一种基于扩展卡尔曼滤波的电池荷电状态估计方法技术

本发明专利技术涉及电池管理技术领域，其公开了一种基于扩展卡尔曼滤波的电池荷电状态估计方法，实时监测电池的SOC并提高SOC估算的准确性。该方法包括以下步骤：a.通过BMS采集模块对电池系统运行数据进行采集并存储；b.通过扩展卡尔曼滤波器对存储的电池系统运行数据进行实时运算，计算得到当前电池的SOC估算值；c.基于电压差/容量差对SOC估算值的误差进行判断，并对SOC估算值进行修正。

A battery state of charge estimation method based on extended Kalman filter

【技术实现步骤摘要】
一种基于扩展卡尔曼滤波的电池荷电状态估计方法
本专利技术涉及电池管理
，具体涉及一种基于扩展卡尔曼滤波的电池荷电状态估计方法。
技术介绍
随着新能源技术的发展和广泛运用，电池作为重要的新能源储能设备，其安全性及稳定性也越来越受到人们的关注。电池管理系统(BMS)作为电池的“管家”，对电池单元进行着智能化管理和维护。用于实时监控电池运行状态，防止电池出现过充电和过放电现象出现，延长电池的使用寿命。电池荷电状态(SOC)用来描述电池剩余容量，是电池在使用过程中最重要的参数之一。在充、放电过程中，BMS需要对电池的剩余容量进行实时检测，并根据SOC的大小对电池进行相应的控制，因此，SOC的检测的准确性决定了BMS控制效果的优劣，直接影响着电池使用的安全性和稳定性。目前常用的SOC估算方法有内阻检测法、开路电压法和安时积分法，其中内阻检测法当SOC大于40％时变化非常微弱，难以应用于实际工况当中；开路电压法需要电池长时间静置达到稳定状态后再进行测量，影响系统的正常运行；安时积分法是目前运用较为广泛的SOC算法，可以实时检测电池SO本文档来自技高网...

【技术保护点】
1.一种基于扩展卡尔曼滤波的电池荷电状态估计方法，其特征在于，包括以下步骤：/na.通过BMS采集模块对电池系统运行数据进行采集并存储；/nb.通过扩展卡尔曼滤波器对存储的电池系统运行数据进行实时运算，计算得到当前电池的SOC估算值；/nc.基于电压差/容量差对SOC估算值的误差进行判断，并对SOC估算值进行修正。/n

【技术特征摘要】
1.一种基于扩展卡尔曼滤波的电池荷电状态估计方法，其特征在于，包括以下步骤：
a.通过BMS采集模块对电池系统运行数据进行采集并存储；
b.通过扩展卡尔曼滤波器对存储的电池系统运行数据进行实时运算，计算得到当前电池的SOC估算值；
c.基于电压差/容量差对SOC估算值的误差进行判断，并对SOC估算值进行修正。


2.如权利要求1所述的一种基于扩展卡尔曼滤波的电池荷电状态估计方法，其特征在于，
步骤a中，所述电池系统运行数据包括电池的电压、电流、温度及运行时间数据。


3.如权利要求1所述的一种基于扩展卡尔曼滤波的电池荷电状态估计方法，其特征在于，
步骤b中，通过扩展卡尔曼滤波器对存储的电池系统运行数据进行实时运算，计算得到当前电池的SOC估算值具体包括：
利用扩展卡尔曼滤波器时间更新方程组及测量更新方程组对电池荷电状态进行估算，
其中，时间更新方程组为：
xk+1＝Axk+Buk
Pk+1＝APkAT+Q
其中，xk+1为k+1时刻的系统状态，xk为k时刻的系统状态，μk为k时刻系统过程噪声，A为系统矩阵，B为控制输入矩阵，Pk+1为xk+1对应的协方差矩阵，Pk为xk对应的协方差矩阵，Q为系统噪声的协方差矩阵；
测量更新方程组为



xk+1＝xk+Kk(yk-xk)
Pk+1＝(1-Kk)Pk
其中，Kk为k时刻的卡尔曼滤波增益，Kk+1为k+1时刻的卡尔曼滤波增益，yk为k时刻系统输出，R为测量噪声的协方差矩阵；
通过将系统测量电流及时间带入扩展卡尔曼滤波器时间更新方程组及测量更新方程组，即可求得电池SOC估算值。


4...

【专利技术属性】
技术研发人员：周迅，黄勇，孟令峰，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51