一种锂离子电池SOC与容量联合估计方法技术

本发明专利技术公开了一种锂离子电池SOC与容量联合估计方法，属于动力电池管理领域。具体步骤为：一，锂离子电池等效电路模型的建立；二，结合电池模型与安时积分模型建立状态空间方程；三，将电池容量衰减量作为电池模型误差在状态方程中表征；四，解耦估计算法得到并行的状态量估计器与模型误差估计器，即误差校正扩展卡尔曼滤波算法可以用来同时估计锂离子电池SOC和容量。本发明专利技术提出估计电池模型误差的EKF改进算法，将电池老化导致的容量衰退作为模型误差，使用基于EKF的SOC和模型误差的解耦估计算法，实现对容量的估计，并实时补偿SOC的估计误差。仿真结果表明，本方法不但可以提高SOC估计的准确度，还可以实现对容量误差的估计。还可以实现对容量误差的估计。还可以实现对容量误差的估计。

【技术实现步骤摘要】
一种锂离子电池SOC与容量联合估计方法


[0001]本专利技术属于动力电池管理领域，具体是指一种锂离子电池SOC与容量联合估计方法。

技术介绍

[0002]车用动力电池为电动汽车提供主要动力，其技术性能和经济成本决定着电动汽车的发展前景。为了提高电池的工作性能和延长电池的使用寿命，良好的电池管理系统(Battery Management System,BMS)已经成为当今电动汽车至关重要的一部分。电池SOC和容量估计是BMS最核心的功能，二者的估算精度和实用性非常重要。
[0003]电池荷电状态(State Of Charge,SOC)反映电池的剩余电量。目前主要的SOC估计方法有开路电压法、电化学阻抗法、安时积分法、神经网络法、卡尔曼滤波法等。各种算法存在的问题如下：开路电压法虽然在充放电开始和结束阶段能够较好地估计电池SOC，但充放电过程中因SOC
‑
OCV“平台期”的存在导致SOC估计误差较大，并且因为需要长时间静置电池组才能获取开路电压，与实时性相矛盾，在工程实践中很少单独使用；电化学阻抗法在电池电量较低或较高时能够得到较为准确的SOC估计结果，但是因为电量在中间段时交流阻抗的变化较小，所以SOC估计不准，此外阻抗受电量初始值、温度、老化程度等较大程度的影响，BMS硬件也难以实现，很少用于实际的BMS中；安时积分法简单、实用有效，是目前最常用的SOC估计算法，安时积分法作为开环算法受到SOC初始误差、库伦效率、电流测量误差、容量误差等因素的影响，产生SOC估计误差且会不断累积；神经网络法需要依赖于大量数据集用于训练，且计算复杂，成本高，较少应用于实际；卡尔曼滤波法是目前估计电池SOC的研究重点，作为基于电池模型的闭环估计方法，能够消除SOC初始误差的影响，能够抑制电压及电流传感器噪声等的随机干扰。但是，传统的卡尔曼滤波算法对电池模型的精度有较高要求，如果模型参数与滤波器参数不匹配，会产生有偏差的SOC估计结果甚至可能造成最终的SOC预测结果发散。
[0004]电池容量是评价电池健康状况(State Of Health,SOH)的重要指标之一，可以衡量电池的老化程度。电池容量的估算可分为离线估算和在线估算。离线估算电池容量通常是在实验室完成的，对于在线使用的电池并不适用。在线估算电池可用容量的方法主要有以下两种：一是基于离线数据驱动的预测方法，使用大量电池性能的测试数据，从中发现电池性能变化规律用于寿命预测，由数据拟合得到电池相应指标的解析模型，进行电池健康状态预测。但该方法测试数据准备要求高，模型仅适用于对应电池类型，计算量大；二是基于特征的预测，利用电池老化过程中所表现出来的特征参量的演变，建立特征量与电池寿命之间的对应关系用于寿命预测。常用的算法有双卡尔曼滤波算法，这一方法通过建立电池模型以及电池参数衰减的状态空间方程，实现针对SOC和SOH的联合估计。这一算法对电池模型要求较高，同时对外部环境作了过于理想化的假设，导致了其难以很好处理具有偏置的噪声，在特定情况下同样易导致噪声的积累，削弱了SOC与SOH估算的抗干扰能力。
[0005]以上各种方法都存在一定的问题。因此，研究一种精度高、可靠实用的SOC和容量
估算方法对车用动力电池使用和维护、促进电动汽车的发展具有积极意义。

