一种电池SOC估计方法与流程

本发明属于锂离子电池，具体提供一种电池soc估计方法。

背景技术：

1、以化石燃料为动力源的传统交通工具面临着高污染、燃料资源短缺等问题。因此，更加环保、节能的新能源汽车正在逐步取代燃油汽车。锂离子电池以其能量密度高、寿命长、环保性好等优点，被广泛应用于新能源汽车的储能及动力装置。锂离子电池的荷电状态(state of charge,soc)反映了电池的剩余电量，对新能源汽车的续航里程、功率性能和安全功能有着直接的影响。随着电动汽车数量的不断增加，快速准确地估计电池的荷电状态具有重要意义。因此，对电动汽车动力电池的荷电状态进行高效地估计，成为一个重要的研究方向。

2、传统的soc估计方法包括开路电压法、安时积分法、卡尔曼滤波等方法。其中开路电压法基于soc-ocv特性曲线，通过测量电池在开路状态下的端电压对soc估计，这种方法需要电池长时间静置以达到电压稳定，只适用于充分静置的电池，且对于磷酸铁锂等存在平台区的电池，该方法几乎无法准确辨识(如说明书附图2)。安时积分法利用充放电电流对时间的积分来计算soc，这种方法需要准确的电流测量和初始soc数据，且随着时间推移存在累积误差。卡尔曼滤波方法运用多个测量和模型预测来估算soc，适用于动态系统，但该方法受初始值的影响太大。这些方法都是基于电压和电流变化序列的soc估计方法。

3、电化学阻抗谱(eis)是一种重要的电池动力学表征方法。由于eis可以在宽频率范围内反映电池的阻抗特性，并且具有高精度、宽频带、无损伤性等优点，因此被广泛地应用于电池电化学动力学反应机理分析、电池老化模式分析、电池健康状态估计和寿命预测等方面。eis估计soc的方法常用等效电路模型法，对ecm模型进行参数辨识，并建立参数特征和soc之间的回归方程，达到soc估计的目的。然而，常用的参数辨识采用的是全频段辨识的方式，特征维度高，计算复杂度大，并且最终保留的特征只占所有特征的很小一部分，浪费了大量的辨识时间。因此，本发明提出了一种对少量样本提取特征简化ecm模型的方式，在保证估计精度的前提下大幅提高模型的辨识速度。

技术实现思路

1、本发明的目的在于提供一种电池soc估计方法，解决了背景技术中存在的问题。

2、为实现上述目的，本发明提供如下技术方案：一种电池soc估计方法，包括以下步骤：

3、步骤一，获得电池不同soc下的eis；

4、步骤二，对整个eis频段建立电池等效电路模型并进行参数辨识；

5、步骤三，寻找特征并构建和辨识特征频率区间简化的ecm模型；

6、步骤四，对简化模型的特征构建回归模型并进行精度评估；

7、其中在上述步骤一中，通过充放电设备调整电池的soc，得到电池不同的soc，通过阻抗设备获得对应不同soc下的eis；

8、其中在上述步骤二中，搭建能描述电池阻抗谱的电池等效电路模型，并建立当前电池等效电路模型满足的阻抗-频率关系方程，运用优化算法对少量电池样本进行参数辨识；

9、其中在上述步骤三中，观察电池样本在不同soc下各参数的规律，运用复相关系数法寻找特征，根据特征所属元件简化ecm模型，运用优化算法对全体电池eis数据进行参数辨识；

10、其中在上述步骤四中，对所述步骤三辨识的参数构建回归模型，将电池根据电池编号划分为训练集和验证集，使用验证集的拟合优度r2作为评判模型好坏的指标。

11、优选的，所述步骤一中，待测eis的soc位置为30％，35％，40％，45％，50％，55％，60％；首先，将待测电池放空到截止电压，静置2小时后恒流充电到30％soc，再静置2小时后开始阻抗测试；然后，从30％soc开始，每次恒流充入额定容量5％的安时数，静置2小时后开始阻抗测试，直到soc达到60％，完成电池在指定不同soc下的eis获取。

12、优选的，所述步骤一中，待测eis频率点的区间为100hz-0.01hz，服从对数分布，且区间[10k+1,10k]hz的间隔数量为10，共41个频率点；使用阻抗设备对每个soc进行两遍阻抗测试，以两次阻抗谱的算术平均作为待测电池当前soc下的eis。

