一种电池荷电状态检测方法、装置及介质制造方法及图纸

本发明专利技术实施例公开了一种电池荷电状态检测方法、装置及存储介质。其中方法包括：使用扩展卡尔曼滤波器计算所述电池的初始荷电状态数据；判断是否对所述初始荷电状态数据进行补偿；当判断结果为不进行补偿时，将所述初始荷电状态数据作为检测结果输出；以及当判断结果为进行补偿时，采用荷电状态补偿数据对所述初始荷电状态数据进行补偿，并将补偿后的数据作为检测结果输出，其中所述荷电状态补偿数据是使用基于神经网络的比例微分观测器计算得到的。本发明专利技术实施例可以解决使用扩展卡尔曼滤波器来检测荷电状态时收敛慢和初值不稳定的问题，同时又不会使计算显著增加。同时又不会使计算显著增加。同时又不会使计算显著增加。

【技术实现步骤摘要】
一种电池荷电状态检测方法、装置及介质


[0001]本专利技术涉及电池监测
，尤其涉及一种电池荷电状态检测方法、装置及介质。

技术介绍

[0002]在电动汽车领域，由电池为电动汽车提供动力来源以及为电动汽车上其它设备的运行提供资源保障。为了保证电池正常、高效和长期稳定工作，一般会对电池的荷电状态进行检测，以基于检测数据评估电池是否过充或过放；其中，荷电状态((state of charge，SOC)是电池剩余容量与其满充容量的比值，常用百分数表示，其取值范为0～1，当SOC＝0时表示电池放电完全，当SOC＝1时表示电池完全充满。
[0003]而电动汽车用电池是一个复杂的非线性动态系统，其荷电状态是隐含的状态参量，无法直接用仪器测量，因此需要采用的精确且可靠的荷电状态检测方法来得到荷电状态数据。在现有方法中，可以采用卡尔曼滤波法来估计电池的荷电状态。其中，卡尔曼滤波法的核心思想是对动力系统的状态做出最小方差意义上的最优估计,其适合于电流波动比较剧烈的汽车电池SOC的估计。在业界，一般采用扩展卡尔曼滤波器来预估电池的荷电状态。扩展卡尔曼本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池荷电状态检测方法，其特征在于，包括：使用扩展卡尔曼滤波器计算所述电池的初始荷电状态数据；判断是否对所述初始荷电状态数据进行补偿；当判断结果为不进行补偿时，将所述初始荷电状态数据作为检测结果输出；以及当判断结果为进行补偿时，采用荷电状态补偿数据对所述初始荷电状态数据进行补偿，并将补偿后的数据作为检测结果输出，其中所述荷电状态补偿数据是使用基于神经网络的比例微分观测器计算得到的。2.如权利要求1所述的一种电池荷电状态检测方法，其特征在于，所述判断是否对所述初始荷电状态数据进行补偿，包括：根据所述电池的端电压预测误差和所述电池的荷电状态预测值，判断是否对所述初始荷电状态数据进行补偿。3.如权利要求2所述的一种电池荷电状态检测方法，其特征在于，根据所述电池的端电压预测误差和所述电池的荷电状态预测值，判断是否对所述初始荷电状态数据进行补偿，包括：根据以下公式，判断是否需要对所述初始荷电状态数据进行补偿：其中：cap为电池额定容量，k为采样次数，N为指定时间
△
t内的电池端电压值采样次数，SOC
k
和SOC
k
‑
N+1
分别为第k和第k
‑
N+1次采样时刻的荷电状态预测值，y
k
为电池的端电压测量值，为电池的端电压预测值，ε是与电池的端电压和工作电流i
k
相关的且小于1的正数，,是电池的放电效率；其中，当ASM＝1时，不对所述初始荷电状态数据进行补偿；其中，当ASM＝0时，对所述初始荷电状态数据进行补偿。4.如权利要求1所述的一种电池荷电状态检测方法，其特征在于，使用所述基于神经网络的比例微分观测器来计算所述荷电状态补偿数据的过程包括：由神经网络根据所述电池的荷电状态预测值、电池的端电压测量值、工作电流测量值和常数，输出比例系数和微分系数；以及由比例微分观测器根据所述电池的端电压预测误差、比例系数和微分系数，计算所述荷电状态补偿数据。5.如权利要求1所述的一种电池荷电状态检测方法，其特征在于，根据所述电池的端电压预测误差、比例系数和微分系数，计算所述荷电状态补偿数据，包括：根据如下公式，计算所述荷电状态补偿数据：ΔSOC
k
＝K
P
(e
k
‑
e
k
‑1)+K
D
(e
k
‑
2e
k
‑1+e
k
‑2)其中，
△
SOC
k
...

【专利技术属性】
技术研发人员：沈燕卿，
申请(专利权)人：重庆工业职业技术学院，
类型：发明
国别省市：