一种锂电池Soc估算方法技术

本发明专利技术提供了锂电池Soc估算技术领域的一种锂电池Soc估算方法，包括：步骤S10、将锂电池等效为一阶戴维宁电路，实时采集锂电池的输出电压和输出电流；步骤S20、基于一阶戴维宁电路、输出电压以及输出电流构建第一状态空间方程组；步骤S30、通过偏差补偿最小二乘法对一阶戴维宁电路进行在线辨识，得到所述一阶戴维宁电路的电路参数，基于电路参数更新第一状态空间方程组；步骤S40、对第一状态空间方程进行欧拉变换离散化，得到第二状态空间方程组；步骤S50、通过联合改进型自适应衰减扩展卡尔曼滤波算法不断更新第二状态空间方程组；步骤S60、基于第二状态空间方程组对锂电池Soc进行估算。本发明专利技术的优点在于：极大的提升了Soc估算的精度以及抗干扰性能。精度以及抗干扰性能。精度以及抗干扰性能。

【技术实现步骤摘要】
一种锂电池Soc估算方法


[0001]本专利技术涉及锂电池Soc估算
，特别指一种锂电池Soc估算方法。

技术介绍

[0002]在推崇绿色经济，提倡可持续发展的当今时代，新能源汽车被认为是未来发展的重要方向，而动力电池在新能源汽车中扮演着关键的角色，它不但可以实现能量的存储，而且还可以将电能与化学能进行转化。目前，动力电池主要采用铅酸电池、铅炭电池以及锂电池等。
[0003]由于锂电池技术还不成熟，存在一次性充电行驶里程较短、安全性能差及使用寿命短等缺点，为保障动力电池在使用过程中的安全高效运作，需要通过电池管理系统BMS对锂电池进行管理和控制，而管理和控制的基础是锂电池Soc的估算，通过将估算的Soc传递给整车控制单元，能防止新能源汽车在运行过程中动力电池发生过充过放的现象，提高动力电池工作的可靠性和安全性。
[0004]针对锂电池Soc的估算，传统上主要存在如下方法：
[0005]1、安时积分法，该方法会产生累积误差，随着电池长时间的工作，误差也会随之增大，并且过度依赖Soc初始值。
[0006]2、卡尔曼滤波法(Kalman Filter，KF)，它是一种使用状态空间方程描述系统的递推滤波算法，是一种递推的线性最小方差估计法，缺点是仅限于线性系统，而锂电池具有很强的非线性特性，因此无法直接采用卡尔曼滤波算法进行锂电池Soc估算。
[0007]3、扩展卡尔曼滤波(Extended Kalman Filter，EKF)算法，它是利用泰勒级数将非系统线性化处理，且忽略高次项并保留一次项后进行Soc估算，但在系统噪声不确定的情况下，很容易引起滤波发散，且EKF算法对模型的依赖性较强，观测方程的非线性函数在采用线性化时忽略了高次项，容易产生线性化误差，况且BMS在电流采集过程中会伴随着噪声信号，导致Soc估算的精度欠佳。
[0008]4、神经网络算法，它不需要建立精确的电路模型，具有高度非线性、自学习性强等优点，但训练过程过于复杂，不适合真正的嵌入式系统，还过度依赖样本数据。
[0009]5、开路电压法，该方法具有一定的可靠性，但这种方法是在理想实验条件下，通过长时间的静置获取不同Soc下的OCV值，然后利用查表法估算Soc，随着锂电池年限使用越来越久，其Soc估算的精度也会受电池老化因素的影响所逐渐降低，即使在实验条件下存在函数关系，但这种函数关系也会受外部环境因素所影响，例如受温度影响。
[0010]因此，如何提供一种锂电池Soc估算方法，实现提升Soc估算的精度以及抗干扰性能，成为一个亟待解决的技术问题。

