车载动力电池荷电状态与健康状态在线估算方法、装置及存储介质与流程

本发明涉及动力电池管理系统
技术领域：
，适用于车载动力电池管理系统在线状态估算。
背景技术：
：基于等效电路模型估算动力电池状态的估算精度很大程度上取决于等效电路模型参数的精准度。0阶等效电路模型忽略了动力电池的极化效应，估算结果不能放映动力电池的真实状态，2阶及以上等效电路模型能够较为准确反映动力电池真实状态，但需要辨识的参数较多，实际应用中受工况限制较大。动力电池在实际使用过程中，成组的单体电池间存在单体容量、荷电状态、欧姆内阻等不一致性，若采用归一化的电池参数进行状态估算，势必会存在因不一致性导致的固定估算误差。专利文献cn111060834a公开了一种动力电池健康状态估算方法，该方法为通过卡尔曼滤波算法对电池的内阻和soc进行循环迭代计算，最终通过内阻的增长评价电池健康状态。其方法在实施过程中通过最小二乘法离线对电池状态参数进行辨识并在线应用。其存在的主要问题：1.通过电池内阻评估电池健康状态的方法存在一定局限性，电池内阻跟温度、soc状态、充放电倍率等因素存在较强关联性，而文中未提及关联因素对电池内阻的影响；2.电池状态参数随着电池老化而发生变化，采用离线参数辨识并在线应用，估算误差随着老化而增大。专利文献2cn106842060a公开了一种基于动态参数的动力电池soc估算方法及系统，该方法采用二阶rc等效电路模型通过带遗忘因子的递推最小二乘法进行在线参数辨识，再通过卡尔曼滤波算法对电池soc进行在线估算。其方法在实际实施过程中较thevenin等效电路模型需要辨识的参数较多，在线实现参数辨识复杂且存在辨识结果不稳定情况，从而会导致卡尔曼滤波估算结果发散的弊端。专利文献cn105301509b公开了一种锂离子电池荷电状态、健康状态与功率状态的联合估计方法，其soh计算方法是基于rint等效电路模型结合最小二乘法参数辨识结果、ocv-soc关系获得△soc的变化，其方法具有以下局限性：1.该方法采用的最小二乘法参数辨识仅在动态工况下能够取得较好的辨识效果，且同时辨识的参数ocv和r0存在此消彼长的关系，不能完全确保ocv估算的准确性，即不能确保soh计算过程中△soc计算的稳定性和准确性；2.在动态工况下辨识参数ocv和r0的同时进行△ah的计算，动态工况下电流波动较大，若要获得较为准确的△ah，对电流传感器的采集精度有较高要求。文献中计算soc的过程是基于二阶等效电路模型结合遗传算法进行离线参数辨识，同时结合soh计算过程中的容量计算结果和内阻辨识结果对二阶等效电路模型参数进行调整，但在电池老化过程中，除了容量、内阻发生变化外，二阶时间常数τ也在发生变化，随着老化加剧，soc的估算精度势必受其影响。专利文献cn107576919a公开了一种基于armax模型的动力电池荷电状态估算系统及方法，所述方法是基于armax模型离散后的thevenin电池模型，通过最小二乘法对thevenin电池模型进行参数辨识，并建立ocv-soc关系，通过辨识参数ocv查表获得soc。此方法采用最小二乘法辨识参数在动态放电工况条件下能够取得较好的效果，但在充电过程中通过辨识参数ocv经过查表获得soc的过程难以确保soc的估算精度，仅达到5％左右。技术实现要素：：本发明针对现有技术存在的不足，提出一种动力电池荷电状态与健康状态联合估算方法、装置及存储介质，实现在线反馈修正功能，有效提高动力电池管理系统荷电状态与健康状态的估算精度和估算稳定性。为实现上述目的，本发明采用如下的技术方案：一种动力电池荷电状态和健康状态的在线估算方法，总体方案是：放电过程中，基于带遗忘因子的递归最小二乘法，结合采集到的电流、单体电压、电池温度，实现动力电池组内各单体电池参数在线辨识；充放电过程中，基于thevenin等效电路模型结合放电过程中辨识到的各单体电池参数实时在线估算各单体电池的端电压cellu_est；根据估算的各单体电池端电压cellu_est和采集的各单体电池端电压cellu_test的偏差，结合自适应扩展卡尔曼滤波算法对各单体电池荷电状态进行修正获得各单体电池荷电状态cellsoc_est；充电过程中，根据各单体电池荷电状态变化量△cellsoc和充电容量变化量△ah计算各单体电池容量cellcap_est。根据充放电过程中计算的各单体电池荷电状态cellsoc_est和充电过程中计算的各单体电池容量cellcap_est计算电池组荷电状态soc、电池组容量packcap及电池组健康状态soh。