一种锂离子电池的SOC和SOH联合估计方法技术

本发明专利技术实施例公开了一种锂离子电池的SOC和SOH联合估计方法，用于解决现有技术在实施SOC和SOH联合估计时，其可用容量状态模型通常较为简单，较难刻画可用容量复杂的衰减规律，精度难以保证；采用的卡尔曼滤波类和递归最小二乘方法本质上属于线性化方法，对具有复杂动态运行工况的非线性电池模型，稳定性较差，收敛速度较慢的技术问题。本发明专利技术实施例方法包括：构建锂离子电池的离线等效电路模型；根据离线等效电路模型构建锂离子电池的滚动时域SOC估计优化模型；基于滚动时域SOC估计优化模型对锂离子电池的SOC和可用容量进行在线联合估计。

【技术实现步骤摘要】
一种锂离子电池的SOC和SOH联合估计方法
本专利技术涉及锂离子电池
，尤其涉及一种锂离子电池的SOC和SOH联合估计方法。
技术介绍
锂离子电池因具有高能量密度、长循环寿命和低自放电率等优点，已开始广泛地应用于新能源汽车和规模储能等领域。荷电状态(StateofCharge,SOC)估计是电池管理系统的核心，是实现充放电控制、均衡控制、安全管理等其他功能的基础。随着充放电循环，电池健康状态(StateofHealth,SOH)会逐渐劣化，主要体现在可用容量衰减和内阻增大，需要建立SOH预测模型，并适当融合，以提高在电池全寿命周期内的SOC估计精度和适用性。目前，在电池管理系统中，可用容量估计模型基本通过离线的电池老化测试数据构建，与SOC估计模块的融合较为松散，适用性较差，精度难以保证。现有研究虽提出了SOC与SOH的联合估计方法，如联合卡尔曼滤波、双重卡尔曼滤波、递归最小二乘等方法，以提高在不同电池老化状态下的SOC估计精度，但所提方法大部分本质上属于线性化状态估计方法，需要对非线性电池模型实施局部线性化操作，在电池复杂动态运行过程中，此线性化策略将导致算法稳定性较差，效果本文档来自技高网...

【技术保护点】
一种锂离子电池的SOC和SOH联合估计方法，其特征在于，包括：构建锂离子电池的离线等效电路模型；根据所述离线等效电路模型构建锂离子电池的滚动时域SOC估计优化模型；基于所述滚动时域SOC估计优化模型对锂离子电池的SOC和可用容量进行在线联合估计。

【技术特征摘要】
1.一种锂离子电池的SOC和SOH联合估计方法，其特征在于，包括：构建锂离子电池的离线等效电路模型；根据所述离线等效电路模型构建锂离子电池的滚动时域SOC估计优化模型；基于所述滚动时域SOC估计优化模型对锂离子电池的SOC和可用容量进行在线联合估计。2.根据权利要求1所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述构建锂离子电池的离线等效电路模型包括：根据锂离子电池的四个电路元件的多项式函数模型构建锂离子电池的离线等效电路模型，所述四个电路元件包括开路电压、欧姆内阻、极化内阻、等效电容。3.根据权利要求2所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述开路电压的多项式函数模型通过对锂离子电池的SOC-OCV曲线数据进行最小二乘辨识获得。4.根据权利要求3所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述欧姆内阻、所述极化内阻、所述等效电容的多项式函数模型的系数均通过锂离子电池的HPPC工况测试数据进行辨识并通过求解锂离子电池的电压的最小二乘误差模型获得。5.根据权利要求4所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述欧姆内阻、所述极化内阻、所述等效电容的多项式函数模型的阶数根据锂离子电池的DST工况测试数据的预测结果进行确定。6.根据权利要求1所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述基于所述滚动时域SOC估计优化模型对锂离子电池的SOC和可用容量进行在线联合估计包括：通过电池管理系统对锂离子电池充/放电循环过程中的电流和电压数据进行采集，并采用基于所述滚动时域SOC估计优化模型的SOC估计方法，获得并记录SOC和端电压的估计值。7.根据权利要求6所述的锂离子电池的SOC和SOH联合估计方法，其特征在于，所述通过电池管理系统对锂离子电池充/放电循环过程中的电...

【专利技术属性】
技术研发人员：钟国彬，贺益君，沈佳妮，马紫峰，苏伟，
申请(专利权)人：广东电网有限责任公司电力科学研究院，上海交通大学，
类型：发明
国别省市：广东,44