技术实现思路

[0011]本专利技术要解决的技术问题，在于提供一种锂电池Soc估算方法，实现提升Soc估算的精度以及抗干扰性能。
[0012]本专利技术是这样实现的：一种锂电池Soc估算方法，包括如下步骤：
[0013]步骤S10、将锂电池等效为一阶戴维宁电路，实时采集锂电池的输出电压和输出电流；
[0014]步骤S20、基于所述一阶戴维宁电路、输出电压以及输出电流构建第一状态空间方程组；
[0015]步骤S30、通过偏差补偿最小二乘法对所述一阶戴维宁电路进行在线辨识，得到所述一阶戴维宁电路的电路参数，基于所述电路参数更新第一状态空间方程组；
[0016]步骤S40、对所述第一状态空间方程进行欧拉变换离散化，得到第二状态空间方程组；
[0017]步骤S50、通过联合改进型自适应衰减扩展卡尔曼滤波算法不断更新所述第二状态空间方程组；
[0018]步骤S60、基于所述第二状态空间方程组对锂电池Soc进行估算。
[0019]进一步地，所述步骤S10中，所述一阶戴维宁电路包括一电阻R0、一电阻R1、一电容C1以及一等效电池cell；所述电阻R1与电容C1并联后，一端与电阻R0连接；所述电阻R0与等效电池cell的正极连接；
[0020]所述输出电压为U
L
，所述输出电流为I
L
。
[0021]进一步地，所述步骤S20中，所述第一状态空间方程组的构建过程如下：
[0022]根据基尔霍夫电压定律得到方程组：
[0023][0024]锂电池的荷电状态的计算公式如下：
[0025][0026]联合式(1)，并对式(2)求导，得到第一状态空间表达式：
[0027][0028]其中，U1表示电容C1两端的极化电压；dU1表示U1的微分；dt表示充放电时间的微分；Soc表示等效电池cell的剩余电量；Q表示锂电池的实际电量；表示对U1进行求导；表示对Soc进行求导；Soc(0)表示锂电池荷电状态的初始值；Soc(t)表示锂电池t时刻的荷电状态；η表示锂电池的充放电效率，取值近似为1；Uoc(Soc)表示开路电压值；Uoc表示等效电池cell的电压。
[0029]进一步地，所述步骤S30具体包括：
[0030]步骤S31、通过偏差补偿最小二乘法对所述一阶戴维宁电路进行在线辨识，得到辨识参数θ1、θ2、θ3：
[0031][0032][0033][0034]其中，T'表示采样时间；τ表示时间常数，且τ＝R1C1；
[0035]步骤S32、基于所述θ1、θ2、θ3以及τ计算得到包括R0、R1、C1取值的电路参数：
[0036][0037][0038][0039]进一步地，所述步骤S40中，所述第二状态空间方程组的公式为：
[0040][0041]其中，Δt表示欧拉变换的采样时间；k表示欧拉变换后的充放电k时刻。
[0042]进一步地，所述步骤S60具体为：
[0043]基于所述第二状态空间方程组输出k+1时刻的Soc值Soc(k+1)，以对锂电池下一时刻的Soc进行估算。
[0044]本专利技术的优点在于：
[0045]通过采用一阶戴维宁电路对锂电池进行等效，能更准确地反应锂电池的静态特性和动态特性，通过采用偏差补偿最小二乘法对一阶戴维宁电路进行在线辨识，克服了常规最小二乘法因出现数据饱和、不确定性噪声等问题所造成辨识模型不具有无偏性的问题，通过采用联合改进型自适应衰减扩展卡尔曼滤波算法更新第二状态空间方程组，相对于传统的安时积分法以及扩展卡尔曼滤波算法，具有更好的抗干扰性能，最终极大的提升了Soc估算的精度以及抗干扰性能。
附图说明
[0046]下面参照附图结合实施例对本专利技术作进一步的说明。
[0047]图1是本专利技术一种锂电池Soc估算方法的流程图。
[0048]图2是本专利技术一阶戴维宁电路的电路图。
[0049]图3是本专利技术Soc与OCV的拟合曲线图。
[0050]图4是本专利技术Soc估算对比示意图。
[0051]图5是本专利技术Soc估算误差对比示意图。
具体实施方式
[0052]本申请实施例中的技术方案，总体思路如下：基于一阶戴维宁电路，结合偏差补偿最小二乘法以及联合改进型自适应衰减扩展卡尔曼滤波算法提升抗噪本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池Soc估算方法，其特征在于：包括如下步骤：步骤S10、将锂电池等效为一阶戴维宁电路，实时采集锂电池的输出电压和输出电流；步骤S20、基于所述一阶戴维宁电路、输出电压以及输出电流构建第一状态空间方程组；步骤S30、通过偏差补偿最小二乘法对所述一阶戴维宁电路进行在线辨识，得到所述一阶戴维宁电路的电路参数，基于所述电路参数更新第一状态空间方程组；步骤S40、对所述第一状态空间方程进行欧拉变换离散化，得到第二状态空间方程组；步骤S50、通过联合改进型自适应衰减扩展卡尔曼滤波算法不断更新所述第二状态空间方程组；步骤S60、基于所述第二状态空间方程组对锂电池Soc进行估算。2.如权利要求1所述的一种锂电池Soc估算方法，其特征在于：所述步骤S10中，所述一阶戴维宁电路包括一电阻R0、一电阻R1、一电容C1以及一等效电池cell；所述电阻R1与电容C1并联后，一端与电阻R0连接；所述电阻R0与等效电池cell的正极连接；所述输出电压为U
L
，所述输出电流为I
L
。3.如权利要求2所述的一种锂电池Soc估算方法，其特征在于：所述步骤S20中，所述第一状态空间方程组的构建过程如下：根据基尔霍夫电压定律得到方程组：锂电池的荷电状态的计算公式如下：联合式(1)，并对式(2)求导，得...

【专利技术属性】
技术研发人员：余文涛，刘继文，刘作斌，汤慈全，
申请(专利权)人：福建星云电子股份有限公司，
类型：发明
国别省市：