基于改进PNGV模型和扩展卡尔曼算法的SOC估算方法技术

本发明专利技术涉及一种基于扩展卡尔曼的SOC估算方法，其特征在于，建立基于PNGV的改进等效电路模型在一定程度上弥补了内阻模型无法表征锂电池动态特性的缺点，加入RC回路表征电池内部的极化效应，并加入自放电回路以表征充放电累积引起的电池端电压的变化，对电池具有更加精确的表征性能；通过在卡尔曼滤波算法基础上利用泰勒级数变换使卡尔曼滤波能应用于具有非线性关系的锂离子电池组SOC估算，实现了对锂离子电池组SOC值的有效迭代计算，克服SOC初值误差和安时积分存在的累积误差；该方法在充分考虑锂离子电池成组工作基础上，基于等效模型电路，改进以卡尔曼为基础的迭代计算过程，实现锂离子电池组SOC估算模型的建立和SOC值的数学迭代运算算法的可靠运行。的数学迭代运算算法的可靠运行。

【技术实现步骤摘要】
基于改进PNGV模型和扩展卡尔曼算法的SOC估算方法


[0001]本专利技术涉及一种基于改进PNGV模型和扩展卡尔曼的锂离子电池SOC估算方法。该方法利用电路等效建模，建立了一种基于PNGV的改进电路模型，相对于应用广泛的PNGV模型而言，加入表征自放电效应的电阻放电回路，弥补了PNGV模型在忽略电池长时间静置下的容量损失，更为精确的表征了锂电池的动态工作特性。在电池等效电路模型基础上，运用扩展卡尔曼算法实现锂离子电池组SOC估算空间模型的建立和SOC值的数学迭代运算，该方法针对锂离子电池组SOC值的精确估算目标，通过在卡尔曼滤波算法基础上利用泰勒级数展开式进行线性化，将其应用于具有非线性关系的锂离子电池组SOC估算，实现了锂离子电池组SOC值的有效迭代计算，克服了传统SOC估计的安时积分法存在的误差累积效应；该方法是一种基于现代控制理论的锂离子电池组状态估算方法，属于新能源测控领域。

技术介绍

[0002]能源安全和环境保护在中国的发展规划中发挥着重要作用。追求新能源替代传统化石燃料已成为所有国家关注的焦点。锂电池由于高能量密度，长使用寿命，高输出功率和高性价比等特点，在新能源领域得到了广泛的应用和发展。然而，目前的电池的使用寿命和能量密度等性能指标并没有达到十分理想的状态，锂电池的使用过程也存在着一定的安全隐患。因此，需要电池管理系统（Battery Management System, BMS）进行实时状态监控和安全控制，以确保使用过程中的安全性、动力性和耐久性。有效的等效建模和精确的荷电状态估计是电池管理系统中的关键技术。在锂离子电池组的整个生命周期中，电池管理系统（Battery Management System，BMS）对核心参数SOC的监控和调节将影响应急动力输出的效果和安全性能；因此，实时监测SOC参数的变化，并基于此观测电池其他重要参数，保障锂离子电池组的工作性能是非常必要的；由于BMS中的成组SOC估算技术尚不成熟，使用过程中存在的安全隐患严重制约了锂离子电池组的发展；对于锂离子电池组而言，可靠的BMS管理依靠准确的SOC值；在该值已知的情况下，不仅对其进行可靠能量管理和安全控制，而且还避免锂离子电池组的提前损坏，延长其使用寿命；因此，精确估算SOC值，对保障锂离子电池组的工作性能及其能量和安全管理至关重要；锂离子电池组的SOC估算模型构建和精确估算值得获取，已成为其能量和安全管理的核心问题；锂离子电池组由具有高能量密度和闭路电压的钴酸锂电池单体组合构成，其安全性受到所处工作状态的影响；SOC表征了锂离子电池组的剩余容量，是为电池管理系统最基本也是最重要的的一个关键参数；此外，锂离子电池组的充放电过程包含复杂电能、化学能和热能转换等环节，过充电和过放电现象易引发安全事故，精确SOC估算在防止过充电和过放电中起着重要作用；在锂离子电池组的应用中，其安全性依然是最为关注的问题，SOC估算是其安全使用的基础和前提；锂离子电池组通常采用电池单体级联结构成组使用，以满足辅助动力供能过程中的容量和电压需求。然而，由于无法避免的材料和工艺差异，单体间不一致现象客观存在且无法避免；并且，该现象会随着循环次数的增加越来越明显，这就使得单体间不一致性的表达与修正成为成组SOC估算的重要组成部分，同时也给成组SOC精确估算带来了巨大的挑战。
[0003]针对SOC估算的必要性和紧迫性需求，相关研究机构和高校，如麻省理工学院、宾州州立大学、美国南卡大学、英国利兹大学、英国罗伯特高登大学、美国国家可再生能源室、美国莱登能源公司、德国英飞凌科技公司、清华大学、北京航空航天大学、北京理工大学、北京交通大学、重庆大学、中国科学技术大学和哈尔滨工业大学等，针对SOC估算展开了大量研究并进行了深入的探索；国内外很多期刊，如Journal of Power Sources、Applied Energy、IEEE Transactions on Power Systems和电源技术等，设立了针对性很强的栏目用于相关研究成果展示；针对锂离子电池的SOC估算问题，目前国内外相关研究工作者取得了巨大研究进展；如Hu等所述，现在主要有安时积分法（Ampere hour，Ah）、开路电压法（Open Circuit Voltage，OCV）、卡尔曼滤波及其扩展算法、粒子滤波法（Particle Filter，PF）和神经网络法（Neural Network，NN）等；由于受充放电电流、温度、内阻、自放电和老化等诸多因素的影响，锂离子电池性能变化将会对SOC估算精度产生明显的影响，尚无通用的方法实现SOC值得精确估算；加上成组工作过程中单体间一致性的影响，锂离子电池组仍然缺少有效的SOC估算方法；目前实际应用的SOC估算通过基本的安时积分方法实现，但是估算误差较大，并且受到诸多因素的影响使得误差累积效应明显；针对锂离子电池组的SOC估算研究，上述相关研究提供了思路参考；在此基础上进行航空工况下的SOC估算方法探索，实现对锂离子电池组的有效SOC估算；同时，针对航空成组应用，需要考虑组内各电池单体平衡状态进行SOC估算，进而利用BMS进行有效能量管理；构建具有参数修正和调节能力的SOC估算模型，运用基于等效电路模型的参数估算理论，成为SOC估算发展的趋势，在提高精度和降低计算量间寻求最佳平衡点，不断优化和改进估算方法。
[0004]在现有锂离子电池组BMS系统中，基于安时积分和开路电压的SOC估算方法，对于SOC估算中存在的累积误差无法进行反馈校正，并且不能结合当前状态进行参数修正；通过现有SOC估算方法分析，基于扩展卡尔曼算法研究，把实际电流数据作为实时输入参量，在SOC估算过程中以锂离子电池组的工况信息为数据驱动，克服了传统SOC估算方法实时修正不足所造成的误差较大和逐渐累积等缺点；同时针对卡尔曼算法只能运用于线性系统的局限性，扩展卡尔曼能将非线性的系统经泰勒级数展开式进行线性化，具有较高的精度；针对锂离子电池组的SOC估算问题，结合实际单片机处理方法和迭代计算过程的优势，提出改进卡尔曼算法并开展迭代计算方法研究，实现了SOC估算模型的构建与实验验证。

