一种动力电池SOC估算方法和系统技术方案

本发明专利技术涉及一种动力电池SOC估算方法和系统，其将温度参数SOC参数和电流参数作为电池温度模型的输入变量参数；将电流参数和SOC参数作为电池倍率模型的输入变量参数；电池温度模型和电池倍率模型分别基于卡尔曼滤波器中的算法，根据温度参数、SOC参数及电流参数计算并得到对应电池温度模型的SOC值，记为SOC1，根据电流参数及SOC参数计算并得到对应电池倍率模型的SOC值，记为SOC2；融合计算器运用融合算法，将电池温度模型和电池倍率模型输出的SOC值乘以相应的权值并求和，得出SOC的最优值。本发明专利技术通过两种模型的融合，能够使SOC估算在整个充放电区间里和较为复杂的使用条件下保持较高的精度。

SOC estimation method and system for power battery

The invention relates to a method and system for estimating SOC of power batteries, in which the temperature parameters SOC and current parameters are used as input variables of the battery temperature model, the current parameters SOC parameters are used as input variables of the battery rate model, and the battery temperature model and the battery rate model are respectively based on Kalman filter. The algorithm calculates and obtains the SOC value of the corresponding cell temperature model according to the temperature parameter, SOC parameter and current parameter, and records it as SOC1, calculates and obtains the SOC value of the corresponding cell rate model according to the current parameter and SOC parameter, and records it as SOC2. The SOC value is multiplied by the corresponding weights and summation, and the optimal value of SOC is obtained. Through the fusion of the two models, the SOC estimation can maintain high accuracy in the whole charging and discharging interval and under more complicated operating conditions.

【技术实现步骤摘要】
一种动力电池SOC估算方法和系统
本专利技术涉及电池管理系统领域，尤其涉及一种动力电池SOC(StateofCharge，荷电状态，也叫剩余电量)估算方法和系统。
技术介绍
电池是电动汽车的能量来源，为了保证电池组良好的使用性能以及更长的使用寿命，对电池组进行必要的控制和管理是必要的，而获得准确可靠的电池容量状态是对电池组进行管理的前提。所以提高动力电池SOC估计的精度，对于提高电池使用性能、延长电池寿命和提高电池的安全性，以及整车能量管理都有着重要的意义。目前SOC估算方法可以大致分成四类，即查找表方法，安时积分法，基于模型的方法和数据驱动方法。查找表方法实现较为简单，但不适合在线计算；安时积分法可能由于环境噪声，电流漂移和错误的初始值等不确定的干扰而引起累积误差；基于模型的方法可以克服与上述两种方法的缺陷，但该方法对模型精度要求高；数据驱动方法则需要大量的实验数据来训练模型。
技术实现思路
本专利技术的目的是针对现有技术存在的问题，提出一种动力电池SOC估算方法，该方法通过建立两个高精度电池子模型，成功捕获了电池的温度特性和倍率特性，在不同的使用条件下两个子模型可以分别实现更高的精度，两种模型的融合可以使SOC估算在整个充放电区间里和较为复杂的使用条件下保持较高的精度。本专利技术的目的通过如下技术方案实现：本专利技术提供一种动力电池SOC估算方法，其包括：步骤S101，将温度参数、SOC参数和电流参数作为电池温度模型的输入变量参数；将电流参数和SOC参数作为电池倍率模型的输入变量参数；步骤S102，所述电池温度模型和电池倍率模型分别基于卡尔曼滤波器中的算法，根据输入的变量参数计算并得到对应电池温度模型的SOC值，记为SOC1，以及对应电池倍率模型的SOC值，记为SOC2；步骤S103，运用融合算法，将电池温度模型和电池倍率模型输出的SOC值乘以相应的权值并求和，得出SOC的最优值。更优选地，所述步骤S103包括：计算出电池温度模型输出的估计电压值UL1与测量电压之差，得到第一残差)，以及和电池倍率模型输出的估计电压值与测量电压之差，得到第二残差；根据残差值，基于条件概率求出电池温度模型和电池倍率模型的相应权值；将电池温度模型和电池倍率模型的状态估计值与对应权值相乘，并求和，得到动力电池的最优状态估计值SOC。更优选地，所述卡尔曼滤波器包括扩展卡尔曼滤波器，或者，无迹卡尔曼滤波器。本专利技术还提供一种动力电池SOC估算系统，其包括：电池温度模型、电池倍率模型和融合计算器；所述电池温度模型和电池倍率模型中分别设置有卡尔曼滤波器；所述电池温度模型将温度参数、SOC参数和电流参数作为输入变量参数；基于卡尔曼滤波器中的算法，根据输入的变量参数计算并得到对应电池温度模型的SOC值，记为SOC1；所述电池倍率模型将电流参数和SOC参数作为输入变量参数；基于卡尔曼滤波器中的算法，根据输入的变量参数计算并得到对应电池倍率模型的SOC值，记为SOC2；所述融合计算器运用融合算法，将电池温度模型和电池倍率模型输出的SOC值乘以相应的权值并求和，得出SOC的最优值；所述权值根据电池温度模型和电池倍率模型分别输出的估计电压值与各自测量电压之差得到的残差值，并基于条件概率求出。由上述本专利技术的技术方案可以看出，本专利技术具有如下技术效果：本专利技术的两种子模型的参数分别考虑了温度和充放电倍率两个因素，在不同的使用条件下两个子模型可以分别实现更高的精度，两种模型的融合可以使SOC估算在整个充放电区间里和较为复杂的使用条件下保持较高的精度。本专利技术适用于电池单体、模块、电池总成的SOC估计。附图说明图1为本专利技术的一种动力电池SOC估算方法的整体框架图；图2是本专利技术的一种动力电池SOC估算方法的实施流程图；图3为电池Thevenin模型的结构示意图。具体实施方式为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将结合实施例和图1至图2对本专利技术的技术方案做进一步详细说明。本专利技术提供一种动力电池SOC估算方法，其应用于一种动力电池SOC估算系统中，该动力电池SOC估算系统的框架如图1所示，包括：包括电池温度模型、电池倍率模型和融合计算器。电池温度模型和电池倍率模型基于卡尔曼滤波器设立，二者并行设置，分别通过线路连接融合计算器。其中，电池温度模型考虑温度参数对电池特性影响，其输入变量包括温度参数、SOC参数和电流参数，基于卡尔曼滤波器的算法计算，输出是电池温度模型的SOC估计值，记为SOC1，以及电池温度模型的端电压估计值，记为UL1。电池倍率模型考虑充放电倍率对电池特性影响，其输入变量包括电流参数和SOC值参数，基于卡尔曼滤波器的算法计算，输出是电池倍率模型的SOC值，记为SOC2，以及电池倍率模型端电压估计值，记为UL2。电池温度模型和电池倍率模型的输出值SOC1、SOC2基于线路传递给融合计算器，经过融合计算器进行融合计算后得到SOC最优值。本专利技术提供的一种动力电池SOC估算方法，其实施流程如图2所示，包括如下步骤：步骤S101，将其当前时刻的温度参数、SOC参数和电流参数作为电池温度模型的输入变量参数；将其当前时刻的电流参数和SOC参数作为电池倍率模型的输入变量参数。具体的，模型建立过程具体如下：电池温度模型和电池倍率模型都是基于如图3所示的电池Thevenin模型建立的，其中，电池温度模型中的参数变量R0、R1、C1定义为关于SOC和温度T的函数R0(SOC,T)、R1(SOC,T)、C1(SOC,T)；电池倍率模型中的参数R0、R1、C1分别定义为关于SOC和电流I的函数R0(SOC,I)、R1(SOC,I)、C1(SOC,I)；电池温度模型和电池倍率模型中的参数变量R0、R1、C1分别通过参数辨识获取。基于如下公式建立电池温度模型和电池倍率模型：式中，Uoc表示开路电压；U0表示电池的负载电压；R0表示欧姆电阻；I表示电池的工作电流；Us表示极化电容两端的电压；R1表示极化电阻；C1表示极化电容；S(t)表示电池t时刻的SOC值；S(t0)表示电池t0时刻的SOC值；Q0表示电池额定容量；I表示电池工作电流；η表示充放电效率。步骤S102，上述电池温度模型和电池倍率模型基于卡尔曼滤波器中的算法，计算并得到对应电池温度模型的SOC值，记为SOC1，以及对应电池倍率模型的SOC值，记为SOC2；具体的，上述卡尔曼滤波器可以是扩展卡尔曼滤波器(EKF)，也可以是无迹卡尔曼滤波器(UKF)等。步骤S102中，基于卡尔曼滤波器中的算法，计算并得到电池温度模型对应的SOC1和电池倍率模型的SOC2的过程具体如下：一、电池温度模型根据其当前时刻的运行参数(包括电池运行过程中的温度参数、电荷状态SOC参数和电流参数)，计算电池温度模型的SOC1；首先，根据k-1时刻的电荷状态变量X(k-1)、输入电流i(k-1)以及估计误差P(k-1)，计算k时刻的电荷状态变量X(k)-和端电压(负载电压)预测值U(k)-以及误差P(k)-。具体如下：X(k)-＝A(k-1)×x(k-1)+B(k-1)×i(k-1)，P(k)-＝A(k-1)×P(k-1)×A(k-1)T+Q，………………………公式2公式2中，Q为系统噪声方差，大小由模型精度决定；A(k-1)为k-1时本文档来自技高网...

