电池荷电状态的确定方法技术

本申请提供了一种电池荷电状态的确定方法

【技术实现步骤摘要】
电池荷电状态的确定方法、确定装置和电子设备


[0001]本申请涉及电池
，具体而言，涉及一种电池荷电状态的确定方法
、
确定装置
、
计算机可读存储介质和电子设备
。

技术介绍

[0002]磷酸铁锂电池因其优异的性能在电动车领域获得了广泛的使用，但是由于磷酸铁锂电池的
SOC
（
State Of Charge
，荷电状态）
‑
OCV
（
Open Circuit Voltage
，开路电压）曲线平台区较长，在整车应用场景下，存在
SOC
估算误差大
、SOC
不准的难点
。
[0003]对于混动车而言，其使用的
SOC
区间主要集中在平台区，采用常用的安时积分法估算
SOC
时，在没有满充满放校准以及静态校准的情况下，长时间使用，受累计误差的影响，会造成
SOC
估算误差越来越大，整车续驶历程缩短，引起较大的客户抱怨
。

技术实现思路

[0004]本申请的主要目的在于提供一种电池荷电状态的确定方法
、
确定装置
、
计算机可读存储介质和电子设备，以至少解决现有技术中混动车用磷酸铁锂电池包
SOC
的估算精度低的问题
。
[0005]为了实现上述目的，根据本申请的一个方面，提供了一种电池荷电状态的确定方法，所述确定方法包括：获取第一区间和第二区间，所述第一区间是根据目标
OCV
‑
SOC
曲线确定的电池的荷电状态的取值区间，所述目标
OCV
‑
SOC
曲线是采用第一戴维南等效电路模型对历史数据进行离线辨识得到的，所述第一戴维南等效电路模型为运行遗传算法的戴维南等效电路模型，所述历史数据包括所述电池的历史端电压和历史电流，所述第二区间为所述电池的开路电压的预设的取值区间；根据所述电池的当前端电压和当前电流，确定所述电池的当前预测值，所述当前预测值为预测的当前荷电状态值；在所述当前预测值位于所述第一区间的情况下，根据所述当前端电压
、
所述当前电流和第一扩展卡尔曼滤波器确定所述电池的当前荷电状态，所述第一扩展卡尔曼滤波器是根据第一模型参数建立的，所述第一模型参数是所述第一戴维南等效电路模型的模型参数，所述模型参数包括欧姆内阻
、
极化电阻
、
极化电容以及开路电压；采用第二戴维南等效电路模型对所述当前端电压和所述当前电流进行在线辨识，得到当前开路电压，所述第二戴维南等效电路模型为运行带遗忘因子递推最小二乘法的所述戴维南等效电路模型；在所述当前开路电压位于所述第二区间的情况下，根据所述当前端电压
、
所述当前电流和第二扩展卡尔曼滤波器确定所述电池的当前荷电状态，所述第二扩展卡尔曼滤波器是根据第二模型参数建立的，所述第二模型参数是所述第二戴维南等效电路模型的所述模型参数
。
[0006]可选地，获取第一区间，包括：建立第一初始关系式，所述第一初始关系式表征所述第一模型参数中的所述开路电压与对应的荷电状态之间的关系，所述第一初始关系式包括多个第一未知系数；根据多个所述历史数据，采用所述第一戴维南等效电路模型对所述第一初始关系式进行拟合，计算多个所述第一未知系数的系数值，得到多个第一系数值，包
括多个所述第一系数值的所述第一初始关系式为第一目标关系式，所述目标
OCV
‑
SOC
曲线为所述第一目标关系式对应的曲线；确定所述目标
OCV
‑
SOC
曲线的单调映射区间为所述第一区间
。
[0007]可选地，在获取第一区间和第二区间之前，所述确定方法还包括：建立戴维南一阶等效电路模型，所述戴维南一阶等效电路模型的空间状态方程为：，其中，
Uoc
为所述开路电压，
R0为所述欧姆内阻，
R
p
为所述极化电阻，
C
p
为所述极化电容，
U
p
为极化电压，
U
t
为端电压数据，
i
L
为电流数据；根据所述戴维南一阶等效电路模型和所述遗传算法，确定所述第一戴维南等效电路模型；根据所述戴维南一阶等效电路模型和所述带遗忘因子递推最小二乘法，确定所述第二戴维南等效电路模型
。
[0008]可选地，根据所述当前端电压
、
所述当前电流和第一扩展卡尔曼滤波器确定所述电池的当前荷电状态，包括：建立关系式组，所述关系式组表征所述第一模型参数与对应的荷电状态之间的关系，所述关系式组包括多个第二未知系数；根据多个所述历史数据，采用所述第一戴维南等效电路模型对所述关系式组进行拟合，计算多个所述第二未知系数的系数值，得到多个第二系数值，包括多个所述第二系数值的所述关系式组构成目标关系式组；将所述当前预测值代入所述目标关系式组，得到所述第一模型参数的当前参数值；根据当前参数值，建立所述第一扩展卡尔曼滤波器；将所述当前端电压和所述当前电流输入所述第一扩展卡尔曼滤波器，得到所述当前荷电状态
。
[0009]可选地，建立关系式组，所述关系式组表征所述第一模型参数与对应的荷电状态之间的关系，包括：建立第一关系式，所述第一关系式表征所述第一模型参数中的所述开路电压与对应的荷电状态之间的关系；建立第二关系式，所述第二关系式表征所述第一模型参数中的所述欧姆内阻与对应的荷电状态之间的关系；建立第三关系式，所述第三关系式表征所述第一模型参数中的所述极化电阻与对应的荷电状态之间的关系；建立第四关系式，所述第四关系式表征所述第一模型参数中的所述极化电容与对应的荷电状态之间的关系