同时将计算的各单体电池容量cellcap_est应用于thevenin等效电路模型中各单体电池的容量参数，实现在线闭环反馈修正的电池荷电状态与健康状态的联合估算。基于本发明的单体电池荷电状态和单体电池容量估算结果，可用于精准评估电池组单体间的不一致性状态，为动力电池均衡控制策略制定提供依据。本发明具体包括以下步骤：步骤1、在动力电池充放电过程中实时采集各单体电池电流、电压、电池温度数据。步骤2、放电过程中，对采集到的各单体电池状态数据通过带遗忘因子的递归最小二乘法进行thevenin电池模型各单体电池参数的在线辨识，并根据辨识结果对初始状态各单体电池的平均参数进行修正。步骤3、充放电过程中，基于thevenin等效电路模型结合放电过程中辨识到的各单体电池参数实时在线估算各单体电池的端电压cellu_est。步骤4、根据估算的各单体电池端电压cellu_est和采集的各单体电池端电压cellu_test的偏差，结合自适应扩展卡尔曼滤波算法对各单体电池荷电状态进行修正获得各单体电池荷电状态cellsoc_est。步骤5、充电过程中，根据各单体电池荷电状态变化量△cellsoc和各单体电池充电容量变化量△ah计算各单体电池容量cellcap_est；步骤6、将计算的各单体电池容量cellcap_est应用于修正thevenin等效电路模型各单体电池的容量参数，实现在线闭环反馈修正的电池荷电状态与健康状态的联合估算；步骤7、根据计算的各单体电池荷电状态cellsoc_est和各单体电池容量cellcap_est计算电池组荷电状态soc、电池组容量packcap及电池组健康状态soh，作为输出结果。本发明在步骤1之前，先要进行电池模型的离线标定，即对单体电池进行hppc测试后离线辨识并将平均状态参数离线标定至各单体电池，获得thevenin电池模型各单体电池参数的初始状态数据。优选地，所述离线参数辨识方法包含但不限于遗传算法、最小二乘法等，离线参数标定包含不同soc、不同温度状态下辨识的电池参数，其中ocv-soc关系通过离线测试并标定，并认为各单体电池全生命周期过程中ocv-soc关系保持不变。优选地，步骤1中动力电池在充放电过程中电流、各单体电压、电池温度是通过传感器获取，电流传感器采集精度±1％，电压传感器精度±5mv，温度传感器采集精度2℃。优选地，步骤2中在放电过程中根据采集到的电池状态数据结合带遗忘因子的递归最小二乘法进行thevenin等效电路模型各单体电池参数的在线辨识，包含不同soc、不同温度状态下在线辨识的结果，并建立电池参数表存储在bms可存储寄存器中。优选地，步骤3中thevenin等效电路模型对各单体电池荷电状态cellsoc_est和单体电池端电压cellu_est进行估算时，区分不同温度状态下的估算结果。优选地，步骤5中充电过程中，记录固定soc区间各单体电池荷电状态变化量△cellsoc[i]和各单体电池充电容量变化量△ah[i]，通过公式：cellcap_est[i]＝△ah[i]/△cellsoc[i]计算的各单体容量包含不同温度状态下的估算结果。优选地，步骤5中计算的各单体容量结果进行平均滤波处理，估算结果偏差在一定范围内时，判定各单体容量估算结果有效。本发明的另一目的在于提出一种一种动力电池荷电状态与健康状态联合估算装置，用于至少部分解决
背景技术：
中提到的技术问题。为达到上述目的，本发明的技术方案是这样实现的：一种动力电池荷电状态与健康状态联合估算装置，所述装置包括存储器和处理器，所述存储器中存储有指令，所述指令用于使得所述处理器能够执行前述动力电池荷电状态与健康状态联合估算方法。所述动力电池荷电状态与健康状态联合估算装置与上述动力电池荷电状态与健康状态联合估算方法相对于现有技术所具有的优势相同，在此不再赘述。相应地，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行上述的一种动力电池荷电状态与健康状态联合估算方法。本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。本发明的优点如下：1、采用thevenin等效电路模型在放电工况下通过带遗忘因子的最小二乘法实时对电池参数进行辨识，在不增加参数辨识复杂度情况下能够确保等效电路模型具有较高的估算精度。