【技术保护点】
1.一种动力电池SOC估算方法，其特征在于，所述动力电池SOC估算方法包括：步骤S101，将温度参数、SOC参数和电流参数作为电池温度模型的输入变量参数；将电流参数和SOC参数作为电池倍率模型的输入变量参数；步骤S102，所述电池温度模型和电池倍率模型分别基于卡尔曼滤波器中的算法，根据输入的变量参数计算并得到对应电池温度模型的SOC值，记为SOC1，以及对应电池倍率模型的SOC值，记为SOC2；步骤S103，运用融合算法，将电池温度模型和电池倍率模型输出的SOC值乘以相应的权值并求和，得出SOC的最优值。

【技术特征摘要】
1.一种动力电池SOC估算方法，其特征在于，所述动力电池SOC估算方法包括：步骤S101，将温度参数、SOC参数和电流参数作为电池温度模型的输入变量参数；将电流参数和SOC参数作为电池倍率模型的输入变量参数；步骤S102，所述电池温度模型和电池倍率模型分别基于卡尔曼滤波器中的算法，根据输入的变量参数计算并得到对应电池温度模型的SOC值，记为SOC1，以及对应电池倍率模型的SOC值，记为SOC2；步骤S103，运用融合算法，将电池温度模型和电池倍率模型输出的SOC值乘以相应的权值并求和，得出SOC的最优值。2.根据权利要求1所述的一种动力电池SOC估算方法，其特征在于，所述步骤S103包括：计算出电池温度模型输出的估计电压值UL1与测量电压之差，得到第一残差)，以及和电池倍率模型输出的估计电压值与测量电压之差，得到第二残差；根据残差值，基于条件概率求出电池温度模型和电池倍率模型的相应权值；将电池温度模型和电池倍率模型的状态估计值与对应权值相乘，并求和，得到动...

【专利技术属性】
技术研发人员：田野，高晖，宋凯，陈旭，
申请(专利权)人：广西艾盛创制科技有限公司，
类型：发明
国别省市：广西,45