13、优选的，所述步骤二中，常用的阻抗谱等效电路模型包括整数阶等效电路模型和分数阶等效电路模型；当采用分数阶等效电路模型时，采用的等效电路模型电路中包含以下电路元件：欧姆电阻r0、超高频电感l0、浓差极化rc环节、扩散环节以及韦伯元件ws；浓差极化rc环节包括极化电阻r1和极化cpeq1；扩散环节包括扩散电阻r2和扩散cpeq2；假设角频率ω＝2πf，j为虚数单位，则这些元件的复阻抗满足如下关系式：

14、zr＝r(1)

15、zl＝jωl(2)

16、

17、因此，等效电路模型电路的总阻抗为：

18、

19、优选的，所述步骤二中，分数阶等效电路模型需要辨识如下11个参数：欧姆电阻r0、超高频电感l0、极化电阻r1、极化cpe两个参数q1p,q1t、扩散电阻r2、扩散cpe两个参数q2p,q2t、warburg元件三个参数wsr,wst,wsp；在给定了11个待辨识参数的条件下，能够计算出所有频率点的预测复阻抗序列假设通过阻抗设备采集的真实复阻抗序列为z(ω)，定义损失函数为两个复阻抗序列的均方根误差rmse；rmse越小，则认为参数辨识的结果越准确。

20、优选的，所述步骤二中，选取少量电池的eis样本数据运用优化算法进行参数辨识；常用的优化算法包括遗传算法(ga)、粒子群算法(pso)、差分进化算法(de)和麻雀搜索算法(ssa)；当采用差分进化算法进行参数寻优时，包括如下步骤：

21、第一步，确定算法种群大小m和迭代次数n；然后，在可行域中随机选取m个初始解xk＝(r0,k,r1,k,r2,k,τ1,k,τ2,k,l0,k,wsr,k,wsτ,k,wsp,k)，作为一个个体，所有个体构成的集合称为种群；对每个个体xk，它的适应度定义为rmse(xk)；种群中适应度最小的个体称为当前种群的最优个体；

22、第二步，按照指定的操作对种群进行迭代；差分进化一共有三种合法操作：变异、交叉和选择，每一步迭代按顺序依次执行三种操作；首先执行变异操作，对于第k+1代变异操作，生成一个候选个体：

23、

24、其中为随机选取的第k代已经生成的个体，f为介于0-2之间的变异因子；然后执行交叉操作，对于第k+1代交叉操作，vi(k)为d＝9为待辨识参数向量，假设

25、

26、cr为介于0-1之间的交叉因子，则

27、

28、

29、最后执行选择操作，对于第k+1代选择操作，根据适应度的大小选择保留生成的候选个体或原有个体保留的个体即为第k+1代种群的第i个个体重复三种操作直到第k+1代种群的个体数量达到m；

30、第三步，当迭代次数达到最大值n时，迭代停止；此时选取最后一个种群的最优个体作为参数辨识的结果。

31、优选的，步骤三中，将元件分成四组，欧姆内阻r0，高频感抗元件l0，中频极化过程rc元件r1,q1,r2,q2和低频扩散过程元件ws；运用复相关系数法计算高频元件、中频元件、低频元件参数组和soc的复相关系数；选取相关系数最高的特征所在的一组元件x，根据元件所代表的频段，选取频率区间构建高频、中频或低频的简化版本ecm模型；由于r0和频率无关，因此构建的简化版本ecm模型为r0与x的串联。

32、优选的，步骤三中，运用简化ecm模型，对全体电池eis数据采用所述步骤二中的差分进化算法，完成参数辨识。

33、优选的，所述步骤四中，对所述步骤三中简化ecm模型的特征，构建回归模型对soc进行拟合；根据特征数量，回归模型能够采用传统的广义线性回归模型或多项式模型，也能够选择更复杂的高斯回归模型或随机森林模型。

34、优选的，所述步骤四中，将待测电池各项数据分为训练集和验证集，用训练集对模型进行训练，用验证集检验模型的精度；采用基于电池编号分割数据集的验证方法，将数据集以电池编号为单位分成k份，每次选取1块电池作为验证集，剩下的k-1块电池作为训练集对模型进行训练，选择验证集的拟合优度最高的模型作为最终辨识的模型。

35、与现有技术相比，本发明的有益效果是：

36、本发明和传统的基于开路电压的方法估测soc相比，本发明运用eis特征对soc进行综合评估，准确性更高；本发明可以有效解决磷酸铁锂等电池存在平台区导致基于开路电压方法估计soc存在困难的问题；本发明采用了特定频率区间的简化ecm模型，弥补了原有优化算法特征多、速度慢的问题。