动力电池荷电状态在线估算方法和装置制造方法
【专利摘要】本发明揭示了一种动力电池荷电状态在线估算方法和装置，所述方法包括步骤：通过动力电池的累计释放能量计算动力电池的容量修正系数；计算动力电池的内阻；建立动力电池的状态空间模型：将所述动力电池的状态空间模型代入到无迹卡尔曼滤波器，得到电池荷电状态的估计值。本发明的动力电池荷电状态在线估算方法和装置，通过动力电池的累计释放能量计算动力电池的容量修正系数，动力电池的累计释放能量，它是指电池从第一次使用开始直到目前为止对负载做功以及被内阻所消耗的能量总和，也能像循环次数一样反映电池的使用历史，但是它在数值上更便于精确计量，因此，通过动力电池的累计释放能量来对电池的相关参数进行修正更具有可操作性且得到的估算值更加精准。
【专利说明】动力电池荷电状态在线估算方法和装置
【技术领域】
[0001]本发明涉及到动力电池荷电状态的在线估算领域，特别是涉及到一种动力电池荷电状态在线估算方法和装置。
【背景技术】
[0002]荷电状态(State of Charge，S0C)是反映电池剩余电量及做功能力的一项重要指标，同时也是电池管理系统(Battery Management System,BMS)其他各项功能,诸如充放电控制、电池健康状态监测、热管理等功能的重要依据。因此，SOC的估算是BMS开发最为重要和核心的技术。然而，SOC作为动力电池的内部状态无法直接测取，只能通过对电池电压、电流、内阻、温度等外参数的检测来进行估计。但是上述外参数与SOC的关系不仅随电池的老化过程而改变，而且与电池的工作状态及电动汽车的运行工况密切相关，加之电动汽车的实际运行工况复杂，因此SOC的精确估算已成为动力电池和电动汽车领域一个公认的技术难题。
[0003]目前，典型的动力电池SOC估算方法主要有:安时积分法、开路电压法、神经网络法和卡尔曼滤波法等。其中，安时积分法(也称库仑计量法)虽然实现简单，但是存在几个突出的缺陷:第一，电流测量误差引起的累计估算误差大;第二，由于动力电池在实际应用中可能从任意SOC值开始工作，因而难以确定其初始SOC值，并由此带来较大的估算误差。开路电压法，需要电池静置一段时间才能进行测量估算，不适用于SOC的实时在线估算。神经网络法，需要大量的数据进行训练，估算误差受训练数据和训练方法影响较大，适用范围受训练样本限制，而且在电池管理系统中较难实现。卡尔曼滤波法，是目前国内外研究得比较多的估算方法，然而，卡尔曼滤波是基于模型的算法，对模型精度要求高，由于电池是个复杂的非线性动力系统，在使用过程中反复充放电引起电池老化、电池内阻增大、容量减小，因此会造成电池模型参数的变化，所以需要对电池模型进行动态修正。
[0004]现有技术中，公开了一种动力电池荷电状态的估测方法及系统，通过安时积分法的估计结果和Sigma点卡尔曼滤波器的估计结果进行加权平均来获得最终的SOC估计值，但是并未考虑温度、SOC和循环寿命等参数变化对电池容量、内阻等的影响，随着电池工作环境的变化和循环次数的增加，估算误差将逐渐增大。
[0005]现有技术中，还公开了一种动力电池荷电状态估算方法，采用安时积分法和扩展卡尔曼滤波法相结合的方法来估算电池的S0C，解决了安时积分法无法确定初始SOC的问题，但是并未考虑温度、SOC和循环寿命等参数变化对电池容量、内阻等的影响，另外扩展卡尔曼滤波算法需要求取Jacobian (雅可比)矩阵，导致计算量大，而且扩展卡尔曼滤波算法本身的精度并不高。
[0006]现有技术中，还公开了一种动力电池荷电状态估计方法，对充放电效率和实际容量进行了倍率修正、温度修正和循环次数修正，该方法适用于电池工作状态和非工作状态下的SOC估计，在一定程度上提高了 SOC的估算精度。但是在数据拟合时采用了神经网络方法，导致计算量大，不易于硬件实现；另外，仅仅依靠开路电压法来确定电池初始SOC值，误差较大；再者，动力电池在实际使用过程中，经常会出现电量未完全放完即再次充电，电量未完全充满即再次放电，即“随充随用”的情况，导致无法准确统计电池的完全循环充放电次数，因此，采用循环次数修正的方法不易实现。
[0007]纵观现有技术，存在的主要问题有:没有考虑温度、SOC和循环寿命等参数变化对电池容量、内阻等的影响，误差较大；或者是虽然考虑了对电池实际容量和内阻等参数的修正，但是采用的方法运算量大，且实际可操作性较差。
