一种基于EKF算法的混合动力锂电池的SOC估算方法技术

本发明专利技术公开了一种基于EKF算法的混合动力锂电池的SOC估算方法，包括以下步骤：建立混合动力锂电池的二阶RC等效电路模型，得到等效电路方程；进行离线参数辨识，通过HPPC试验获得关于电池特性的数据，拟合出SOC与开路电压OCV的对应关系曲线并辨别出R0、R1和R2的电阻值以及C1和C2的电容值；根据等效电路方程和R0、R1和R2的电阻值以及C1和C2的电容值，建立锂电池的离散状态方程；再结合等效电路方程中以电压形式表示的端电压的表达式，得到状态转移矩阵、系统控制矩阵和系统观测矩阵；再结合EKF算法对电池的SOC进行估算。本方法对离线辨识出的参数进行多项式拟合，避免使用固定的离线参数，结合扩展卡尔曼滤波算法，提高锂电池的SOC估算精度。

A SOC estimation method for hybrid lithium battery based on EKF algorithm

【技术实现步骤摘要】
一种基于EKF算法的混合动力锂电池的SOC估算方法
本专利技术属于新能源电动汽车的动力电池领域，具体是一种基于EKF算法的混合动力锂电池的SOC估算方法。
技术介绍
目前世界各国和政府对环境保护越来越重视，促进了新能源汽车的发展。新能源汽车的优点在于污染少，可以支持人类社会的可持续发展。新能源汽车中三个比较关键的技术分别是电机、电控和电池。电池是新能源汽车的动力装置，而电池管理系统(BatteryManagementSystem，BMS)是电池的大脑，能够控制电池，防止出现过充、过放等行为，提高电池的使用寿命，增强电池的使用效率。所以BMS是新能源汽车不可缺少的一套系统。BMS中最为核心的就是对电池的荷电状态(StateOfCharge，SOC)，即剩余电量进行估算。目前各个车企都把对SOC的估算看作核心技术。SOC相当于传统汽车的油表，能够显示出电动车的电池电量状态，让驾驶者根据情况进行充电和驾驶。由于电池的电量不能通过仪器进行测量，所以精确的估算出SOC是开发BMS必须要解决的问题。目前有四种方法已经得到验证可以估算出SOC的方法，分别是安时积分法、开路电压法、卡尔曼滤波算法和神经网络算法。目前市场上基本上采用的是前两种方法，后两种算法由于对芯片的计算能力要求高，目前基本上还存在于理论研究阶段，不过大量的研究结果已经证明，后两种方法的估算精度要高于前两种。目前市场上成熟的BMS的估算精度大部分都是在5％以上，5％的精度虽然能够使用，但是对电池的利用率还不够，对电池的充放电管理也有缺陷，所以对估算电池SOC的研究还需不断深入。扩展卡尔曼滤波(EKF)算法是卡尔曼滤波算法的一种扩展，能够对非线性系统进行估算，而电池就是一种非线性系统，所以该算法可以用来对电池的SOC进行估算。王杰在文献《基于扩展卡尔曼滤波的动力锂电池SOC估算研究》中采用了离线辨识方法，把辨识出来的时间响应τ＝R*C看作是一个常数。实际上电池是一种复杂的非线性系统，时间响应τ＝R*C会随着电量的变化而发生变化。
技术实现思路
针对现有技术的不足，本专利技术拟解决的技术问题是，提供一种基于EKF算法的混合动力锂电池的SOC估算方法。本专利技术解决所述技术问题的技术方案是，提供一种基于EKF算法的混合动力锂电池的SOC估算方法，其特征在于该方法包括以下步骤：步骤1、建立混合动力锂电池的二阶RC等效电路模型，得到二阶RC等效电路模型的等效电路方程；步骤2、进行离线参数辨识，通过HPPC试验获得关于电池特性的数据参数，拟合出SOC与开路电压OCV的对应关系曲线；通过将零输入响应端电压与等效电路方程中的端电压表达式联立，令u0＝u辨别出R0、R1和R2的电阻值以及C1和C2的电容值；步骤3、根据步骤1得到的等效电路方程和步骤2得到的R0、R1和R2的电阻值以及C1和C2的电容值，建立锂电池的离散状态方程；再结合等效电路方程中以电压形式表示的端电压的表达式，得到状态转移矩阵、系统控制矩阵和系统观测矩阵；步骤4、根据步骤3得到的锂电池的离散状态方程、状态转移矩阵、系统控制矩阵和系统观测矩阵结合EKF算法对电池的SOC进行估算。