基于改进分数阶模型的锂离子电池荷电状态估计方法技术

本发明专利技术涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法，属于电池技术领域，包括步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合FEKF算法对电池进行SOC状态估计。

Charge State Estimation Method for Lithium Ion Batteries Based on Improved Fractional Order Model

【技术实现步骤摘要】
基于改进分数阶模型的锂离子电池荷电状态估计方法
本专利技术涉及电池
，具体涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法。
技术介绍
锂离子电池由于其容量大、循环寿命长、低记忆效应等优点成为电动汽车的首选动力来源，SOC是电动汽车电池管理系统(BatteryManagementSystem,BMS)需要监管和监控的一个最重要的状态，高精度且快速收敛的SOC状态估计能够提供更精确的续驶里程估计且扩大可用SOC范围，避免过充过放导致的电池损耗、寿命加速衰减、燃烧甚至爆炸。常用SOC估计方法可以分为无模型和基于模型的算法两种。无模型方法常用的是简单易用的安时积分法，但是由于其对初始SOC和测量噪声的敏感性，常采用离线导出的SOC和OCV曲线对安时积分法进行重新标定以提高精度。另一方面是基于数据驱动的人工智能算法如支持向量机、神经网络等来模拟SOC与其影响因素之间复杂的非线性关系，但是这些黑箱模型对训练数据的质量和数量有很高的依赖性，对未知数据的适应性相对较差。基于模型的方法中，电化学模型适用于宏观和微观的预测且精度高，但是计算要求高且参数众多难以获取。基于外部动态特性的等效电路模型可以模拟不同类型电池的工作特性，从而避免了内部电化学过程的详细计算，具有明显的灵活性和简单性并且精度较高，并且结合卡尔曼滤波(KalmanFilter,KF)、扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)、粒子滤波(ParticleFilter，PF)等算法设计观测器来估计SOC，但是常用RC整数阶模型不能足够准确的模拟电池的非线性度，从而限制了估计精度。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种应用场景更广且能更准确模拟电池的非线性度的改进分数阶模型及其荷电状态的精确估计。为达到上述目的，本专利技术提供如下技术方案：一种基于改进分数阶模型的锂离子电池荷电状态估计方法，包括以下步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态(StateofCharge,SOC)状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱(ElectrochemicalImpedanceSpectroscopy,EIS)实验，进而建立充放电开路电压(OpenCircuitVoltage,OCV)、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合分数阶扩展卡尔曼滤波(FractionalExtendedKalmanFilter,FEKF)算法对电池进行SOC状态估计。进一步，步骤S1中，所使用的等效电路模型时在二阶等效电路模型的基础上串联了一个电感元件，将电容元件全部替换为常相位元件，并利用分数阶微积分中的Grünwald–Letnikov(GL)定义进行建模得到改进分数阶模型。进一步，步骤S1包括以下步骤：步骤S11：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池SOC状态估计所需的模型参数，动力电池的SOC通过下式进行计算：其中，SOC(t)和I(t)分别指动力电池时变的荷电状态和电流，η为库伦效率，Qn为动力电池的容量；电池的等效电路包括串联一个电感元件、欧姆电阻、两个极化R-CPE对和开路电压OCV，CPE为常相位元件，其阻抗的数学表达式为：其中c表示电容效应的常数，n表示为分数阶并且-1＜n＜1，w为交流信号的角频率；电池的分数阶数学模型表示为：U0(t)＝UOCV(SOC(t))-UL(t)-U1(t)-U2(t)-RSI(t)其中U1(t)和U2(t)分别为两个极化R-CPE对的电压，UOCV(SOC(t))表示电池的开路电压OCV，是SOC和时间t的常数；步骤S12：将步骤S11中动力电池SOC的计算式以及分数阶等效电路模型离散化得到如下的状态空间表达式：其中为k时刻的状态变量，Ik为k时刻的系统输入且wk和vk分别为过程噪声和测量噪声，假设两者为独立、零均值的高斯白噪声且其协方差矩阵分别为Qk和Rk；为了得到其递归算法，DNxk+1需要被转换成xk+1，得到其递归算法的形式为：其中，进一步，步骤S2包括：S21：将待测动力电池在25℃的恒温环境中静置2h；S22：以1C充放电倍率对电池恒流恒压充电至上截止电压，再1C恒流放电至下截止电压，充放电循环两次的放电容量取均值为该电池的实际容量；S23：以1/20C倍率将电池放电至下截止电压搁置2个小时，随后以相同倍率恒流充电至上截止电压并搁置2个小时，最后相同倍率放电至下截止电压；S24：以1C充放电倍率对电池恒流恒压充电至上截止电压，然后相同倍率放电至50％SOC搁置2个小时，再测试得到EIS数据；S25：25℃下模拟实车工况获得电流和电压的实验数据；S26：将获取到的实验数据汇总并处理，形成可用的实验数据库。进一步，步骤S3包括：S31：利用步骤S22中获取得实验数据得到得两次充放电循环放电数据均值为电池实际容量Qn，两次循环的库伦效率均值为实际的库伦效率η；S32：利用步骤S23中的1/20C充放电数据，在相同SOC下取充放电电压均值得到SOC-OCV曲线，通过数据拟合得到SOC和OCV之间的变化关系；S33：利用步骤S24中获取的EIS数据，通过参数辨识方法得到分数阶电池模型的参数。进一步，步骤S33中采用非线性最小二乘优化算法优化目标向量得到分数阶模型的特性参数，其目标函数为：其中N为EIS数据点个数，Zi为频率wi下的分数阶等效电路模型的阻抗，Z'i＝Real(Zi)，Z'i＝Imag(Zi)，Z'i测和Z'i测分别为EIS测试数据的实部和虚部。进一步，步骤S4中所运用的滤波算法为分数阶卡尔曼滤波FEKF算法，包括以下步骤：S41：采用FEKF算法在改进分数阶模型的基础上进行SOC估计，首先设定k＝0时的初始值x0和误差协方差初始值P0，k＝1,2,···时的时间更新包括状态估计时间更新和误差协方差时间更新：其中，为k时刻的状态先验估计值，为误差协方差的先验估计值。步骤S42：状态更新包括卡尔曼增益更新、状态校正更新、误差协方差校正更新：其中Kk为k时刻的卡尔曼增益，雅各比矩阵为k时刻的状态后验估计值，为误差协方差的后验估计值。本专利技术的有益效果在于：本专利技术利用电化学阻抗谱分析建立一个准确模拟电池高非线性度的带电感元件的分数阶等效电路模型，并利用分数阶微积分中的Grünwald–Letnikov(GL)定义进行建模得到改进分数阶模型，然后结合分数阶扩展卡尔曼算法实现对电池的高精度SOC估计。采用本专利技术的优点是：电化学阻抗谱被认为是模拟电化学系统最精确的方法之一，基于其EIS数据建立的电池模型精度更高且能较好反映锂电池的高非线性特征；本专利技术适用于不同锂电池材料的SOC估计；本专利技术所用的分数阶模型及其FEKF算法的复杂度低，具有明显的适用性和可行性；根据本专利技术得到的SOC估计精度更高且收敛速度更快。本专利技术的其他优点、目标和特征本文档来自技高网...