。
[0010]可选地，根据当前参数值，建立所述第一扩展卡尔曼滤波器，包括：根据当前参数值，确定所述第一扩展卡尔曼滤波器的状态变化函数和观测变化函数；根据所述状态变化函数和所述观测变化函数，确定状态方程和观测方程为：，得到所述第一扩展卡尔曼滤波器，其中，为所述状态变化函数，为所述观测变化函数，为
k
‑1时刻的零均值的过程噪声，为
k
时刻的零均值的观测噪声，为
k
时刻的电池管理系统的状态向量，为
k
‑1时刻的所述状态向量，为的估计值，为的估计值，为
k
时刻的控制量，为
k
‑1时刻的所述控制量，为
k
时刻的观测值，为
k
‑1时刻的状态转移参数，为
k
时刻的观测参数，，
。
[0011]可选地，根据所述当前端电压
、
所述当前电流和第二扩展卡尔曼滤波器确定所述电池的当前荷电状态，包括：采用所述第二戴维南等效电路模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电池荷电状态的确定方法，其特征在于，所述确定方法包括：获取第一区间和第二区间，所述第一区间是根据目标
OCV
‑
SOC
曲线确定的电池的荷电状态的取值区间，所述目标
OCV
‑
SOC
曲线是采用第一戴维南等效电路模型对历史数据进行离线辨识得到的，所述第一戴维南等效电路模型为运行遗传算法的戴维南等效电路模型，所述历史数据包括所述电池的历史端电压和历史电流，所述第二区间为所述电池的开路电压的预设的取值区间；根据所述电池的当前端电压和当前电流，确定所述电池的当前预测值，所述当前预测值为预测的当前荷电状态值；在所述当前预测值位于所述第一区间的情况下，根据所述当前端电压
、
所述当前电流和第一扩展卡尔曼滤波器确定所述电池的当前荷电状态，所述第一扩展卡尔曼滤波器是根据第一模型参数建立的，所述第一模型参数是所述第一戴维南等效电路模型的模型参数，所述模型参数包括欧姆内阻
、
极化电阻
、
极化电容以及开路电压；采用第二戴维南等效电路模型对所述当前端电压和所述当前电流进行在线辨识，得到当前开路电压，所述第二戴维南等效电路模型为运行带遗忘因子递推最小二乘法的所述戴维南等效电路模型；在所述当前开路电压位于所述第二区间的情况下，根据所述当前端电压
、
所述当前电流和第二扩展卡尔曼滤波器确定所述电池的当前荷电状态，所述第二扩展卡尔曼滤波器是根据第二模型参数建立的，所述第二模型参数是所述第二戴维南等效电路模型的所述模型参数
。2.
根据权利要求1所述的确定方法，其特征在于，获取第一区间，包括：建立第一初始关系式，所述第一初始关系式表征所述第一模型参数中的所述开路电压与对应的荷电状态之间的关系，所述第一初始关系式包括多个第一未知系数；根据多个所述历史数据，采用所述第一戴维南等效电路模型对所述第一初始关系式进行拟合，计算多个所述第一未知系数的系数值，得到多个第一系数值，包括多个所述第一系数值的所述第一初始关系式为第一目标关系式，所述目标
OCV
‑
SOC
曲线为所述第一目标关系式对应的曲线；确定所述目标
OCV
‑
SOC
曲线的单调映射区间为所述第一区间
。3.
根据权利要求2所述的确定方法，其特征在于，在获取第一区间和第二区间之前，所述确定方法还包括：建立戴维南一阶等效电路模型，所述戴维南一阶等效电路模型的空间状态方程为：，其中，
U
oc
为所述开路电压，
R0为所述欧姆内阻，
R
p
为所述极化电阻，
C
p
为所述极化电容，
U
p
为极化电压，
U
t
为端电压数据，
i
L
为电流数据；根据所述戴维南一阶等效电路模型和所述遗传算法，确定所述第一戴维南等效电路模型；根据所述戴维南一阶等效电路模型和所述带遗忘因子递推最小二乘法，确定所述第二
戴维南等效电路模型
。4.
根据权利要求1所述的确定方法，其特征在于，根据所述当前端电压
、
所述当前电流和第一扩展卡尔曼滤波器确定所述电池的当前荷电状态，包括：建立关系式组，所述关系式组表征所述第一模型参数与对应的荷电状态之间的关系，所述关系式组包括多个第二未知系数；根据多个所述历史数据，采用所述第一戴维南等效电路模型对所述关系式组进行拟合，计算多个所述第二未知系数的系数值，得到多个第二系数值，包括多个所述第二系数值的所述关系式组构成目标关系式组；将所述当前预测值代入所述目标关系式组，得到所述第一模型参数的当前参数值；根据当前参数值，建立所述第一扩展卡尔曼滤波器；将所述当前端电压和所述当前电流输入所述第一扩展卡尔曼滤波器，得到所述当前荷电状态
。5.
根据权利要求4所述的确定方法，其特征在于，建立关系式组，所述关系式组表征所述第一模型参数与对应的荷电状态之间...

【专利技术属性】
技术研发人员：姚蒙蒙，时艳茹，王迎波，孙明峰，秦顺顺，夏萍，徐宏东，
申请(专利权)人：潍柴新能源动力科技有限公司，
类型：发明
国别省市：