一种基于多维度耦合模型的动力锂电池状态联合估计方法技术

本发明专利技术涉及一种基于多维度耦合模型的动力锂电池状态联合估计方法，属于电池管理技术领域。该方法包括：S1：建立电池的电模型，在电模型的基础上建立电池热模型以及老化模型；S2：用测试数据辨识各模型参数；S3：建立电池的电‑热‑老化的耦合模型；S4：在耦合模型的基础上，用基于状态空间方程的控制方法实时估计电池SOC，同时提取热模型中电池中心温度值作为SOT估计值，并用容量计算方法估计电池SOH；S5：设置相应的耦合框架，完成电池SOC、SOT和SOH联合估计。本发明专利技术在SOC估计过程中实时更新电池温度和容量变化，可以大幅度提高SOC估计精度，反过来也将提升SOT和SOH的估计精度。

A Joint State Estimation Method for Power Lithium Batteries Based on Multidimensional Coupled Model

【技术实现步骤摘要】
一种基于多维度耦合模型的动力锂电池状态联合估计方法
本专利技术属于电池管理
，涉及锂电池的电、热和老化的耦合模型以及电池荷电状态、健康状态以及温度状态的联合估计方法。
技术介绍
电池在使用过程中存在着温度变化和老化等问题，这些变化会对电池的使用性能和安全性能产生影响，因此综合考虑电池在使用过程中各方面的影响因素，建立电池的电-热-老化耦合模型，在耦合模型的基础上，用SOC、SOT、SOH三种状态对电池进行评估，获取电池的实时信息。将状态估计结果应用于电池管理系统(BatteryManagementSystem,BMS)参与电动汽车的能量管理决策。现阶段使用的耦合模型主要有电-热耦合模型。这一类耦合模型可从两个方面考虑，一方面，电池的电模型中会涉及到电池的内部生热参数，另一方面，随着电池温度的变化，电模型参数会发生改变，故可通过这两个方面建立电池的电-热耦合模型，这类耦合模型原理简单且运算量少，现已被广泛使用。在状态联合估计方面，现阶段使用最多的SOC、SOH联合估计。该类联合估计方法可分为两步，首先用估计方法实现SOC的估计，然后用电池SOC与现有容量的关系得到电池的现有容量，再用容量的计算方法估计得到SOH，这种联合估计方法已越来越成熟。对比现有技术，首先在锂离子电池的耦合模型方面，大多数研究只考虑温度对电池的影响，即电-热耦合模型，在电池的长期使用过程中，随着电池循环次数的增加，电池内部的电阻和容量都会发生衰减，因此需要考虑电池的老化情况，建立电池的电-热-老化耦合模型，综合考虑温度和内阻变化对电池的影响，提高模型的精度，这也是现阶段在电池模型方面需要解决的问题之一。其次，在状态估计研究方面，大部分研究只考虑单状态的估计，运用多种智能优化算法来提高状态估计精度，但是在实际使用情况中，需要全面了解电池的情况。因此考虑电池在使用过程中的温度变化和老化情况，实现电池SOC、SOT、SOH联合估计，综合考虑电池在使用过程中温度和容量的变化，提高状态估计的精度，这也是状态联合估计的热点之一。综上所述，针对现有研究的不足，本专利技术在电池的电-热-老化模型的基础上，采用独特的耦合机制，在不同的时间尺度上实现SOC、SOT、SOH联合估计，以提高状态估计的精度，这也是优化BMS亟待解决的问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于电-热-老化耦合模型的动力锂电池SOC、SOT、SOH联合估计方法，在不同时间尺度下实现多状态联合估计，提高状态估计精度。为达到上述目的，本专利技术提供如下技术方案：一种基于多维度耦合模型的动力锂电池状态联合估计方法，具体包括以下步骤：S1：建立电池的电模型，在电模型的基础上建立电池热模型以及老化模型；S2：用测试数据辨识各模型参数；S3：建立电池的电-热-老化的耦合模型；S4：在耦合模型的基础上，用基于状态空间方程的控制方法实时估计电池SOC，同时提取热模型中电池中心温度值作为SOT估计值，并用容量计算方法估计电池SOH；S5：设置相应的耦合框架，完成电池SOC、SOT和SOH联合估计。