【技术保护点】
1.一种基于改进分数阶模型的锂离子电池荷电状态估计方法，其特征在于：包括以下步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态SOC状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压OCV、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合分数阶扩展卡尔曼滤波FEKF算法对电池进行SOC状态估计。

【技术特征摘要】
1.一种基于改进分数阶模型的锂离子电池荷电状态估计方法，其特征在于：包括以下步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态SOC状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压OCV、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合分数阶扩展卡尔曼滤波FEKF算法对电池进行SOC状态估计。2.根据权利要求1所述的基于改进分数阶模型的锂离子电池荷电状态估计方法，其特征在于：步骤S1中，所使用的等效电路模型时在二阶等效电路模型的基础上串联了一个电感元件，将电容元件全部替换为常相位元件，并利用分数阶微积分中的GL定义进行建模得到改进分数阶模型。3.根据权利要求2所述的基于改进分数阶模型的锂离子电池荷电状态估计方法，其特征在于：步骤S1包括以下步骤：步骤S11：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池SOC状态估计所需的模型参数，动力电池的SOC通过下式进行计算：其中，SOC(t)和I(t)分别指动力电池时变的荷电状态和电流，η为库伦效率，Qn为动力电池的容量；电池的等效电路包括串联一个电感元件、欧姆电阻、两个极化R-CPE对和开路电压OCV，CPE为常相位元件，其阻抗的数学表达式为：其中c表示电容效应的常数，n表示为分数阶并且-1＜n＜1，w为交流信号的角频率；电池的分数阶数学模型表示为：U0(t)＝UOCV(SOC(t))-UL(t)-U1(t)-U2(t)-RSI(t)其中U1(t)和U2(t)分别为两个极化R-CPE对的电压，UOCV(SOC(t))表示电池的开路电压OCV，是SOC和时间t的常数；步骤S12：将步骤S11中动力电池SOC的计算式以及分数阶等效电路模型离散化得到如下的状态空间表达式：其中为k时刻的状态变量，Ik为k时刻的系统输入且wk和vk分别为过程噪声和测量噪声，假设两者为独立、零均值的高斯白噪声且其协方差矩阵分别为Qk和Rk；为了得到其递归算法，DNxk+1需要被转换成xk+1，得到其递归算法的形式为其中，4....

【专利技术属性】
技术研发人员：胡晓松，邓昕晨，冯飞，刘波，杨辉前，陈六平，张小川，谢翌，唐小林，杨亚联，
申请(专利权)人：重庆大学，重庆长安新能源汽车科技有限公司，
类型：发明
国别省市：重庆,50