一种电动车车载磷酸铁锂电池的SOC与SOH预测方法技术

本发明专利技术公开了一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，包括以下步骤：（a）改进戴维南电池等效模型；（b）确定系统的状态方程和输出方程;（c）电池模型参数辨识；（d）运用卡尔曼滤波算法对系统的状态变量进行迭代，从而使SOC预测值更趋近于实际值；（e）运用双通道卡尔曼滤波算法对磷酸铁锂电池的内阻与容量进行在线预测，同时根据电池当前状态与初始状态时内阻与容量值的变化预测电池的SOH。本发明专利技术采用上述方法，能够有效提高电池的SOC预测精度，较为准确地判断电池性能的下降，并且结合电池内阻与容量信息，给电池管理策略的制定以及电池的维护及更换提供依据。

【技术实现步骤摘要】

本专利技术涉及电池管理系统领域，具体是一种电动车车载磷酸铁锂电池的SOC与SOH预测方法。
技术介绍
荷电状态指当蓄电池使用一段时间或长期搁置不用后的剩余容量与其完全充电时的额定容量的比值，常用百分数表示，5·化'=100%即表示电池充满状态，S化'=O%即表示电池放空状态。电池的荷电状态SOC能否准确估算是研究电池管理系统的重点以及难点之一。SOC之所以难以估算，原因是(1)电池的工作状态复杂，时常处于开通状态、时常处于关闭状态、时常是关闭后再开通，而中间相隔的时间都难以确定，这些都能影响到SOC的预测。(2)电池本身的容量容易受到温度、电流、老化程度、自放电率等诸多因素的影响。(3)以电池作为车载电源对SOC的实时估算结果要求较高。首先必须是在线估算，不能将电池脱离设备；其次是估计过程中不能存在累计误差，即使存在误差也要通过收敛达到真实值，否则估算的SOC值不准确，不仅对电动车无任何积极意义，严重时还会导致电池堆的损坏。即使如此，国内外的学者也提出了一些科学的估计方法。目前，在SOC值的预测上国内外采用了以下几种主要方法①放电试验法内阻法；③开路电压测量法安时积分法；⑤电池数学模型法； 模糊推理和神经网络的方法；⑦卡尔曼滤波法。卡尔曼滤波法已广泛应用于目标跟踪、数据融合等领域。目前，采用卡尔曼滤波算法估算SOC已逐渐成为研究的重点，电池在工作过程中电压、电流变化较快，符合卡尔曼滤波的应用特点。由于串联在一起的性能良好的电池，即使在相同的初始条件及放电电流下，不同电池其内阻、电池容量与充放电能力等性能方面也存在差异，这样必然会导致串联在一起的电池之间SOC的不平衡。而传统的卡尔曼滤波对电池的模型及其精度有较高要求，如果模型参数与滤波器参数不匹配，有可能造成最终的SOC预测结果不能收敛。电池健康状态SOH是单体电池或电池堆的一个的品质因数，用以表示现在电池所处的状态，从而判断电池的剩余电量及使用寿命。电池的健康状态SOH是一个相对主观的概念，不同的BMS (电池管理系统)制造厂商、用户在不同应用场合下其电池的SOH定义都有所不同，在国内外的研究都还处于起步与不公开的阶段，几乎没有公司和文献公开SOH的预测方法及研究结果。卡尔曼滤波器由一系列递归数学公式所描述，它提供了一种高效可靠的计算方法来估计系统的状态，并使估计均方误差最小。卡尔曼滤波器功能强大且应用广泛，它可以估计信号的过去，当前及将来状态，即使是在并不知道模型确切性质及初始值的情况下。卡尔曼滤波器用于估计离散时间过程的状态变量X E F。 尚散时间过程由以下尚散差分方程描述本文档来自技高网...

【技术保护点】
一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，其特征在于：包括以下步骤：（a）改进戴维南电池等效模型，将内阻改为充电内阻与放电内阻并联，并将极化电阻改为充电极化电阻与放电极化电阻并联，得到新的电池模型；?（b）确定系统的状态方程和输出方程,?选择电池的SOC与极化电流作为系统的状态变量，将电池端电压作为系统的输出量，电池负载电流作为系统的输入量，得到系统中各变量的计算方程；（c）电池模型参数辨识；（d）运用卡尔曼滤波算法对系统的状态变量进行迭代，从而使SOC预测值更趋近于实际值；（e）运用双通道卡尔曼滤波算法对磷酸铁锂电池的内阻与容量进行在线预测，利用内阻与容量的实时估计值更新模型中的相关参数，使电池的SOC预测值更加接近于真实值，同时根据电池当前状态与初始状态时内阻与容量值的变化预测电池的SOH。

【技术特征摘要】
1.一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，其特征在于包括以下步骤(a)改进戴维南电池等效模型，将内阻改为充电内阻与放电内阻并联，并将极化电阻改为充电极化电阻与放电极化电阻并联，得到新的电池模型；(b)确定系统的状态方程和输出方程，选择电池的SOC与极化电流作为系统的状态变量，将电池端电压作为系统的输出量，电池负载电流作为系统的输入量，得到系统中各变量的计算方程；(C)电池模型参数辨识；Cd)运用卡尔曼滤波算法对系统的状态变量进行迭代，从而使SOC预测值更趋近于实际值；(e)运用双通道卡尔曼滤波算法对磷酸铁锂电池的内阻与容量进行在线预测，利用内阻与容量的实时估计值更新模型中的相关参数，使电池的SOC预测值更加接近于真实值，同时根据电池当前状态与初始状态时内阻与容量值的变化预测电池的S0H。2.根据权利要求1所述的一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，其特征在于所述步骤(b)的具体过程为(bl)将电池的SOC与极化电流作为系统的状态变量，并根据步骤(a)中改进后的戴维南电池等效模型，得出其状态变量表达式3.根据权利要求1所述的一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，其特征在于所述步骤(C)的具体过程为(Cl)对静态条件下的电池容量参数进行辨识；(c2)对充放电库伦效率参数进行辨识；(c3)极化时间常数、内阻、极化电阻参数辨识。4.根据权利要求3所述的一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，其特征在于所述步骤(Cl)的具体过程是，对单体电池以G/ 充放电倍率进行充放电实验，通过对电池充放电过程中的电流进行积分,得到充入与放出电池的电量,再对充放电电量进行平均，得到电池的静态容量。5.根据权利要求3所述的一种电动车车载磷酸铁锂电池的SOC与SOH预测方法，其特征在于所述步骤(c2)的具体过程是(c21)首先定义三个参数基准库仑效率、充电折算库仑效率以及放电折算库仑效率％，基准库仑效率为用Cfl/]从电池中放出的电量与用(713使电池SOC恢复到放电前状态所需要的电量之比；充电折算库仑效率为用f 3从电池中放出的电量δ-与用任意电流/s使电池SOC恢复到放电前状态所需要的电量之比；放电折算库仑效率^为用特定电流/Β从电池中放出的电量与用C...

【专利技术属性】
技术研发人员：陈小川，高仕斌，王牣，
申请(专利权)人：西南交通大学，成都交大许继电气有限责任公司，
类型：发明
国别省市：