电池滞回模型下的SOC估计方法及系统技术方案

本发明专利技术实施例提供了一种电池滞回模型下的SOC估计方法及系统，属于电池检测技术领域。所述估计方法包括：依据待估计的电池构建电池滞回模型；建立所述电池滞回模型的端电压方程；确定电池的SOC估计方程；将所述电池滞回模型的电流作为输入量，将所述电池滞回模型的端电压作为输出量，构建所述电池滞回模型的状态方程和观测方程；采用扩展卡尔曼滤波算法确定所述状态方程的过程噪声和观测方程；根据所述过程噪声和所述SOC估计方程确定所述电池滞回模型的SOC值；根据所述SOC值确定所述电池滞回模型的观测噪声；根据所述观测噪声和所述观测方程确定所述电池滞回模型的端电压。本发明专利技术动态修正了扩展卡尔曼滤波算法中的协方差矩阵，提高了SOC的估计精度。提高了SOC的估计精度。提高了SOC的估计精度。

【技术实现步骤摘要】
电池滞回模型下的SOC估计方法及系统


[0001]本专利技术涉及电池检测
，具体地涉及一种电池滞回模型下的SOC估计方法及系统。

技术介绍

[0002]电池具有滞回特性，即充放电开路电压曲线不一致，但却形成了一组首尾相接，其间有空隙的带状滞回型构造，也就是电池开路电压迟滞。通过滞回现象，存在相同SOC点将获得与其对应的不同开路电压值，导致基于电池模型的SOC估计存在误差。

