基于卡尔曼滤波的soc估算方法、系统、介质及电子设备技术方案

本发明专利技术提供一种基于卡尔曼滤波的soc估算方法、系统、介质及电子设备，所述方法包括：提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值；基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量；基于所述soc状态量以及所述soc观测量计算卡尔曼增益，以基于所述卡尔曼增益校正更新soc估算值。本发明专利技术将检测参数和soc估算算法一起集成在芯片上，能实时估算soc，实用性强，具有较高的应用价值；能够精确识别电动车电池的soc，可以预报电池的状态及问题，提高使用时的安全性；并且在估算时考虑到温度的影响，会根据温度变化调整，保证在高低温下的估算结果仍具有很高的准确性。确性。确性。

【技术实现步骤摘要】
基于卡尔曼滤波的soc估算方法、系统、介质及电子设备


[0001]本专利技术涉及电池电量管理
，特别是涉及一种基于卡尔曼滤波的soc估算方法、系统、介质及电子设备。

技术介绍

[0002]两轮电动车作为一种新型的交通工具，目前越来越多的人选择两轮电动车作为市内及短途交通的主要工具，而且其发展和使用必将在主流交通方式中占据一定地位，动力锂电池作为两轮电动车的的能量来源，其SOC(State of Charge)是能量管理系统中最重要和最基础的参数之一，SOC指的是电池的荷电状态，用来描述电池的剩余电量，只有准确的SOC估算值才能进行合理的能量分配，从而更有效地利用有限能源，也能正确预测电动车的剩余行驶里程。
[0003]但锂电池是一个封闭复杂的非线性系统，而且外部环境和内部参数随机变化，使系统数学模型不够准确，产生误差，因此必须提高对电池荷电状态估计的准确性和抗干扰能力，提高估计的鲁棒性。
[0004]现有预测锂电池SOC的方法，大部分都无法实时估算SOC值，且没有考虑到温度对soc 估算的影响，采用的技术都需要将电动车电池参数上传至云端，再对参数进行在线估计，很难应用到两轮电动车上；且这种在线估计在非高斯白噪状态下，无法准确地预测SOC。

