本发明专利技术公开了一种基于RC等效模型的动力电池SOC估计方法，包括基于RC等效模型的估计方程的确定的步骤和扩展Kalman滤波的估算方法的步骤，本发明专利技术可以精确的对动力电池荷电状态进行估计，因为SOC值的大小直接反映了电池所处的状态，由此可限定电池的最大放电电流和预测电动车的续驶里程；根据各节电池的SOC值，可以识别电池组中各电池间的性能差异，并依此进行均衡充电，以保持电池性能的均匀性，最终达到延长电池寿命的目的。
【技术实现步骤摘要】
本专利技术属于纯电动汽车电池管理领域，涉及一种基于RC等效模型的动力电池SOC估计方法。
技术介绍
动力电池作为电动汽车的动力源，是影响电动汽车整车性能的关键因素，它对行驶里程、加速能力、最大爬坡度会产生直接的影响。电池电荷状态(SOC)估计，是电池管理系统研究的核心和难点，动力电池的非线性特性使得许多滤波方法难以得到准确的估计结果，因此，必须建立一个合适的数学模型来表征电池的外特性。电池模型与动力电池的特性一致性越好，那么运用滤波算法对电池的荷电状态进行估计时，就能获得更准确的结果。目前，电动汽车使用的动力电池SOC估计方法主要有安时计量法、开路电压法、神 经网络法。安时计量法偏重于应用场合，在线、方便、准确但是需要测量设备精度高；开路电压法只适用于电池静置足够长时间后进行估计，不能实时估计；神经网络能够在线估计，缺点是需要相似电池的大量训练数据。
技术实现思路
本专利技术为解决上述技术问题，提供一种基于RC等效模型的动力电池SOC估计方法，它基于Thevenin模型一一阶RC模型，能很好地表征电池静态特性及动态特性。附图说明图1是一阶RC等效电路图，其中U。。是电池开路电压，它在同一温度下与SOC有固定的函数关系凡是电池欧姆内阻；Rpa是电池极化内阻，它与等效电容Cpa并联构成阻容回路，用于模拟电池在极化的产生和消除过程中所表现出的动态特性。为了实现上述目的，本专利技术采用如下技术方案。一种基于RC等效模型的动力电池SOC估计方法，包括如下步骤1.基于RC等效模型的估计方程的确定；其推导如下由图1可知，动力电池RC等效模型的离散状态方程「^+i ]_「i 0 I r I r -AtJ1Ic1. U^fpa 0 expC-A"、), U》“ + RpaI1 -exp(-A^/tpa)}_ *lk+(°k ⑴由图1可知，动力电池RC等效模型的离散输出观测方程_2] Ul=Uoc(Sk)-U^ -1kR0 + vk「 n IdUoc(Sk).1 I" Sk Ii2)_3] =—1 vypa —唭+ 其中，Sk、Sk+1分别是离散状态k、k+l时刻的动力电池电荷状态；At是采样周期；C电池的标称容量，单位是A h ； n为库伦系数，充电时n = 1，放电时n < I ;ik是离散状态k时刻的充放电电流，i (t)是离散状态ik实时状态表达式；T pa = RpaCpa是Rpa、Cpa环节的时间常数^为电池欧姆内阻；Rpa电池极化内阻；Cpa为等效电容'11^、[O分别是离散状态k、k+l时刻的Rpa上的电压估计，Upa是离散状态C/fb实时状态表达式；《k、u k为互不相关的系统噪声；Uk是离散状态k时刻的电池工作电压，U(t)是离散状态Uk实时状态表达式！Utje(Sk)是离散状态k时刻的动力电池电荷状态对应的电池工作电压;A表示U。。(Sk)先对电池电荷状态S的导数，并取权利要求1.一种基于RC等效模型的动力电池SOC估计方法，其特征是，包括如下步骤 (1)基于RC等效|吴型的估计方程的确定 xk+1 = Ak xk+Bk uk+wk(3) Yk = Ck Xk-R0 uk+ u k(4) 其中，xk是k时刻输入状态变量；xk+1是k+1时刻输入状态变量；yk是输出测量变量；uk是k时刻的输入控制变量；Ak是增益矩阵，将时刻k的状态线性映射到当前时刻k+1的状态；Bk是k时刻的控制变量增益矩阵；Ck是增益矩阵，状态变量Xk对测量变量yk的增益，R0为电池欧姆内阻，《k、uk为互不相关的系统噪声； (2)扩展Kalman滤波的估算方法 扩展卡尔曼滤波是通过系统状态空间模型将动力电池非线性系统进行线性化，然后再利用标准卡尔曼滤波算法的循环迭代过程对状态变量做算法最优估计。