进一步，所述步骤S1具体包括以下步骤：S11：根据电模型特征，基于以下离散化的电路原理方程式建立电池的等效电路模型，UT,k＝UOCV(SOC)-U1,k-R0Ik其中，Ik为第k时刻电池的电流，取放电为正；U1,k为第k时刻电池极化电压，UOCV为电池开路电压，R0为欧姆电阻，τ1＝R1C1为电池的时间常数，R1和C1分别为电池的极化电阻和极化电容，UT为电池端电压，Δt为采样间隔，k为采样时刻，UT,k表示第k时刻的UT值；S12：基于Bernardi生热率方程建立电池的三维热模型，用不同方向温度分布数据将三维热模型简化为一维热模型，得到不同时刻在电池厚度方向上的温度分布情况，电池一维导热微分方程如下所示：边界条件为：T(X,Y,Z；0)＝T0其中，IL为电池工作时的电流，VB为电池体积，UOCV为电池开路开压，为电池平衡电动势的温度影响系数，cp为电池比热容，ρ为电池密度，λ为电池导热系数，β为生热率的修正系数，h为表面传热系数，Tamb为环境温度，T为电池温度。S13：在电模型的基础上，拟合电模型三个参数与SOC和循环次数t的多项式，得到电池的老化模型。进一步，所述步骤S2具体包括：(1)辨识电模型中涉及的欧姆电阻R0、极化电阻R1以及极化电容C1三个参数；(2)辨识热模型中涉及的电池比热容cp、电池导热系数cp以及电池表面传热系数h。进一步，所述步骤S3具体包括以下步骤：S31：在老化程度不变的情况下，电模型三参数R1,R0,C1分别是SOC和温度T的函数，通过多变函数线性回归，建立电池的电-热耦合模型：S32：在温度不变的情况下，电模型三参数R1,R0,C1分别是SOC和循环次数t的函数，通过多变函数线性回归，建立电池的电-老化耦合模型：S33：在不考虑老化模型和热模型之间的前提下，建立电池的电-热-老化耦合模型，为下面状态联合估计打下基础。进一步，所述步骤S4具体包括以下步骤：S41：电模型的基础上，用mMHE实时估计SOC，系统的状态方程和输出方程如下所示：UT,K＝UOCV-U1,k-R0Ik+vk其中，C为电池当前容量，wk为过程噪声，vk为量测噪声，η为电池的充电或放电效率；S42：在热模型的基础上，用不同时刻的核心温度(厚度为0时)作为电池SOT估计值；S43：取不同时刻SOC以及这一段时间的电量变化，用容量计算估计电池SOH，计算过程为：其中，Cn为电池的额定容量，C为电池当前容量，ΔAh表示在α时刻到β时刻电池的电量变化。进一步，所述步骤S5具体包括以下步骤：S51：基于耦合框架，输入工况验证实验的电流和电压数据(电流取放电为正)，在mMHE的滚动窗口中对数据进行最优化处理，得到任意时刻的SOC及极化电压值，实现SOC的估计；S52：提取滚动窗口中的电流、开路电压以及端电压值，计算电池内部的生热量，输入环境温度，提取一维热模型中的中心温度值，实现SOT的估计，将估计得到的温度值反馈到SOC估计器中更新电池温度；S53：在SOC估计器中取两个不同时刻的SOC值，计算得到这一段时间区间内的放电量或充电量，得到电池的现有容量值，用容量估计方法实现SOH的估计，并将现有容量更新到SOC估计器中，提高SOC的估计精度，实现电池的SOC、SOT和SOH联合估计。本专利技术的有益效果在于：本专利技术在着重考虑SOT和SOH对SOC影响的前提下，在SOC估计过程中实时更新电池温度和容量变化，可以大幅度提高SOC估计精度，反过来也将提升SOT和SOH的估计精度。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：图1为一阶RC等效电路结构示意图。图2为本专利技术实施的电池的电-热-老化耦合模型框架图。图3为6阶SOC-OCV拟合曲线。图4为本专利技术实施的特性测试中的复合脉冲测试(HybridPulsePowerC本文档来自技高网...

