一种电池容量解耦的锂电池荷电状态估计方法技术

本发明专利技术公开了一种电池容量解耦的锂电池荷电状态估计方法，该估计方法包括了电池模型参数在线辨识，凸优化代价函数设计和牛顿法求解代价函数。首先利用电池模型，得到离散化递推式，使用带有遗忘因子的最小二乘法对电池的参数进行在线辨识，得到电池参数。之后，在不使用电池容量的前提下，利用SOC滤波器和离散递推式，构造出代价函数，使代价函数在状态估计时始终为凸函数。最后使用牛顿法对代价函数进行求解，得到电池荷电状态的递推式。本发明专利技术所提出的一种电池容量解耦的锂电池荷电状态估计方法，不依赖电池容量参数，实现了精准的荷电状态估计，且在初始点不准确时也可以快速追踪电池荷电状态的真实值。踪电池荷电状态的真实值。踪电池荷电状态的真实值。

【技术实现步骤摘要】
一种电池容量解耦的锂电池荷电状态估计方法


[0001]本专利技术涉及锂电池荷电状态估计
，尤其涉及一种电池容量解耦的锂电池荷电状态估计方法。

技术介绍

[0002]随着新能源技术和电动汽车的发展，锂离子电池因其能量密度高、重量轻、寿命长而被大范围使用。然而，锂电池的安全性，可靠性依然是商业使用过程中的主要挑战。锂离子电池的荷电状态是电池运行的重要参数之一，对荷电状态的精准估计是电池的安全稳定运行的重要保障。
[0003]荷电状态不能通过测量直接得到，传统的荷电状态估计方法，一般是使用安时积分法和卡尔曼滤波法。这两种方法容易实现因而得到了大量应用。但是，这两种方法都使用了电池容量作为估计的主要参数。而电池容量与电池寿命高度相关，这导致锂电池荷电状态估计在电池容量不准确的情况下精确度不高。
[0004]鉴于此，本专利技术所提出的一种电池容量解耦的锂电池荷电状态估计方法，在不使用电池容量的条件下，使用凸优化的方法求解电池模型，实现了电池荷电状态与电池容量的解耦，有效的提高了荷电状态估计的精确度和鲁棒性，有利于锂电池的安全运行。

