMM可以较多地利用锂电池的先验知识， 这种方法能够使剩余容量估计达到较高的精度。 下面结合具体实施例和附图对本专利技术作进一步说明，在以下的描述中阐述了更多 的细节以便于充分理解本专利技术，但是本专利技术显然能够以多种不同于此描述的其它方式来实 施，本领域技术人员可以在不违背本专利技术内涵的情况下根据实际应用情况作类似推广、演 绎，因此不应以此具体实施例的内容限制本专利技术的保护范围。 锂电池的HMM建立过程如下。首先选定锂电池各个具有不同SOC数值的松弛状态 为HMM的状态。由此，锂电池的工作过程可被视为相应的HMM在各个不同状态之间不断转移 的过程。设HMM状态的个数为N，各状态标号分别为0，1，2，···，N-I。可取N等于可能的SOC 离散值的个数。举例来说，如果SOC取值的步长（STEP)为1%，即SOC取0、1%、2%、…、 100%共101个离散值，那么可取N= 101。状态i对应的SOC值为S(i) = i .STEP。 由于锂电池处于松弛状态时电流为零或接近于零，测量此时电池的端电压即得到 0CV。测量电池选取OCV为HMM的观察变量。当HMM处于状态i且电池体温度为T时，OCV 的观察概率为 bi；T (OCV) = P(0CV| i, T) (I) 对于某个特定型号的锂电池，本专利技术可在大量测试数据的基础上，建立OCV的观 察概率b i;T(0CV)的分布模型。所建模型可分为离散模型和连续模型两种。对于第一种模 型（离散模型），可分别将〇CV、T作离散化处理，即实测的0CV、T数值需要近似为一些特定 的离散值。所得离散模型可表示为一系列随i和T而变的表格。这种模型的优点是建立过 程简单，缺点是表格数据可能需要较大的存储空间，并且模型精度可能受限。对于第二种模 型（连续模型），一般情况下本专利技术可取其函数形式为正态分布概率密度函数，即【主权项】1. 一种，包括： 步骤1:通过尽可能多的观本文档来自技高网...

【技术保护点】
一种基于隐马尔可夫模型的锂离子电池剩余容量估计方法，包括：步骤1：通过尽可能多的观测数据，建立隐马尔可夫模型的任意两个状态之间的转移概率和开路电压的观察概率；步骤2：对所述电池的新个体进行初始化，确定所述电池的最大容量；令k＝N‑1，QP＝0，k为所述电池的松弛状态标号，N为隐马尔可夫模型的状态的总个数，QP为所述电池从一个松弛状态转到另一个松弛状态期间流入和流出所述电池的电量的净值；步骤3：所述电池进行充电或者放电，对其剩余容量进行实时估计；步骤4：判断所述电池是否已进入一新的松弛状态；如结果为“否”，则返回上述步骤3；如结果为“是”，则转到下述步骤5；步骤5：确定所述电池所处的隐马尔可夫模型的新的松弛状态标号；步骤7：更新所述剩余容量；步骤8：令QP＝0，k＝q，q为所述电池的新的松弛状态标号；然后返回上述步骤3，进行新的充电或者放电过程。

【技术特征摘要】
1.一种基于隐马尔可夫模型的锂离子电池剩余容量估计方法，包括：
步骤1：通过尽可能多的观测数据，建立隐马尔可夫模型的任意两个状态之间
的转移概率和开路电压的观察概率；
步骤2：对所述电池的新个体进行初始化，确定所述电池的最大容量；令
k＝N-1，QP＝0，k为所述电池的松弛状态标号，N为隐马尔可夫模型的状态的总个
数，QP为所述电池从一个松弛状态转到另一个松弛状态期间流入和流出所述电池
的电量的净值；
步骤3：所述电池进行充电或者放电，对其剩余容量进行实时估计；
步骤4：判断所述电池是否已进入一新的松弛状态；如结果为“否”，则返回
上述步骤3；如结果为“是”，则转到下述步骤5；
步骤5：确定所述电池所处的隐马尔可夫模型的新的松弛状态标号；
步骤7：更新所述剩余容量；
步骤8：令QP＝0，k＝q，q为所述电池的新的松弛状态标号；然后返回上述步
骤3，进行新的充电或者放电过程。
2.根据权利要求1所述的锂离子电池剩余容量估计方法，其特征在于，在上
述步骤2中，通过将所述电池从起始“放空”状态充电至“满充”状态，确定所述
电池的最大容量。
3...

【专利技术属性】
技术研发人员：张江安，
申请(专利权)人：中颖电子股份有限公司，
类型：发明
国别省市：上海;31