一种全温度下基于极简电化学模型的锂电池SOC估计方法技术

本发明专利技术涉及一种全温度下基于极简电化学模型的锂电池SOC估计方法，包括以下步骤：步骤1：重建极简电化学模型；步骤2：使用遗传算法对步骤1中建立的极简电化学模型进行参数辨识；步骤3：构建全温度下的极简电化学模型。步骤4：将固相扩散方程进行离散化，得到系统状态空间方程和量测方程；步骤5：基于步骤4的系统状态空间方程和量测方程，将平方根容积卡尔曼滤波算法融入到锂离子电池SOC估算中，得到状态更新后的精确SOC值。在平均电极模型上进行简化处理，并考虑环境温度因素影响，构建全温度下的极简电化学模型，将平方根容积卡尔曼滤波算法融入SOC估算中，消除过程噪声影响，提高运算效率的同时解决因环境温度干扰而造成SOC估算精度不高的问题。精度不高的问题。精度不高的问题。

【技术实现步骤摘要】
一种全温度下基于极简电化学模型的锂电池SOC估计方法


[0001]本专利技术属于锂离子电池
，尤其涉及一种全温度下基于极简电化学模型的锂电池SOC估计方法。

技术介绍

[0002]电池作为能量存储及电动汽车动力源的关键部件，其使用性能，循环寿命备受关注。荷电状态(State of Charge，SOC)作为电池剩余电量的直接表征，能够促使BMS较为准确地确定瞬时峰值功率和健康状态，以便及时确保电池在安全范围内运行。
[0003]等效电路模型参数易辨识，但是不能完整的描述动力电池的特性，同时容易受到环境因素干扰造成SOC估算精度不高。传统电化学模型的的数学计算过程较为复杂，但能充分反映其内部参数与电池特性的强耦合关系，具有较高的精度，也是当下电池模型研究的热点。环境温度作为影响电池SOC估计精度的重要因素，大多数学者研究电池热特性时都是建立在准确的电池热模型基础上，但电池工作过程涉及到电化学场、电场和温度场的相互耦合，使本就较为复杂的电化学模型计算量再一次增加，为了更好地适应电池实时状态估计，对电化学模型进行简化和重建，重构为具有与SOC估计相关的独特属性是十分必要且有意义的。卡尔曼滤波算法有助于修正SOC初始值，解决电荷累积法带来的SOC初始值估计不准以及存在累积误差的问题，有助于克服传感器精度不足的问题，同时有助于消除电磁干扰影响。经典的卡尔曼滤波器更适用于线性系统，但是因为电池是一个高度非线性系统，所以需要对经典卡尔曼滤波算法进行改进，容积卡尔曼滤波和无迹卡尔曼滤波的误差取舍会带来误差协方差矩阵的非对称性和非正定性问题，扩展卡尔曼滤波又存在Taylor展开精度较低的问题。如何利用现有技术构建一个高效准确的模型，通过引入智能算法，消除具有强非线性特点的电化学模型中的过程噪声，并将其应用于电池管理系统中是需要解决的关键问题。