2.如权利要求I所述的基于RC等效模型的动力电池SOC估计方法，其特征是，所述步骤(2)扩展Kalman滤波的估算方法中， 系统离散状态空间模型为 状态方程xk+1 = f(xk, Uk) + wk(5) 输出方程yk = g(xk, uk)+u k(6) 其中，f(Xk，uk)、g(Xk，uk)为分别对应非线性状态转移函数和非线性测量函数，由式(3)、(4)、(5)、(6)可知,令 f (xk, uk) = Ak xk+Bk uk, g(xk, uk) = Ck Xk-R0 uk,得到扩展卡尔曼滤波离散状态空间模型， 将该非线性模型在(xk，uk)附近进行一级泰勒展开，并对状态变量X求偏导数得 ,df (XkJtk)「I0_ k ox ,=4 0 exp(—A"fpa)_ ’ r ￥(xk,uk) JdUJS1) _ I . * & x=xt (10) 协方差最优估计'P^[H:Ck、Pk(11) 其中，E U、E 分别为《k、uk的方差；Xt1是采样时刻k_l时刻右侧的状态估计值； =，其中，Alri是将时刻k-1的状态线性映射到当前时刻k的状态的增益矩阵，Blri是k-1时刻的控制变量增益矩阵，IV1是k-1时刻的输入控制变量是k时刻协方差误差预测估计；#+—1是k-1时刻的协方差最优估计'AU Ah的转置；CkT是Ck的转置；Kk是k时刻卡尔曼增益漱八)=Ck-Xk-R0-Uk邳是k时刻协方差最优估计；E为单位矩阵。全文摘要本专利技术公开了一种基于RC等效模型的动力电池SOC估计方法，包括基于RC等效模型的估计方程的确定的步骤和扩展Kalman滤波的估算方法的步骤，本专利技术可以精确的对动力电池荷电状态进行估计，因为SOC值的大小直接反映了电池所处的状态，由此可限定电池的最大放电电流和预测电动车的续驶里程；根据各节电池的SOC值，可以识别电池组中各电池间的性能差异，并依此进行均衡充电，以保持电池性能的均匀性，最终达到延长电池寿命的目的。文档编号G01R31/36GK102981125SQ20121050141公开日2013年3月20日 申请日期2012年11月30日 优先权日2012年11月30日专利技术者侯恩广, 乔昕, 李小伟, 刘广敏, 李杨, 崔立志, 贺冬梅, 王知学 申请人:山东省科学院自动化研究所本文档来自技高网...
【技术保护点】
一种基于RC等效模型的动力电池SOC估计方法，其特征是，包括如下步骤：（1）基于RC等效模型的估计方程的确定：xk+1＝Ak·xk+Bk·uk+ωk???????????????????????????????（3）yk＝Ck·xk?R0·uk+υk?????????????????????????????????（4）其中，xk是k时刻输入状态变量；xk+1是k+1时刻输入状态变量；yk是输出测量变量；uk是k时刻的输入控制变量；Ak是增益矩阵，将时刻k的状态线性映射到当前时刻k+1的状态；Bk是k时刻的控制变量增益矩阵；Ck是增益矩阵，状态变量xk对测量变量yk的增益，R0为电池欧姆内阻，ωk、υk为互不相关的系统噪声；（2）扩展Kalman滤波的估算方法：扩展卡尔曼滤波是通过系统状态空间模型将动力电池非线性系统进行线性化，然后再利用标准卡尔曼滤波算法的循环迭代过程对状态变量做算法最优估计。
【技术特征摘要】
【专利技术属性】
技术研发人员：侯恩广，乔昕，李小伟，刘广敏，李杨，崔立志，贺冬梅，王知学，
申请(专利权)人：山东省科学院自动化研究所，
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。