技术实现思路

[0006]本专利技术针对现有技术中存在的问题，公开了一种锂离子电池SOC与容量联合估计方法，将容量衰退作为模型误差，实现电池模型误差的识别、估计、补偿，得到更精确的SOC和容量估计值，使电动汽车充分地利用电能，提高行车效率。
[0007]本专利技术是这样实现的：
[0008]一种锂离子电池SOC与容量联合估计方法，所述的估算方法包括以下步骤：
[0009]步骤一，建立锂离子电池等效电路模型，其作用是用来研究包括电池的端电压、充、放电电流、工作温度外特性之间的关系，表征电池静态特性及动态特性；
[0010]步骤二，结合电池模型与安时积分模型建立状态空间方程；
[0011]步骤三，将电池容量衰减量作为电池模型误差在状态方程中表征；
[0012]步骤四，将以上状态空间方程代入EKF算法迭代式，解耦估计算法得到并行的状态量估计器与模型误差估计器，即误差校正扩展卡尔曼滤波算法用来同时估计锂离子电池SOC和容量。
[0013]进一步地，步骤一，建立一阶RC锂离子电池等效电路模型的表达式为：
[0014][0015]其中U
t
为电池端电压；U
OCV
为电池开路电压；I
B
为电流，规定放电时为正，充电时为负；R0为电池欧姆内阻；U
P
为极化电压；R
P
与C
P
分别是极化内阻和极化电容。
[0016]进一步地，步骤二，安时积分模型：
[0017][0018]其中，SOC
k
和SOC
k+1
分别为迭代至第k步和第k+1步的电池荷电状态的数值；η为库伦效率；Δt为系统采样周期；C
N
为电池标称容量；I
B,k
为电流值，规定放电为正，充电为负。
[0019]则系统的状态空间方程是：
[0020][0021]式中w
1,k
和w
2,k
分别为系统状态方程中对应于SOC和U
P
的高斯白噪声项，v
k+1
为系统观测方程的高斯白噪声项。
[0022]进一步地，所述的步骤三具体为：
[0023]将电池容量衰减量作为电池模型误差在状态方程中表征，得到以下的状态空间表
达式
[0024][0025]其中b
k
为电池容量衰减导致的模型误差。
[0026]进一步地，所述步骤四中，将所述状态空间表达式代入EKF算法迭代式，解耦估计算法得到并行的状态量估计器与模型误差估计器，可用来同时估计锂离子电池SOC和容量，
[0027]首先，非线性时变系统的状态方程为：
[0028][0029]式中，x
k
和x
k
‑1分别为系统处于k时刻和k
‑
1时刻的状态向量，u
k
和u
k
‑1分别为系统k时刻和k
‑
1时刻的控制输入向量，f(x
k
‑1,u
k
‑1)是非线性系统的状态方程函数，w
k
‑1为过程噪声，y
k
为系统k时刻的观测向量，h(x
k
,u
k
)为非线性系统的观测方程函数，v
k
为观测噪声。
[0030]进一步地，为了达到线性化处理，采用泰勒公式进行展开，定义
[0031][0032][0033]其中，A
k
为系统状态转移矩阵，C
k
为系统的观测矩阵。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂离子电池SOC与容量联合估计方法，其特征在于，所述的估算方法包括以下步骤：步骤一，建立锂离子电池等效电路模型，其作用是用来研究包括电池的端电压、充、放电电流、工作温度外特性之间的关系，表征电池静态特性及动态特性；步骤二，结合电池模型与安时积分模型建立状态空间方程；步骤三，将电池容量衰减量作为电池模型误差在状态方程中表征；步骤四，将以上状态空间方程代入EKF算法迭代式，解耦估计算法得到并行的状态量估计器与模型误差估计器，即误差校正扩展卡尔曼滤波算法用来同时估计锂离子电池SOC和容量。2.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法，其特征在于，步骤一，建立一阶RC锂离子电池等效电路模型的表达式为：其中U
t
为电池端电压；U
OCV
为电池开路电压；I
B
为电流，规定放电时为正，充电时为负；R0为电池欧姆内阻；U
P
为极化电压；R
P
与C
P
分别是极化内阻和极化电容。3.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法，其特征在于，步骤二，安时积分模型：其中，SOC
k
和SOC
k+1
分别为迭代至第k步和第k+1步的电池荷电状态的数值；η为库伦效率；Δt为系统采样周期；C
N
为电池标称容量；I
B,k
为电流值，规定放电为正，充电为负，则系统的状态空间方程是：式中w
1,k
和w
2,k
分别为系统状态方程中对应于SOC和U
P
的高斯白噪声项，v
k+1
为系统观测方程的高斯白噪声项。4.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法，其特征在于，所述的步骤三具体为：将电池容量衰减量作为电池模型误差在状态方程中表征，得到以下的状态空间表达式
其中b
k
为电池容量衰减导致的模型误差。5.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法，其特征在于，所述步骤四中，将所述状态空间表达式代入EKF算法迭代式，解耦估计算法得到并行的状态量估计器与模型误差估计器，可用来同时估计锂离子电池SOC和容量，首先，非线性时变系统的状态方程为：式中，x
k
和x
k
‑1分别为系统处于k时刻和k
‑
1时刻的状态向量，u
k
和u
k
‑1分别为系统k时刻和k
‑
1时刻的控制输入向量，f(x
k
‑1,u
k
‑1)是非线性系统的状态方程函数，w
k
‑1为过程噪声，y
k
为系统k时刻的观测向量，h(x
k
,u
k
)为非线性系统的观测方程函数，v
k
为观测噪声。6.根据权利要求5所述的一种锂离子电池SOC与容量联合估计方法，其特征在于，为了达到线性化处理，采用泰勒公式进行展开，定义达到线性化处理，采用泰勒公式进行展开，定义其中，A
k
为系统状态转移矩阵，C
k
为系统的观测矩阵，扩展卡尔曼滤波算法的递推过程式可表达如下：滤波状态初始条件:滤波状态初始条件:式中，为状态量初始值；为误差协方差矩阵初始值；x0为状态量真实值，假定系统当...

【专利技术属性】
技术研发人员：王伟华，王鑫，
申请(专利权)人：吉林大学，
类型：发明
国别省市：