一种基于动态参数模型的动力电池SOC估计方法和系统技术方案

本发明专利技术公开了一种基于动态参数模型的动力电池SOC估计方法，包括以下步骤：进行放电‑静置实验，拟合出SOC‑OCV的关系表达式；进行脉冲放电‑静置实验，辨识出电池等效电路模型的参数值；建立电池系统离散状态空间模型；对电池参数进行在线辨识；得到电池动态参数模型；对电池SOC进行在线估计。一种基于动态参数模型的动力电池SOC估计系统，包括：电池SOC‑OCV关系表达式确定模块；电池参数离线辨识模块；电池参数在线辨识离散状态空间模型确定模块；电池参数在线辨识模块；电池动态参数确定模块；电池SOC估计离散状态空间模型确定模块；SOC估计模块。其提高了电池模型的精度，计算复杂度更低，可广泛应用于电动汽车动力电池管理系统领域。

SOC estimation method and system of power battery based on dynamic parameter model

The present invention discloses a dynamic battery SOC estimation method based on dynamic parameter model, which includes the following steps: discharge static setting experiment, fitting out the relational expression of SOC OCV, and identifying the parameters of the equivalent circuit model of the battery, and establishing the discrete state space model of the battery system. The battery parameters are identified online, the battery dynamic parameters model is obtained, and the battery SOC is estimated online. A dynamic battery SOC estimation system based on dynamic parameter model includes: battery SOC OCV relational expression determination module; battery parameter offline identification module; battery parameter on-line identification discrete state space model determination module; battery parameter on-line identification module; battery dynamic parameter determination module; battery SOC estimation. The scatter state space model determines the module; the SOC estimation module. It improves the accuracy and complexity of the battery model, and can be widely applied in the field of electric vehicle battery management system.

【技术实现步骤摘要】
一种基于动态参数模型的动力电池SOC估计方法和系统
本专利技术涉及电动汽车动力电池管理系统领域，具体为一种基于动态参数模型的动力电池SOC估计方法和系统。
技术介绍
动力电池作为电动汽车的动力源，是电动汽车最为关键的核心部件之一，直接影响到电动汽车的续航里程、加速能力以及最大爬坡度等性能指标。电池管理系统(BatteryManagementSystem，BMS)，负责对电池的状态监测、电量均衡、热管理、能量分配等诸多方面进行协调管理，对延长电池使用寿命、提高电池安全性、降低电池全生命周期使用成本等具有重要意义。荷电状态(StateofCharge，SOC)是反映电池剩余电量及做功能力的一项重要指标，是电池充放电控制、健康状态监测、能量分配以及电量均衡等的重要依据。然而，电池SOC受温度、电流、循环次数等诸多因素的影响，具有明显的不确定性和很强的非线性，因此SOC在线估计被认为是电池管理系统研究与设计的核心和难点技术。目前，国内外报道的动力电池SOC估计方法主要包括：内阻法、安时积分法(也称库仑计量法)、开路电压法、神经网络法、卡尔曼滤波法和观测器法等。其中，内阻法依据电池内阻和SOC本文档来自技高网...

【技术保护点】
一种基于动态参数模型的动力电池SOC估计方法，其特征在于，包括以下步骤：对动力电池进行间歇性放电‑静置实验，根据所得实验数据拟合出SOC‑OCV的关系表达式；在不同的SOC处对电池进行恒定电流的脉冲放电‑静置实验，记录期间的电压响应，根据所得电压响应曲线辨识出不同SOC值所对应的电池等效电路模型的参数值；建立用于参数在线辨识的电池系统离散状态空间模型；根据所述离散状态空间模型对电池参数进行在线辨识；得到电池的动态参数模型；建立用于SOC估计的电池系统离散状态空间模型；对电池SOC进行在线估计；所述电池参数采用无迹卡尔曼滤波器进行在线辨识。

【技术特征摘要】
1.一种基于动态参数模型的动力电池SOC估计方法，其特征在于，包括以下步骤：对动力电池进行间歇性放电-静置实验，根据所得实验数据拟合出SOC-OCV的关系表达式；在不同的SOC处对电池进行恒定电流的脉冲放电-静置实验，记录期间的电压响应，根据所得电压响应曲线辨识出不同SOC值所对应的电池等效电路模型的参数值；建立用于参数在线辨识的电池系统离散状态空间模型；根据所述离散状态空间模型对电池参数进行在线辨识；得到电池的动态参数模型；建立用于SOC估计的电池系统离散状态空间模型；对电池SOC进行在线估计；所述电池参数采用无迹卡尔曼滤波器进行在线辨识。2.根据权利要求1所述的基于动态参数模型的动力电池SOC估计方法，其特征在于：所述无迹卡尔曼滤波器的系数矩阵包括过程噪声协方差矩阵和测量噪声协方差矩阵。3.根据权利要求2所述的基于动态参数模型的动力电池SOC估计方法，其特征在于：所述在线辨识得到的电池参数进行滤波处理。4.根据权利要求3所述的基于动态参数模型的动力电池SOC估计方法，其特征在于：所述滤波方法采用滑动均值滤波。5.根据权利要求4所述的基于动态参数模型的动力电池SOC估计方法，其特征在于：所述SOC估计的算法采用自适应非线性观测器进行在线估计。6....

【专利技术属性】
技术研发人员：田勇，田劲东，李东，夏必忠，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44