【发明内容】
[0008]本发明的主要目的为提供一种动力电池荷电状态在线估算方法和装置，可提高估算的精度。
[0009]为了实现上述发明目的，本发明提出的一种解决技术方案为:一种动力电池荷电状态在线估算方法，包括步骤:
[0010]通过动力电池的累计释放能量计算动力电池的容量修正系数；
[0011 ] 计算动力电池的内阻；
[0012]建立动力电池的状态空间模型；
[0013]将所述动力电池的状态空间模型代入到无迹卡尔曼滤波器，得到电池荷电状态的估计值。
[0014]进一步地，所述通过动力电池的累计释放能量计算动力电池的容量修正系数的方法包括:
[0015]检测动力电池在多个不同温度、不同累计释放能量条件下的有效容量；
[0016]通过所述的有效容量与动力电池的额定容量进行比值运算，得到不同温度、不同累计释放能量下的动力电池容量修正系数的样本数据；
[0017]通过数学插值方法得到更小步长的不同温度、不同累计释放能量下的动力电池容量修正系数的扩充样本数据，并保存为二维数组的形式；
[0018]查找电池容量修正系数的二维数组，通过线性平均法得到相邻的两个电池容量修正系数的扩充样本数据之间的电池容量修正系数。
[0019]进一步地，所述计算动力电池的内阻的方法包括:
[0020]检测动力电池在多个不同温度、不同荷电状态条件下的内阻值，得到不同温度、不同荷电状态下的动力电池的内阻值的样本数据；
[0021]通过数学插值方法得到更小步长的不同温度、不同荷电状态下的动力电池的内阻值的扩充样本数据，并保存为二维数组的形式；
[0022]查找动力电池的内阻值的二维数组，通过线性平均法得到相邻两个内阻值的扩充样本数据之间的电池内阻值。
[0023]进一步地，所述通过动力电池的累计释放量计算动力电池的容量修正系数的步骤之前还包括步骤:
[0024]读取动力电池上一次停机时的荷电状态和时间，若动力电池的静止时间大于指定时间，则检测动力电池初始电动势，若动力电池的静止时间小于指定时间，则读取上次停机时动力电池的电动势；
[0025]其中，所述动力电池的状态空间模型的状态方程为:
【权利要求】
1.一种动力电池荷电状态在线估算方法，其特征在于，包括步骤: 通过动力电池的累计释放能量计算动力电池的容量修正系数； 计算动力电池的内阻； 建立动力电池的状态空间模型； 将所述动力电池的状态空间模型代入到无迹卡尔曼滤波器，得到电池荷电状态的估计值。
2.根据权利要求1所述的动力电池荷电状态在线估算方法，其特征在于，所述通过动力电池的累计释放能量计算动力电池的容量修正系数的方法包括: 检测动力电池在多个不同温度、不同累计释放能量条件下的有效容量； 通过所述的有效容量与动力电池的额定容量进行比值运算，得到不同温度、不同累计释放能量下的动力电池容量修正系数的样本数据； 通过数学插值方法得到更小步长的不同温度、不同累计释放能量下的动力电池容量修正系数的扩充样本数据，并保存为二维数组的形式； 查找电池容量修正系数的二维数组，通过线性平均法得到相邻的两个电池容量修正系数的扩充样本数据之间的电池容量修正系数。
3.根据权利要 求1所述的动力电池荷电状态在线估算方法，其特征在于，所述计算动力电池的内阻的方法包括: 检测动力电池在多个不同温度、不同荷电状态条件下的内阻值，得到不同温度、不同荷电状态下的动力电池的内阻值的样本数据； 通过数学插值方法得到更小步长的不同温度、不同荷电状态下的动力电池的内阻值的扩充样本数据，并保存为二维数组的形式； 查找动力电池的内阻值的二维数组，通过线性平均法得到相邻两个内阻值的扩充样本数据之间的电池内阻值。
4.根据权利要求1-3中任一项所述的动力电池荷电状态在线估算方法，其特征在于，所述通过动力电池的累计释放量计算动力电池的容量修正系数的步骤之前还包括步骤: 读取动力电池上一次停机时的荷电状态和时间，若动力电池的静止时间大于指定时间，则检测动力电池初始电动势，若动力电池的静止时间小于指定时间，则读取上次停机时动力电池的电动势； 其中，所述动力电池的状态空间模型的状态方程为:
SOC = SOC — &k 1.I1.A, + R丨<.1 ' I ' Af
^“― K (Jl(KrEjil-Kr)Ew) 输出方程:
Uk = ko-ki/SOC^SOC^ln (SOCk) +k4ln (1-SOCk) -RkIk
