System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电动汽车电池管理,具体涉及一种串联锂电池组的sop估计方法。
技术介绍
1、锂电池因其高能量、长寿命和环保特性而备受青睐,被誉为最优选的充电电池之一,已广泛运用与智能手机、新能源汽车、储能系统及医疗设备等领域。随着电池技术的迅速进步,准确且简便的了解其状态已成为提升电池系统性能的核心要素。
2、目前,用于串联锂电池组功率状态sop的联合估计方法包括单电池法、多电池法和数据驱动法。在单电池法中,整个串联电池组被视为一个单一的电池单元,其荷电状态soc被用于估算电池组的总soc,并基于此估算曲线评估该单电池的sop。但此方法存在较大的误差,且未考虑电池组内部单元间的差异。多电池法则采用模型或数据为每个电池单元估算soc,再基于这些soc对单电池的sop进行调整或使用数据驱动技术进行估算,其计算复杂度与串联电池数量成正比。数据驱动的方法是建立对应数学模型,以电池电压、电流、时间、温度等参数作为输入,在不考虑电池物理化学特性基础上对各单体电池sop进行估计,最后进行简单叠加,但是这种方法依赖于大量的数据训练,数据误差会影响到输出的准确性。
技术实现思路
1、本专利技术针对现有技术存在的问题提供一种串联里电池组的sop估计方法。
2、本专利技术采用的技术方案是:一种串联锂电池组的sop估计方法,包括以下步骤:
3、步骤1:获取电池组内各单体的电流电压数据,对单体电池模型进行参数辨识;
4、步骤2:选择开路电压最高、开路电压最低和欧
5、步骤3:对步骤2得到的特征电池的soc进行估计,得到电池容量的估计值;
6、步骤4:根据步骤2得到的特征电池的soc估计值,基于多参数联合约束进行电池组的sop估计得到sop的估计值。
7、进一步的,所述步骤4中多参数联合约束包括充电时最大充放电电流限制、放电时最大充放电电流限制、充放电电压限制和充放电soc限制。
8、进一步的,所述参数辨识基于电池二阶rc等效电路模型,采用带遗忘因子的最小二乘算法进行。
9、进一步的,所述步骤2中开路电压如下所示:
10、
11、式中:为第i节单体电池的特征电压,为第i节单体电池的端电压,为第i节单体电池的欧姆内阻,u1为二阶等效电路中的r1两侧端电压,u2为二阶等效电路中的r2两侧端电压,i为流过电池的电流。
12、进一步的,所述特征电池选择过程如下:经过放电实验得到单体电池特征电压曲线,根据该曲线获取特征电池。
13、进一步的,所述步骤3中采用自适应无迹卡尔曼滤波算法对特征电池的soc进行估计。
14、进一步的,所述步骤3电池容量的估计值的获取过程中如下:
15、获取采样点和采样点相应的权值;
16、获取系统状态变量和协方差的一步预测值;
17、根据预测值更新sigma点集,获取观测值的估计值,进行加权求和;
18、计算卡尔曼增益矩阵,更新状态和协方差矩阵;
19、将线性状态方程代入自适应无迹卡尔曼滤波中得到单体电池的soc估计曲线;
20、通过增量soc对单体电池的容量进行估计。
21、进一步的,所述步骤4中充电时最大充放电电流限制通过开路电压最高电池的soc曲线和欧姆内阻最大电池的电压曲线进行限制;放电时最大充放电电流限制通过开路电压最小电池的soc曲线和欧姆内阻最大电池的电压曲线进行限制。
22、本专利技术的有益效果是:
23、(1)本专利技术选择具有代表性的电池对电池组的sop进行估计,能在降低算法时间复杂度的同时保证估计精度;
24、(2)本专利技术根据开路电压选择具有代表性的特征电池,仿真结果证实具有可行性和鲁棒性;
25、(3)本专利技术采用的自适应无迹卡尔曼滤波算法aukf算法对soc在线估计的误差较小,终端电压估计误差较小。
本文档来自技高网...【技术保护点】
1.一种串联锂电池组的SOP估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种串联锂电池组的SOP估计方法,其特征在于,所述步骤4中多参数联合约束包括充电时最大充放电电流限制、放电时最大充放电电流限制、充放电电压限制和充放电SOC限制。
3.根据权利要求1所述的一种串联锂电池组的SOP估计方法,其特征在于,所述参数辨识基于电池二阶RC等效电路模型,采用带遗忘因子的最小二乘算法进行。
4.根据权利要求3所述的一种串联锂电池组的SOP估计方法,其特征在于,所述步骤2中开路电压如下所示:
5.根据权利要求4所述的一种串联锂电池组的SOP估计方法,其特征在于,所述特征电池选择过程如下:经过放电实验得到单体电池特征电压曲线,根据该曲线筛选特征电池。
6.根据权利要求5所述的一种串联锂电池组的SOP估计方法,其特征在于,所述步骤3中采用自适应无迹卡尔曼滤波算法对特征电池的SOC进行估计,估计过程如下:
7.根据权利要求2所述的一种串联锂电池组的SOP估计方法,其特征在于,所述步骤4中充电时最大充放电电流限
...【技术特征摘要】
1.一种串联锂电池组的sop估计方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种串联锂电池组的sop估计方法,其特征在于,所述步骤4中多参数联合约束包括充电时最大充放电电流限制、放电时最大充放电电流限制、充放电电压限制和充放电soc限制。
3.根据权利要求1所述的一种串联锂电池组的sop估计方法,其特征在于,所述参数辨识基于电池二阶rc等效电路模型,采用带遗忘因子的最小二乘算法进行。
4.根据权利要求3所述的一种串联锂电池组的sop估计方法,其特征在于,所述步骤2中开路电压如下所示:
5.根据权利要求4所述的一种...
【专利技术属性】
技术研发人员:胡远江,方佳鑫,钟行,秦娜,梁俊宇,黄德青,
申请(专利权)人:雅安市卓安新能源科技发展有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。