技术实现思路

[0005]本专利技术的目的是为了克服现有锂离子电池组SOC估算方法的缺陷，提供一种基于改进的PNGV等效电路模型和扩展卡尔曼的锂离子电池组SOC估算方法，解决锂离子电池应用中SOC值精确估算问题。
[0006]本专利技术主要用于锂离子电池组SOC估算，通过在卡尔曼滤波算法中利用雅可比矩阵处理非线性函数关系即处理均值和协方差的非线性传递问题，实现了锂离子电池组SOC值的有效迭代计算，并增加了估算精度和稳定性。
[0007]本专利技术是基于锂离子电池组动力应用需求和工作特性实验分析，结合现代控制理论研究思想，基于扩展卡尔曼算法的锂离子电池组SOC估算方法，具有较强的适用性；针对锂离子电池组SOC值精确估算目标，本专利技术建立改进的PNGV等效电路模型在一定程度上弥补了内阻模型无法表征锂电池动态特性的缺点，并加入RC回来表征电池内部的极化效应，
增加并联电阻以表征自放电效应，能够更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进PNGV等效电路模型和扩展卡尔曼滤波器的锂离子电池SOC估算方法，其特征在于，通过改进的PNGV等效模型，有效表征锂离子电池的充放电特性；利用扩展卡尔曼滤波算法，通过泰勒展开式解决了SOC估算中的非线性的问题，实现了对锂离子电池组SOC值的有效迭代计算。2.根据权利要求1所述的一种基于改进PNGV等效电路模型和扩展卡尔曼SOC估算方法，其特征在于，该等效电路模型加入RC回路来表征电池内部的极化效应，在一定程度上弥补了经典内阻模型无法表征锂电池非线性工作特征的缺点；加入自放电回路，弥补了普通PNGV等效模型忽略电池端电压变化造成的估算不精确，对电池具有更加精确的表征性能。3.根据权利要求1所述的一种基于改进PNGV...

【专利技术属性】
技术研发人员：何明芳，王顺利，邹传云，于春梅，李小霞，范永存，曹文，熊丽英，靳玉红，乔静，陈蕾，刘春梅，张丽，王瑶，周长松，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：