技术实现思路

[0004]本专利技术所要解决的技术问题是提供一种全温度下基于极简电化学模型的锂电池SOC估计方法来解决现有技术中存在的平均电极模型计算效率低不能高效应用于电池管理系统中、容易受到环境温度干扰造成SOC估算精度不高以及传统卡尔曼滤波无法适用于高度非线性的电化学模型系统中，达到消除过程噪声目的的问题。
[0005]为解决上述技术问题，本专利技术的技术方案为提供一种全温度下基于极简电化学模型的锂电池SOC估计方法，其创新点在于，包括以下步骤：
[0006]步骤1：极简电化学模型的建立：在平均电极模型基础上只保留开路电压与估算SOC的部分，将正负极过电势与液相电势的复杂方程简化为一个多项式方程，重建极简电化学模型；
[0007]步骤2：使用遗传算法进行参数辨识：在全温度条件下，基于电池充放电数据，使用遗传算法对步骤1中建立的极简电化学模型进行参数辨识；
[0008]步骤3：构建全温度下的极简电化学模型：设C
s_max
表示最大锂离子浓度，θ0和θ
100
分别表示SOC为0和1时的电极利用率，将步骤1得到的极简电化学模型中与SOC计算相关的参数C
s_max
、θ0和θ
100
拟合为与环境温度相关的函数关系式，构建出全温度下的极简电化学模型；
[0009]步骤4：全温度下的极简电化学模型离散化：基于步骤3中得到的全温度下的极简电化学模型，将固相扩散方程进行离散化，得到系统状态空间方程和量测方程；
[0010]步骤5：融入平方根容积卡尔曼滤波算法，进行SOC估算：基于步骤4的系统状态空间方程和量测方程，将平方根容积卡尔曼滤波算法融入到锂离子电池SOC估算中，步骤3中得到的全温度下的极简电化学模型的端电压作为系统输出变量，电流作为系统输入变量，得到状态更新后的精确SOC值。
[0011]进一步的，所述的步骤1中重建极简电化学模型的具体方法如下：
[0012]将平均电极模型的正负极过电势和液相电势简化为七次多项式，通过参数辨识方法获取多项式系数，即获得极简电化学模型：
[0013]y＝k1*T
(7)
+k2*T
(6)
+k3*T
(5)
+k4*T
(4)
+k5*T
(3)
+k6*T
(2)
+k7*T+k8
[0014]其中ki是多项式系数，i＝1，2.....8，y为正负极过电势和液相电势之和。
[0015]进一步的，所述的步骤2中使用遗传算法对步骤1中建立的极简电化学模型进行参数辨识的具体过程如下：
[0016]基于电池充放电数据，设SOC
sim
和SOC
exp
分别表示极简电化学模型SOC仿真值和SOC实验值，遗传算法个体的评价指标为SOC的误差函数error(i)，表达式为：
[0017]errror(i)＝abs(SOC
sim
‑
SOC
exp
)。
[0018]进一步的，所述的步骤3中极简电化学模型中与SOC计算相关的参数C
s_max
、θ0和θ
100
拟合为与环境温度相关的函数关系式分别为：
[0019]θ0＝
‑
2.184e
‑
11*T
(7)
+3.992e
‑
09*T
(6)
‑
2.677e
‑
07*T
(5)
+7.69e
‑
06*T
(4)
‑
6.917e
‑
05*T
(3)
‑
0.0005659*T
(2)
+0.004516*T+0.467
[0020]θ
100
＝
‑
4.47e
‑
11*T
(7)
+8.111e
‑
09*T
(6)
‑
5.378e
‑
07*T
(5)
+1.507e
‑
05*T
(4)
‑
0.0001203*T
(3)
‑
0.001538*T
(2)
+0.01862*T+0.9576
[0021]C
s_max
＝7.827e
‑
07*T
(7)
‑
0.000142*7
(6)
+0.00941*T
(5)
‑
0.2636*T
(4)
+2.106*T
(3)
+26.77*T
(2)
‑
324.4*T+1.591e+04
[0022]T为环境温度，其中SOC计算表达式为：
[0023][0024]其中，电极本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全温度下基于极简电化学模型的锂电池SOC估计方法，其特征在于，包括以下步骤：步骤1：极简电化学模型的建立：在平均电极模型基础上只保留开路电压与估算SOC的部分，将正负极过电势与液相电势的复杂方程简化为一个多项式方程，重建极简电化学模型；步骤2：使用遗传算法进行参数辨识：全温度条件下，基于电池充放电数据，使用遗传算法对步骤1中建立的极简电化学模型进行参数辨识；步骤3：构建全温度下的极简电化学模型：设C
s_max
表示最大锂离子浓度，θ0和θ
100
分别表示SOC为0和1时的电极利用率，将步骤1得到的极简电化学模型中与SOC计算相关的参数C
s_max
、θ0和θ
100
拟合为与环境温度相关的函数关系式，构建出全温度下的极简电化学模型；步骤4：全温度下的极简电化学模型离散化：基于步骤3中得到的全温度下的极简电化学模型，将固相扩散方程进行离散化，得到系统状态空间方程和量测方程；步骤5：融入平方根容积卡尔曼滤波算法，进行SOC估算：基于步骤4的系统状态空间方程和量测方程，将平方根容积卡尔曼滤波算法融入到锂离子电池SOC估算中，步骤3中得到的全温度下的极简电化学模型的端电压作为系统输出变量，电流作为系统输入变量，得到状态更新后的精确SOC值。2.根据权利要求1所述的一种全温度下基于极简电化学模型的锂电池SOC估计方法，其特征在于，所述的步骤1中重建极简电化学模型的具体方法如下：将平均电极模型的正负极过电势和液相电势简化为七次多项式，通过参数辨识方法获取多项式系数，即获得极简电化学模型：y＝k1*T
(7)
+k2*T
(6)
+k3*T
(5)
+k4*T
(4)
+k5*T
(3)
+k6*T
(2)
+k7*T+k8其中ki是多项式系数，i＝1，2.....8，y为正负极过电势和液相电势之和。3.根据权利要求1所述的一种全温度下基于极简电化学模型的锂电池SOC估计方法，其特征在于，所述的步骤2中使用遗传算法对步骤1中建立的极简电化学模型进行参数辨识的具体过程如下：基于电池充放电数据，设SOC
sim
和SOC
exp
分别表示极简电化学模型SOC仿真值和SOC实验值，遗传算法个体的评价指标为SOC的误差函数error(i)，表达式为：errror(i)＝abs(SOC
sim
‑
SOC
exp
)。4.根据权利要求1所述的一种全温度下基于极简电化学模型的锂电池SOC估计方法，其特征在于，所述的步骤3中极简电化学模型中与SOC计算相关的参数C
s_max
、θ0和θ
100
拟合为与环境温度相关的函数关系式分别为：θ0＝
‑
2.184e
‑
11*T
(7)
+3.992e
‑
09*T
(6)
‑
2.677e
‑
07*T
(5)
+7.69e
‑
06*T
(4)
‑
6.917e
‑
05*T
(3)
‑
0.0005659*T
(2)
+0.004516*T+0.467θ
100
＝
‑
4.47e
‑
11*T
(7)
+8.111e
‑
09*T
(6)
‑
5.378e
‑
07*T
(5)
+1.507e
‑
05*T
(4)
‑
0.0001203*T
(3)
‑
0.001538*T
(2)
+0.01862*T+0.9576C
s_max
＝7.827e
‑
07*T
(7)
‑
0.000142*7
(6)
+0.00941*T
(5)
‑
0.2636*T
(4)
+2.106*T
(3)
+26.77*T
(2)
‑
324.4*T+1.591e+04T为环境温度，其中SOC计算表达式为：
其中，电极利用率θ＝C
s
/C
s_max
，即电极固体颗粒中实际的锂离子平均总体浓度C
s
与其最大可能浓度之间的比值，θ0和θ
100
分别表示SOC为0和1时的电极利用率，正负极开路电压表达式为：U
p
＝2.585*θ
p(6)
‑
11.5*θ
p(5)...

【专利技术属性】
技术研发人员：申江卫，周灿彪，陈峥，沈世全，舒星，蒋宝良，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：