技术实现思路

[0003]本专利技术实施例的目的是提供一种电池滞回模型下的SOC估计方法及系统，解决了目前SOC估计方法所存在的估计精度较差的问题。
[0004]为了实现上述目的，本专利技术实施例一方面提供一种SOC估计方法，包括：依据待估计的电池构建电池滞回模型；建立所述电池滞回模型的端电压方程；确定电池的SOC估计方程；将所述电池滞回模型的电流作为输入量，将所述电池滞回模型的端电压作为输出量，构建所述电池滞回模型的状态方程和观测方程；采用扩展卡尔曼滤波算法确定所述状态方程的过程噪声和观测方程；根据所述过程噪声和所述SOC估计方程确定所述电池滞回模型的SOC值；根据所述SOC值确定所述电池滞回模型的观测噪声；根据所述观测噪声和所述观测方程确定所述电池滞回模型的端电压。
[0005]可选地，构建的所述电池滞回模型包括：第一电阻，所述第一电阻的一端连接至所述电源的正极；第二电阻，所述第二电阻的一端连接至所述第一电阻的另一端；第三电阻，所述第三电阻的一端连接至所述第二电阻的另一端，所述第三电阻的另一端作为所述电池滞回模型的一个输出端；第一电容，所述第一电容的一端与所述第三电阻的一端连接，所述第一电容的另一端与所述第三电阻的另一端连接；电源，所述电源的负极作为所述电池滞回模型的另一个输出端。
[0006]可选地，建立所述电池滞回模型的端电压方程，包括：根据公式（1）确定所述端电压方程，，（1）其中，为第次计算时的端电压，为第次计算时的放电开路电压，为第次计算时所述第一电阻两端的电压，为第次计算时所述第一电容和所述第三电
阻并联支路两端的电压，为所述第二电阻的阻值。
[0007]可选地，确定电池的SOC估计方程，包括：根据公式（2）和公式（3）确定所述SOC估计方程，，（2）其中，为电池SOC值，为初始SOC值，为电池的额定容量，为SOC电路中的电流，为采样时间；，（3）其中，为第次计算时的电池SOC值，为第次计算时的电池SOC值，为电池的额定容量，为第次计算时采用扩展卡尔曼滤波算法估计的SOC电路中的电流，为采样周期。
[0008]可选地，将所述电池滞回模型的电流作为输入量，将所述电池滞回模型的端电压作为输出量，构建所述电池滞回模型的状态方程和观测方程，包括：根据公式（4）确定所述状态方程，，（4）其中，、为系数矩阵，为第次计算时均值为0的过程噪声，为第次计算时实际测量的SOC电路中的电流，为第次计算时实际测量的SOC电路中的电流，为第次计算时采用扩展卡尔曼滤波算法估计的SOC电路中的电流；根据公式（5）确定所述观测方程，，（5）其中，、为系数矩阵，为第次计算时均值为0的测量噪声，为第次计算时实际测量的端电压，为第次计算时实际测量的SOC电路中的电流，为第次计算时采用扩展卡尔曼滤波算法估计的SOC电路中的电流。
[0009]可选地，所述估计方法还包括：根据公式（6）至公式（9）修正所述状态方程和观测方程，，（6）其中，为系数矩阵，为采样周期，为所述第三电阻的阻值，为所述第一电容的电容值；，（7）其中，为系数矩阵，为采样周期，为所述第三电阻的阻值，为所述第一电容的电容值，为电池的额定容量；
，（8）其中，为系数矩阵，为所述第一电阻两端的电压，为放电开路电压，为电池SOC值；，（9）其中，为系数矩阵，为电池内阻。
[0010]可选地，采用扩展卡尔曼滤波算法确定所述状态方程的过程噪声和观测方程，包括：根据公式（10）和（11）确定所述过程噪声，，（10）其中，为第次计算，为第次计算，为第次计算时系统过程噪声的协方差矩阵，为随机变数的期望值，为第次计算时均值为0的过程噪声，为第次计算时均值为0的过程噪声；，（11）其中，为预设的常数，为第次计算时系统过程噪声的协方差矩阵，为第次计算时系统过程噪声的协方差矩阵，为采用扩展卡尔曼滤波算法估计的电池端电压值与实际测量的端电压之间的相对残值。
[0011]可选地，根据所述SOC值确定所述电池滞回模型的观测噪声，包括：在判断所述SOC值是否大于或等于预设的第一SOC阈值；在判断所述SOC值大于或等于预设的第一SOC阈值的情况下，根据公式（12）和（13）修正所述观测噪声，，（12）其中，为第次计算，为第次计算，为第次计算时系统过程噪声的协方差矩阵，为随机变数的期望值，为第次计算时均值为0的观测噪声，为第次计算时均值为0的观测噪声；，（13）其中，为第次计算时系统观测噪声的协方差矩阵，是预设的常数，为电池内阻，为第一SOC阈值，为电池SOC值；在判断所述SOC值小于预设的第二SOC阈值的情况下，根据公式（12）和（14）修正所述观测噪声，其中，所述第二SOC阈值小于所述第一SOC阈值，，（14）其中，为第次计算时系统观测噪声的协方差矩阵，是预设的常数，为电池
内阻，为第二SOC阈值，为电池SOC值。
[0012]另一方面，本专利技术还提供一种电池滞回模型下的SOC估计系统，所述估计系统包括处理器，所述处理器被配置成执行如上述任一所述的估计方法。
[0013]通过上述技术方案，本专利技术提供一种电池滞回模型下的SOC估计方法及系统，通过建立电池的滞回模型，先建立电池滞回模型的端电压方程和电池的SOC估计方程，再构建电池滞回模型的状态方程和观测方程，采用扩展卡尔曼滤波算法修正状态方程的过程噪声的协方差矩阵，利用SOC区间动态修正观测方程的观测噪声的协方差矩阵。与现有技术相比，一方面，本专利技术可以体现电池的滞回特性，提高了电池模型的准确程度，另一方面，本专利技术可以动态修正扩展卡尔曼滤波算法中的协方差矩阵，避免了滤波器发散的问题，同时提高了SOC的估计精度，解决目前SOC估计方法所存在的估计精度较差的问题。
[0014]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0015]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：图1是根据本专利技术的一个实施方式的SOC估计方法的流程图；图2是根据本专利技术的一个实施方式的电池滞回模型的电路图；图3是根据本专利技术的一个实施方式的修正观测噪声的流程图。
[0016]附图标记说明
具体实施方式
以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0017]另外，若本专利技术实施方式中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池滞回模型下的SOC估计方法，其特征在于，所述估计方法包括：依据待估计的电池构建电池滞回模型；建立所述电池滞回模型的端电压方程；确定电池的SOC估计方程；将所述电池滞回模型的电流作为输入量，将所述电池滞回模型的端电压作为输出量，构建所述电池滞回模型的状态方程和观测方程；采用扩展卡尔曼滤波算法确定所述状态方程的过程噪声和观测方程；根据所述过程噪声和所述SOC估计方程确定所述电池滞回模型的SOC值；根据所述SOC值确定所述电池滞回模型的观测噪声；根据所述观测噪声和所述观测方程确定所述电池滞回模型的端电压。2.根据权利要求1所述的估计方法，其特征在于，构建的所述电池滞回模型包括：第一电阻，所述第一电阻的一端连接至电源的正极；第二电阻，所述第二电阻的一端连接至所述第一电阻的另一端；第三电阻，所述第三电阻的一端连接至所述第二电阻的另一端，所述第三电阻的另一端作为所述电池滞回模型的一个输出端；第一电容，所述第一电容的一端与所述第三电阻的一端连接，所述第一电容的另一端与所述第三电阻的另一端连接；电源，所述电源的负极作为所述电池滞回模型的另一个输出端。3.根据权利要求2所述的估计方法，其特征在于，建立所述电池滞回模型的端电压方程，包括：根据公式（1）确定所述端电压方程，，（1）其中，为第次计算时的端电压，为第次计算时的放电开路电压，为第次计算时所述第一电阻两端的电压，为第次计算时所述第一电容和所述第三电阻并联支路两端的电压，为所述第二电阻的阻值，为第次计算时采用扩展卡尔曼滤波算法估计的SOC电路中的电流。4.根据权利要求1所述的估计方法，其特征在于，确定电池的SOC估计方程，包括：根据公式（2）和公式（3）确定所述SOC估计方程，，（2）其中，为电池SOC值，为初始SOC值，为电池的额定容量，为SOC电路中的电流，为采样时间；，（3）其中，为第次计算时的电池SOC值，为第次计算时的电池SOC值，为电池的额定容量，为第次计算时采用扩展卡尔曼滤波算法估计的SOC电路中的电流，为采样周期。
5.根据权利要求2所述的估计方法，其特征在于，将所述电池滞回模型的电流作为输入量，将所述电池滞回模型的端电压作为输出量，构建所述电池滞回模型的状态方程和观测方程，包括：根据公式（4）确定所述状态方程，，（4）其中，、为系数矩阵，为第次计算时均值为0的过程噪声，为第次计算时实际测量的SOC电路中的电流，为第次计算时实际测量的SOC电路中的电流，为第次计算时采用扩展卡尔曼滤波算法估计的SOC电...

【专利技术属性】
技术研发人员：曾国建，吉祥，徐磊磊，孟媛媛，
申请(专利权)人：安徽锐能科技有限公司，
类型：发明
国别省市：