与现有技术相比，本专利技术有益效果在于：(1)本方法采用离线辨识方法进行估算，可以减少计算量，处理能力不太高的芯片也能满足使用要求，也可以减少芯片的使用量，降低BMS的成本(在BMS中芯片的成本要占到整个BMS的70％左右)。(2)本方法对离线辨识出的参数进行多项式拟合，避免使用固定的离线参数，减少估算时的误差，提高混合动力锂电池的SOC估算精度。并且结合扩展卡尔曼滤波算法，该算法能够精确的估算混合动力锂电池的SOC。综合应用能够极大的提高锂电池的SOC估算精度。(3)可以根据开发人员的意图对动力电池模型参数进行更新和优化，避免复杂而繁琐的标定操作。附图说明图1为本专利技术混合动力锂电池的二阶RC等效电路模型；图2为本专利技术HPPC试验工况图；图3为本专利技术得到的混合动力锂电池SOC估算值与真实值的对比图；图4为本专利技术得到的混合动力锂电池SOC估算值的误差图；具体实施方式下面给出本专利技术的具体实施例。具体实施例仅用于进一步详细说明本专利技术，不限制本申请权利要求的保护范围。本专利技术提供了一种基于EKF算法的混合动力锂电池的SOC估算方法(简称方法)，其特征在于该方法包括以下步骤：步骤1、建立混合动力锂电池的二阶RC等效电路模型(如图1所示)，得到二阶RC等效电路模型的等效电路方程，如式(1)所示：式1)中，u表示端电压，Voc(SOC)表示开路电压，i(t)表示随时间变化的电流，τ1＝R1C1，τ2＝R2C2；R0表示电池内阻，R1表示电化学极化电阻，R2表示浓度差极化电阻，C1表示电化学极化电容，C2表示浓度差极化电容，V1表示极化电压，V2表示浓差极化电压；步骤2、进行离线参数辨识，通过HPPC试验(混合动力脉冲试验)获得关于电池特性的数据参数，拟合出OCV-SOC曲线(即得到SOC与开路电压OCV的对应关系)；通过将零输入响应端电压与等效电路方程中的端电压表达式联立，令u0＝u辨别出R0、R1和R2的电阻值以及C1和C2的电容值；步骤3、根据步骤1得到的等效电路方程和步骤2得到R0、R1和R2的电阻值以及C1和C2的电容值，建立锂电池的离散状态方程；再结合等效电路方程中以电压形式表示的端电压的表达式，得到状态转移矩阵、系统控制矩阵和系统观测矩阵；yk＝Voc(soc,k)-R0i(k)-V1(k)-V2(k)(3)式2)为锂电池的离散状态方程，式3)为等效电路方程中以电压形式表示的端电压的表达式；式3)中yk＝u，Voc(soc,k)＝Voc(soc)，R0i(k)＝i(t)R0，将式2)和式3)联立，得到：D＝[R0](4)式4)中，A表示状态转移矩阵，B表示系统控制矩阵，D和H均表示系统观测矩阵；Δt表示单位时间，η表示充放电效率，C0表示电池容量；步骤4、根据步骤3得到的锂电池的离散状态方程、状态转移矩阵、系统控制矩阵和系统观测矩阵结合EKF(扩展卡尔曼滤波)算法对电池的SOC进行估算；启动EKF算法前，由于初始状态矩阵x＝[Voc(soc)V1V2]T中极化电压非常小，因此V1和V2初始值为0；初始协方差矩阵P的初始值选为单位矩阵；(1)开始EKF算法，先给迭代前状态矩阵xk-1、迭代前协方差矩阵Pk-1和噪音Q一个初始值，再带入卡尔曼时间更新方程中得到当前状态矩阵xk和当前协方差矩阵Pk值；(2)再将步骤1)得到的xk和Pk值带入卡尔曼状态更新方程中，得到迭代后状态矩阵xk+1和迭代后协方差矩阵Pk+1值；(3)再将步骤2)得到的xk+1和Pk+1值再次带入卡尔曼时间更新方程中分别代替xk-1和Pk-1，得到新的xk；不停循环迭代更新xk，得到各个采样点的SOC估算值，直到电池放电停止，得到整个工况的SOC估算。所述卡尔曼时间更新方程包括状态方程xk＝Axk-1+BIk-1和协方差方程Pk＝APk-1AT+Q；所述卡尔曼状态更新方程包括卡尔曼增益方程Kk＝PkHT(HPkHT+D)-1、状态更新方程xk+1＝xk+Kk(yk-Hxk)和协方差更新方程Pk+1＝(1-KkH)Pk；其中，Ik-1表示电流；1表示单位矩阵；Kk表示增益矩本文档来自技高网...