【技术保护点】
1.一种基于多维度耦合模型的动力锂电池状态联合估计方法，其特征在于，该方法具体包括以下步骤：S1：建立电池的电模型，在电模型的基础上建立电池热模型以及老化模型；S2：用测试数据辨识各模型参数；S3：建立电池的电‑热‑老化的耦合模型；S4：在耦合模型的基础上，用基于状态空间方程的控制方法实时估计电池荷电状态(State Of Charge,SOC)，同时提取热模型中电池中心温度值作为温度状态(State Of Temperature,SOT)估计值，并用容量计算方法估计电池健康状态(State Of Health,SOH)；S5：设置相应的耦合框架，完成电池SOC、SOT和SOH联合估计。

【技术特征摘要】
1.一种基于多维度耦合模型的动力锂电池状态联合估计方法，其特征在于，该方法具体包括以下步骤：S1：建立电池的电模型，在电模型的基础上建立电池热模型以及老化模型；S2：用测试数据辨识各模型参数；S3：建立电池的电-热-老化的耦合模型；S4：在耦合模型的基础上，用基于状态空间方程的控制方法实时估计电池荷电状态(StateOfCharge,SOC)，同时提取热模型中电池中心温度值作为温度状态(StateOfTemperature,SOT)估计值，并用容量计算方法估计电池健康状态(StateOfHealth,SOH)；S5：设置相应的耦合框架，完成电池SOC、SOT和SOH联合估计。2.根据权利要求1所述的一种基于多维度耦合模型的动力锂电池状态联合估计方法，其特征在于，所述步骤S1具体包括以下步骤：S11：根据电模型特征，基于以下离散化的电路原理方程式建立电池的等效电路模型，UT,k＝UOCV(SOC)-U1,k-R0Ik其中，Ik为第k时刻电池的电流，取放电为正；U1,k为第k时刻电池极化电压，UOCV为电池开路电压，R0为欧姆电阻，τ1＝R1C1为电池的时间常数，R1和C1分别为电池的极化电阻和极化电容，UT为电池端电压，Δt为采样间隔，k为采样时刻，UT,k表示第k时刻的UT值；S12：基于Bernardi生热率方程建立电池的三维热模型，用不同方向温度分布数据将三维热模型简化为一维热模型，得到不同时刻在电池厚度方向上的温度分布情况，电池一维导热微分方程如下所示：边界条件为：T(X,Y,Z；0)＝T0其中，IL为电池工作时的电流，VB为电池体积，UOCV为电池开路开压，为电池平衡电动势的温度影响系数，cp为电池比热容，ρ为电池密度，λ为电池导热系数，β为生热率的修正系数，h为表面传热系数，Tamb为环境温度，T为电池温度；S13：在电模型的基础上，拟合电模型三个参数与SOC和循环次数t的多项式，得到电池的老化模型。3.根据权利要求2所述的一种基于多维度耦合模型的动力锂电池状态联合估计方法，其特征在于，所述步骤S2具体包括：(1)辨识电模型中涉及的欧姆电阻R0、极化电阻R1以及极化电容C1三个参数；(2)辨识热模型中涉及的电池比热容cp、电...

【专利技术属性】
技术研发人员：冯飞，胡晓松，李佳承，孔可义，刘波，李可心，李云隆，谢翌，杨亚联，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50