2、根据动态工况下辨识的电池参数，在充放电过程中通过自适应扩展卡尔曼滤波算法对各单体电池荷电状态进行估算，能够确保单体电池荷电状态估算结果的准确性和稳定性。3、充电过程中电流波动较小，在充电过程中进行各单体电池容量计算能够确定单体容量计算公式中△ah[i]的稳定性，从而提高单体容量的估算精度。4、对电池组内各单体电池荷电状态和容量进行估算，并在此基础上推算电池组荷电状态、容量及健康状态，避免因单体电池间不一致性导致的固定误差，提升电池组荷电状态和健康状态估算精度。5、电池组内各单体电池均建立各自的状态参数数据库，并将各单体电池的容计算结果实时反馈至各单体电池参数库中，实现在线闭环反馈修正的电池荷电状态与健康状态的联合估算，有助于提升估算精度。6、单体电池荷电状态和单体电池容量的估算结果，可用于评估电池组内各单体间的不一致性状态，为动力电池均衡控制策略制定提供依据。附图说明图1是动力电池荷电状态与健康状态在线估算方法流程图；图2是单体电池端电压误差仿真结果(v)。图3是电池组荷电状态估算误差仿真结果(％)。图4是电池组健康状态估算误差仿真结果。具体实施方式以下结合附图对本发明做进一步说明：本动力电池荷电状态与健康状态在线估算方法采用的是thevenin电池模型，首先要对电池模型进行离线标定，方法是对单体电池进行hppc测试后离线辨识并将平均状态参数离线标定至各单体电池。并建立电池参数表存储在bms可存储寄存器中。参见图1，在线估算的过程如下：步骤1：在动力电池充放电过程中实时采集各单体电池电流、电压、电池温度数据。动力电池在充放电过程中电流、各单体电压、电池温度通过传感器获取，电流传感器采集精度±1％，电压传感器精度±5mv，温度传感器采集精度2℃。步骤2：放电过程中，对采集到的各单体电池状态数据通过带遗忘因子的递归最小二乘法进行thevenin电池模型各单体电池参数的在线辨识，并根据辨识结果对初始状态各单体电池的平均参数进行修正。thevenin等效电路模型方程表达式为：ul＝uoc+i*r0+up其中ul为电池端电压、uoc为电池开路电压、i为充放电过程电流、up为极化电压、r0为欧姆内阻、rr为极化内阻、cr为极化电容；将thevenin等效电路模型转换后状态方程为：ul(k)＝a1i(k)+α2i(k_1)+a2*ul(k_1)其中cr＝ts/(a2-a1a3)将上式转化为标准的最小二乘法表示形式为：其中带遗忘因子的递归最小二乘法递推公式：充放电过程中通过带遗忘因子的递归最小二乘法对thevenin电池模型各参数进行在线辨识，初始值设定：θ0＝[a1(0)a2(0)a3(0)]＝[0.0010.0010.001]p0＝106*eye(4)。下表即展示了具体具体实施中thevenin电池模型参数辨识结果的一种示意：soc(％)ocv(v)r0(ω)tau(/)rp(ω)03.4085413420.0005849370.7295429920.00036019553.4607810110.0011369492.6813863630.000691817103.5038839840.0006883434.3310666570.000190854203.5797737120.0005442516.6773942420.000103549303.6252996980.0005174738.3902612480.000103577403.6575907850.0004476925.533184866.98442e-05503.7100702560.0005001394.7563702716.2807e-05603.8183277710.0005125937.8056210250.000140059703.9325678230.0005188795.795277210.000109553804.0551270150.0005247816.3688536870.000119429904.1757816180.0005385165.1744953629.24342e-05954.2357551530.0005511515.0558009299.1513e-051004.3167596770.0006159276.9177295820.000132148。步骤3：充放电过程中，基于thevenin等效电路模型结合放电过程中辨识到的各单体电池参数实时在线估算各单体电池的端电压cellu_est。