式中， SOCk为K时刻的荷电状态， Uh为k-Ι时刻的电池工作电压， Ik-!为k-Ι时刻的电池工作电流， Qn为电池额定容量，&为电池停机时间是否大于指定时间，当大于指定时间时&=1，否则&=0， E0为电池开始工作时的初始电动势， Em为电池上一次停止工作时的电动势，1?、Ii1、k2、k3和k4为电池简化电化学模型中的各项系数，其中:所述电池简化电化学模型，其数学表达式为，
Uocv = k0-k1/SOC-k2SOC+k3ln (SOC) +k4ln (1-S0C) -RbIb
式中， Uocv为动力电池的开路电压， SOC为动力电池的荷电状态， Rb为动力电池的内阻， Ib为动力电池的工作电流， kQ、kp k2、k3和k4为各项的系数。
5.根据权利要求1-3所述的动力电池荷电状态在线估算方法，其特征在于，所述动力电池的状态空间模型的状态方程为:
6.一种动力电池荷电状态在线估算装置，其特征在于，包括: 容量修正系数模块，用于通过动力电池的累计释放能量计算动力电池的容量修正系数； 内阻模块，用于计算动力电池的内阻； 空间模型模块，用于建立动力电池的状态空间模型； 无迹卡尔曼滤波器模块，用于将所述空间模型代入到无迹卡尔曼滤波器，得到电池荷电状态的估计值。
7.根据权利要求6所述的动力电池荷电状态在线估算装置，其特征在于，所述容量修正系数模块包括: 第一检测单元，用于检测动力电池在多个不同温度、不同累计释放能量条件下的有效容量； 比值预算单元，用于通过所述的有效容量与动力电池的额定容量进行比值运算，得到不同温度、不同累计释放能量下的动力电池容量修正系数的样本数据； 第一扩充单元，用于通过数学插值方法得到更小步长的不同温度、不同累计释放能量下的动力电池容量修正系数的扩充样本数据，并保存为二维数组的形式； 第一查找计算单元，用于查找电池容量修正系数的二维数组，通过线性平均法得到相邻的两个电池容量修正系数的扩充样本数据之间的电池容量修正系数。
8.根据权利要求6所述的动力电池荷电状态在线估算装置，其特征在于，所述内阻模块包括: 第二检测单元，检测动力电池在多个不同温度、不同荷电状态条件下的内阻值，得到不同温度、不同荷电状态下的动力电池的内阻值的样本数据； 第二比值预算单元，用于通过数学插值方法得到更小步长的不同温度、不同荷电状态下的动力电池的内阻值的扩充样本数据，并保存为二维数组的形式； 第二查找计算单元，用于查找动力电池的内阻值的二维数组，通过线性平均法得到相邻两个内阻值的扩充样本数据·之间的电池内阻值。
9.根据权利要求6-8中任一项所述的动力电池荷电状态在线估算装置，其特征在于，还包括: 电可擦除可编程只读存储器模块，用于读取动力电池上一次停机时的荷电状态和时间，若动力电池的静止时间大于指定时间，则检测动力电池初始电动势，若动力电池的静止时间小于指定时间，则读取上次停机时动力电池的电动势； 其中，所述动力电池的状态空间模型的状态方程为: 输出方程:
Uk = ko-ki/SOC^SOC^ln (SOCk) +k4ln (1-SOCk) -RkIk
式中， SOCk为K时刻的荷电状态， Uh为k-Ι时刻的电池工作电压， Ik-!为k-Ι时刻的电池工作电流， Qn为电池额定容量， &为电池停机时间是否大于指定时间，当大于指定时间时&=1，否则&=0， E0为电池开始工作时的初始电动势， Em为电池上一次停止工作时的电动势， k0, V k2、k3和k4为电池简化电化学模型中的各项系数，其中:所述电池简化电化学模型，其数学表达式为，
Uocv = k0-k1/SOC-k2SOC+k3ln (SOC) +k4ln (1-S0C) -RbIb
式中，Uocv为动力电池的开路电压， SOC为动力电池的荷电状态， Rb为动力电池的内阻， Ib为动力电池的工作电流， kQ、kp k2、k3和k4为各项的系数。
10.根据权利要求6-8中任一项所述的动力电池荷电状态在线估算装置，其特征在于，所述动力电池的状态空间模型的状态方程为:
【文档编号】G06F19/00GK103852727SQ201410052452
【公开日】2014年6月11日 申请日期:2014年2月14日 优先权日:2014年2月14日
【发明者】田勇, 夏必忠, 王明旺, 孙威, 郑伟伟, 徐智慧, 赖勇智 申请人:清华大学深圳研究生院, 欣旺达电子股份有限公司