技术实现思路

[0005]本专利技术的目的在于精确估计锂离子电池的荷电状态，实现荷电状态与电池容量的解耦，增强算法的稳定性，提高锂电池运行的可靠性。
[0006]为了实现本专利技术的目的，本专利技术采取的技术方案为：
[0007]一种电池容量解耦的锂电池荷电状态估计方法，包括以下步骤：
[0008]步骤一、建立锂电池的电池模型；
[0009]步骤二、对电池模型中锂电池的电池当前电压参数k1、电池当前电流参数k2，电池反馈电流参数k3进行在线识别，得到电池参数的辨识结果；
[0010]步骤三、依据得到电池参数的辨识结果，利用SOC滤波器构造代价函数；
[0011]步骤四、对代价函数利用牛顿迭代法进行求解，得到迭代方程，并计算出δSOC(k)的值；
[0012]步骤五、得到的δSOC(k)的值进行判断，若δSOC(k)＞0.01并且未达到最大迭代值50，则迭代方程进行不断的迭代，直至δSOC(k)≤0.01或已达到最大迭代值50，得到最终的SOC(k)值。
[0013]进一步的，所述步骤一种锂电池的电池模型为：
[0014][0015]其中，R0为电池内阻，R1为电池极化电阻，C1为电池极化电容，I为电池电流，V1为极化电压，V
T
为电池端电压，V
oc
为电池开路电压。
[0016]进一步的，所述步骤二中对电池模型中锂电池的参数进行在线识别的过程如下：
[0017]S1.基于电池模型分析，使用拉普拉斯变换，得到电池模型的传递函数：
[0018][0019]其中：V
T
(s)为端电压的拉普拉斯变换，j为虚数单位，ω为角频率，I(s)为电流的拉普拉斯变换；
[0020]S2.对得到的传递函数进行离散化，得到Z域的代数方程：
[0021][0022]式中，
[0023][0024]其中：T为采样时长，V
T
(k)为第k时刻的电池端电压，V
oc
(k)为第k时刻的电池开路电压，I(k)为第k时刻的电池电流，k1为电池当前电压参数，k2为电池当前电流参数，k3为电池反馈电流参数，z为z变换的复变量；
[0025]S3.将Z域的代数方程进行Z逆变换，得到Z域的逆变方程：
[0026]V
T
(k)＝k1V
T
(k
‑
1)+k2I(k)+k3I(k)+V
oc
(k)
‑
k1V
oc
(k
‑
1)
[0027]由于采样过程时间间隔很小，可以认为SOC在一个采样时间里保持不变，将变换后的函数化简后得到简化后的函数，简化后的函数值如下：
[0028]V
T
(k)＝k1V
T
(k
‑
1)+k2I(k)+k3I(k)+(1
‑
k1)V
oc
(k)
[0029]将简化后的函数进一步化简为最小二乘法的基本式，得到第k时刻输入量最小二乘法的基本式如下：
[0030][0031]式中，
[0032][0033]其中：V
T
(k
‑
1)为第k
‑
1时刻的电池端电压，I(k
‑
1)为第k
‑
1时刻的电池电流，θ(k)为第k时刻的辨识参数向量，为第k时刻输入向量，y(k)为第k时刻输出向量；
[0034]S4.使用带有遗忘因子的最小二乘法对电池模型的参数k1,k2,k3进行辨识，得到最小二乘法的递推方程，并将输入，得到k1,k2,k3的辨识结果，递推方程如下：
[0035][0036]其中：λ为遗忘因子，K(k)为第k时刻修正向量，P(k)为第k时刻误差矩阵，P(k
‑
1)为第k
‑
1时刻误差矩阵，E为单位矩阵，为第k时刻输入向量的转置矩阵，θ(k
‑
1)为第k
‑
1时刻的辨识参数向量。
[0037]进一步的，所述步骤三中代价函数为：
[0038]G＝λ1(V
T
(k)
‑
k1V
T
(k
‑
1)
‑
k2I(k)
‑
k3I(k)
‑
(1
‑
k1)V
oc
(k))2+λ2(SOC(k)
‑
SOC(k
‑
1))2[0039]其中：G为代价函数表达式，其值由电压误差与SOC滤波器共同组成，λ1，λ2为权值常数，SOC(k)第k时刻的SOC的值，SOC(k
‑
1)为第k
‑
1时刻的SOC的值，V
T
(k)为第k时刻的电池端电压，V
oc
(k)为第k时刻的电池开路电压，I(k)为第k时刻的电池电流，V
T
(k
‑
1)为第k
‑
1时刻的电池端电压，I(k
‑
1)为第k
‑
1时刻的电池电流，k1为电池当前电压参数，k2为电池当前电流参数，k3为电池反馈电流参数；
[0040]进一步的，所述步骤四中迭代方程如下：
[0041][0042]式中：
[0043][0044]其中：n为牛顿迭代法的迭代次数，k为时间序列，δSOC(k)为SOC(k)的修正值，δSOC(k)
n
‑1第k时刻第n
‑
1次迭代时SOC(k)的修正值，J为雅可比矩阵，H为海森矩阵，为偏导数符号，G(k)
n
为第k时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池容量解耦的锂电池荷电状态估计方法，其特征在于：包括以下步骤：步骤一、建立锂电池的电池模型；步骤二、对电池模型中锂电池的电池当前电压参数k1、电池当前电流参数k2，电池反馈电流参数k3进行在线识别，得到电池参数的辨识结果；步骤三、依据得到电池参数的辨识结果，利用SOC滤波器构造代价函数；步骤四、对代价函数利用牛顿迭代法进行求解，得到迭代方程，并计算出δSOC(k)的值；步骤五、得到的δSOC(k)的值进行判断，若δSOC(k)＞0.01并且未达到最大迭代值50，则迭代方程进行不断的迭代，直至δSOC(k)≤0.01或已达到最大迭代值50，得到最终的SOC(k)值。2.如权利要求1所述的一种电池容量解耦的锂电池荷电状态估计方法，其特征在于：所述步骤一种锂电池的电池模型为：其中，R0为电池内阻，R1为电池极化电阻，C1为电池极化电容，I为电池电流，V1为极化电压，V
T
为电池端电压，V
oc
为电池开路电压。3.如权利要求2所述的所述的一种电池容量解耦的锂电池荷电状态估计方法，其特征在于：所述步骤二中对电池模型中锂电池的参数进行在线识别的过程如下：S1.基于电池模型分析，使用拉普拉斯变换，得到电池模型的传递函数：其中：V
T
(s)为端电压的拉普拉斯变换，j为虚数单位，ω为角频率，I(s)为电流的拉普拉斯变换；S2.对得到的传递函数进行离散化，得到Z域的代数方程：式中，其中：T为采样时间，V
T
(k)为第k时刻的电池端电压，V
oc
(k)为第k时刻的电池开路电压，I(k)为第k时刻的电池电流，k1为电池当前电压参数，k2为电池当前电流参数，k3为电池反馈电流参数，z为z变换的复变量；S3.将Z域的代数方程进行Z逆变换，得到Z域的逆变方程：
V
T
(k)＝k1V
T
(k
‑
1)+k2I(k)+k3I(k)+V
oc
(k)
‑
k1V
oc
(k
‑
1)由于采样过程时间间隔很小，可以认为SOC在一个采样时间里保持不变，将变换后的函数化简后得到简化后的函数，简化后的函数值如下：V
T
(k)＝k1V
T
(k
‑
1)+k2I(k)+k3I(k)+(1
‑
k1)V
oc
(k)将简化后的函数进一步化简为最小二乘法的基本式，得到第k时刻输入量最小二乘法的基本式如下：式中，其中：V
T
(k
‑

【专利技术属性】
技术研发人员：杨志祥，冯喜军，李勇，孙勇卫，赵英龙，姜利，万江湖，龙晓明，刘李，
申请(专利权)人：威胜电气有限公司，
类型：发明
国别省市：