【技术保护点】
1.一种基于EKF算法的混合动力锂电池的SOC估算方法，其特征在于该方法包括以下步骤：步骤1、建立混合动力锂电池的二阶RC等效电路模型，得到二阶RC等效电路模型的等效电路方程；步骤2、进行离线参数辨识，通过HPPC试验获得关于电池特性的数据参数，拟合出SOC与开路电压OCV的对应关系曲线；通过将零输入响应端电压

【技术特征摘要】
1.一种基于EKF算法的混合动力锂电池的SOC估算方法，其特征在于该方法包括以下步骤：步骤1、建立混合动力锂电池的二阶RC等效电路模型，得到二阶RC等效电路模型的等效电路方程；步骤2、进行离线参数辨识，通过HPPC试验获得关于电池特性的数据参数，拟合出SOC与开路电压OCV的对应关系曲线；通过将零输入响应端电压与等效电路方程中的端电压表达式联立，令u0＝u辨别出R0、R1和R2的电阻值以及C1和C2的电容值；步骤3、根据步骤1得到的等效电路方程和步骤2得到的R0、R1和R2的电阻值以及C1和C2的电容值，建立锂电池的离散状态方程；再结合等效电路方程中以电压形式表示的端电压的表达式，得到状态转移矩阵、系统控制矩阵和系统观测矩阵；步骤4、根据步骤3得到的锂电池的离散状态方程、状态转移矩阵、系统控制矩阵和系统观测矩阵结合EKF算法对电池的SOC进行估算。2.根据权利要求1所述的基于EKF算法的混合动力锂电池的SOC估算方法，其特征在于二阶RC等效电路模型的等效电路方程，如式1)所示：式1)中，u表示端电压，Voc(SOC)表示开路电压，i(t)表示随时间变化的电流，τ1＝R1C1，τ2＝R2C2；R0表示电池内阻，R1表示电化学极化电阻，R2表示浓度差极化电阻，C1表示电化学极化电容，C2表示浓度差极化电容，V1表示极化电压，V2表示浓差极化电压。3.根据权利要求1所述的基于EKF算法的混合动力锂电池的SOC估算方法，其特征在于步骤3具体是：锂电池的离散状态方程如式2)所示：yk＝Voc(soc,k)-R0i(k)-V1(k)-V2(k)(3)式3)为等效电路方程中以电压形式表示的端电压的表达式；式3)中yk＝u，Voc(soc,k)＝Voc(soc)，R0i(k)＝i(t)R0，将式2)和式3)联立，得到：D＝[R0](4)式4)中，A表示状态转移矩阵，B表示系统控制矩阵，D和H均表示系统观测矩阵；Δt表示单位时间，η表示充放电效率，C0表示电池容量。4.根据权利要求1所述的基于EKF算法的混合动力锂电池的SOC估算方法，其特征在于步骤4具体是：启动EKF算法前，由于初始状态矩阵x＝[Voc(soc)V1V2]T中极化电压非常小，因此V1和V2初始值为0；初始协方差矩...

【专利技术属性】
技术研发人员：刘瑞素，张东雷，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津,12