单体电池端电压误差仿真结果参见图2。步骤4：根据估算的各单体电池端电压cellu_est和采集的各单体电池端电压cellu_test的偏差，结合自适应扩展卡尔曼滤波算法对各单体电池荷电状态进行修正获得各单体电池荷电状态cellsoc_est。自适应扩展卡尔曼滤波算法过程：状态方程：xk＝f(xk-1，uk-1)+ωk-1观测方程：yk＝h(xk，uk)+vk其中x为n维系统状态向量；u为r维系统输入向量；y为m维系统输出向量；ωk-1为系统白噪声，均值为零，协方差为qk，vk为测量白噪声，均值为零，协方差为rk；状态估算时间更新为在k_1时刻最有估计值的基础上由状态方程预测的状态估计值；误差协方差时间更新p(k|k_1)＝a(k_1)p(k_1)a(k_1)t+qp(k|k_1)为对应的误差协方差，p(k_1)为对应的误差误差协方差，表示状态估计的不确定性；卡尔曼增益更新k(k)＝p(k|k_1)c(k)t[c(k)p(k|k_1)c(k)t+r]-1k(k)为k时刻的卡尔曼增益，表示实际观测值yk在修正预测值时所占的比重；状态估计测量更新误差协方差测量更新p(k)＝[i-k(k)c(k)]p(k|k_1)其中i为单位矩阵：。步骤5：充电过程中，根据各单体电池荷电状态变化量δcellsoc和各单体电池固定区间充电容量变化量δah按照如下公式计算各单体电池容量cellcap_est：cellcap_est[i]＝δah[i]/δcellsoc[i]。步骤6：将计算的各单体电池容量cellcap_est应用于修正thevenin等效电路模型各单体电池的容量参数，实现在线闭环反馈修正的电池荷电状态与健康状态的联合估算。步骤7：根据计算的各单体电池荷电状态cellsoc_est和各单体电池容量cellcap_est按照如下公式计算电池组荷电状态soc、电池组容量packcap及电池组健康状态soh：packcap＝min{cellsoc_est[i]*cellcap_est[i]}+min{(1-cellsoc_est[i])*cellcap_est[i]}；soc＝min{(1-cellsoc_est[i])*cellcap_est[i]}/packcap；soh＝packcap/ratedcap；其中：cellsoc_est[i]为各单体电池荷电状态，cellcap_est[i]为各单体电池容量，packcap为电池组容量，soc为电池组荷电状态，soh为电池组健康状态，ratedcap为电池组的额定容量。同时根据当前状态电池温度和soh计算结果，按照如下公式将当前状态soh转化为常温状态下soh：soh_nort＝k*soh；其中k为转换系数，按照如下公式计算：k＝a*deltt+b；deltt为当前温度与常温温差，a、b为温差拟合系数，k、a、b通过离线数据拟合标定。根据本发明方案，在动力电池放电过程中对电池组荷电状态、健康状态进行在线估算，估算误差均保持在±2％以内。电池组荷电状态估算误差仿真结果参见图3，电池组健康状态估算误差仿真结果参见图4。相应地，本发明实施例还提供一种机器可读存储介质，所述机器可读存储介质上存储有指令，所述指令用于使得机器能够执行上述的动力电池荷电状态与健康状态联合估算方法。所述机器可读存储介质例如可以是u盘、移动硬盘、只读存储器(rom)、随机存取存储器(ram)、磁碟或者光盘等各种可以存储程序代码的介质。进一步，本发明实施例还提供一种动力电池荷电状态与健康状态联合估算装置，所述装置可以包括存储器和处理器，存储器中可以存储有指令，该指令使得处理器能够执行根据本发明任意是实施例的动力电池荷电状态与健康状态联合估算方法。处理器可以是中央处理单元(cpu)，还可以是其他通用处理器、数字信号处理器(dsp)、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。存储器可用于存储所述计算机程序指令，所述处理器通过运行或执行存储在所述存储器内的计算机程序指令，以及调用存储在存储器内的数据，实现所述动力电池荷电状态与健康状态联合估算装置的各种功能。存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smc)，安全数字(sd)卡，闪存卡、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。当前第1页12