技术实现思路

[0005]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于卡尔曼滤波的soc估算方法、系统、介质及电子设备，用于解决现有技术中电动车电池电量检测的问题。
[0006]为实现上述目的及其他相关目的，本专利技术提供一种基于卡尔曼滤波的soc估算方法，所述方法包括：提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值；基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量；基于所述soc状态量以及所述soc观测量计算卡尔曼增益，以基于所述卡尔曼增益校正更新soc估算值。
[0007]于本专利技术的一实施例中，所述提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值，具体包括：
[0008]基于检测电流识别当前电池组充放电状态，其中，所述电池组处于充电状态下时，提取第一电压作为所述电池组单体电压值；
[0009]基于所述第一电压计算当前所述端电压，并与所述自查表中充电电压值进行对比，以得到对应的所述soc初始值。
[0010]于本专利技术的一实施例中，所述方法还包括：
[0011]所述电池组处于放电状态下时，提取第二电压作为所述电池组单体电压值；
[0012]基于所述第二电压计算当前所述端电压，并与所述自查表中放电电压值进行对比，以得到对应的所述soc初始值。
[0013]于本专利技术的一实施例中，所述基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量，具体包括：
[0014]结合所述电池组额定容量以及当前温度值计算所述电池初始容量；
[0015]提取所述间隔周期内所述初始容量的变化值，并结合所述额定容量以及所述温度值计算所述soc状态量；
[0016]提取所述间隔周期内当前时刻电池组单体电压以及电流，以得到第二等效电阻，并匹配预设自查表得到所述soc观测量。
[0017]于本专利技术的一实施例中，所述自查表的生成步骤具体包括：
[0018]提取电动车首次充放电的充电电压、放电电压以及充电电流与放电电流；
[0019]基于所述充电电压、所述放电电压、所述充电电流以及所述放电电流得到第一等效电阻；
[0020]将所述第一等效电阻以及所述充电电压与所述放电电压作为所述自查表的组成元素以得到所述自查表。
[0021]于本专利技术的一实施例中，所述方法还包括在每个所述间隔周期内更新所述卡尔曼增益。
[0022]于本专利技术的一实施例中，所述方法还包括基于更新后的所述soc估算值更新所述自查表，
[0023]为实现上述目的及其他相关目的，本专利技术提供一种上述的基于卡尔曼滤波的soc估算系统，所述系统包括：
[0024]提取模块，用于提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值；
[0025]计算模块，用于基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量；
[0026]校正模块，用于基于所述soc状态量以及所述soc观测量计算卡尔曼增益，以基于所述卡尔曼增益校正更新soc估算值。
[0027]为实现上述目的及其他相关目的，本专利技术提供一种上述的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述基于卡尔曼滤波的soc估算方法。
[0028]为实现上述目的及其他相关目的，本专利技术提供一种上述的电子设备，所述电子设备包括：所述存储器用于存储计算机程序，所述处理器用于加载执行所述计算机程序，以使所述电子设备执行所述基于卡尔曼滤波的soc估算方法。
[0029]如上所述，本专利技术所述的基于卡尔曼滤波的soc估算方法、系统、介质及电子设备，可作将检测参数和soc估算算法一起集成在芯片上，能实时估算soc，实用性强，具有较高的应用价值；能够精确识别电动车电池的soc，可以预报电池的状态并帮助使用者判断是否够骑行，防止半路电动车停电，提高使用时的安全性；并且在估算时考虑到温度的影响，会根据温度变化调整，保证在高低温下的估算结果仍具有很高的准确性。
附图说明
[0030]图1显示为本专利技术的基于卡尔曼滤波的soc估算方法于一实施例中的方法步骤图；
[0031]图2显示为本专利技术的基于卡尔曼滤波的soc估算方法于一实施例中的方法步骤图；
[0032]图3显示为本专利技术的基于卡尔曼滤波的soc估算方法于一实施例中的方法步骤图；
[0033]图4显示为本专利技术的基于卡尔曼滤波的soc估算方法于一实施例中的方法步骤图；
[0034]图5显示为本专利技术的基于卡尔曼滤波的soc估算方法于一实施例中的估算结果示意图；
[0035]图6显示为本专利技术的基于卡尔曼滤波的soc估算系统于一实施例中的结构示意图；
[0036]图7显示为本专利技术的电子设备结构示意图。
具体实施方式
[0037]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0038]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。...

【技术保护点】

【技术特征摘要】
1.一种基于卡尔曼滤波的soc估算方法，其特征在于，包括：提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值；基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量；基于所述soc状态量以及所述soc观测量计算卡尔曼增益，以基于所述卡尔曼增益校正更新soc估算值。2.根据权利要求1所述的基于卡尔曼滤波的soc估算方法，其特征在于，所述提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值，具体包括：基于检测电流识别当前电池组充放电状态，其中，所述电池组处于充电状态下时，提取第一电压作为所述电池组单体电压值；基于所述第一电压计算当前所述端电压，并与所述自查表中充电电压值进行对比，以得到对应的所述soc初始值。3.根据权利要求2所述的基于卡尔曼滤波的soc估算方法，其特征在于，还包括：所述电池组处于放电状态下时，将提取第二电压作为所述电池组单体电压值；基于所述第二电压计算当前所述端电压，并与所述自查表中放电电压值进行对比，以得到对应的所述soc初始值。4.根据权利要求1所述的基于卡尔曼滤波的soc估算方法，其特征在于，所述基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量，具体包括：结合所述电池组额定容量以及当前温度值计算所述电池初始容量；提取所述间隔周期内所述初始容量的变化值，并结合所述额定容量以及所述温度值计算所述soc状态量；提取所述间隔周期内当前时刻电池组单体电压以及电流，以得到第二等效电阻，并匹配预设自查表得到...

【专利技术属性】
技术研发人员：周国鹏，丁鹏，赵恩海，严晓，陈晓华，宋佩，吴炜坤，顾单飞，郝平超，
申请(专利权)人：上海玫克生储能科技有限公司，
类型：发明
国别省市：