一种锂电池的等效电路模型、SOC估计方法及相关装置与流程

本发明涉及锂电池，尤其涉及一种锂电池的等效电路模型、锂电池的soc估计方法、电子设备及存储介质。

背景技术：

1、荷电状态值（state of charge，soc）作为锂电池的重要参数，一般通过对电压、电流和温度等参数实现对soc的估算，进而完成电池充放电控制、热管理等功能。

2、实际应用中，受多种因素影响，实现对soc精确在线估算较为困难。目前常用的soc估算方法包括：传统方法、基于模型的方法和智能算法三大类。其中，基于模型的方法所建立的模型有两种，一种是电化学模型，另一种是等效电路模型。等效电路模型包含rint模型、thevenin模型、二阶rc模型、pngv模型、gnl模型等，其中二阶rc等效电路模型（即改进thevenin模型）应用最为广泛。然而，现有的等效电路模型无法获得准确的参数，导致锂电池soc值的估算准确性较低，无法得到较为准确的soc值。

技术实现思路

1、有鉴于此，本发明实施例提供一种锂电池的等效电路模型、锂电池的soc估计方法、电子设备及存储介质，该等效电路模型充分考虑电流激励状态不同的影响，根据不同电流激励状态，能够准确地获取等效电路模型的参数，从而采用相对应的等效电路模型估计锂电池的soc值时，能够提升估算锂电池soc值的准确性，获得准确的soc值。

2、为解决上述技术问题，本发明实施例提供以下技术方案：

3、第一方面，本发明实施例提供一种锂电池的等效电路模型，所述等效电路模型包括两种状态下的等效电路模型：一种为有电流激励状态的第一等效电路模型，另一种为无电流激励状态的第二等效电路模型；

4、所述第一等效电路模型包含第一参数；

5、所述第二等效电路模型包含第二参数；

6、所述第一参数不同于所述第二参数。

7、在一些实施例中，对所述第一参数和所述第二参数进行辨识，所述辨识包括：

8、基于所述第一等效电路模型，建立电池端电压的第一关系式，所述第一关系式包括所述第一参数；基于所述第二等效电路模型，建立电池端电压的第二关系式，所述第二关系式包括所述第二参数；

9、获取所述电池在设定实验条件下的充电或放电的第一测试数据，所述第一测试数据包括：测试时间及所述测试时间对应的电池soc、电流和端电压；获取所述电池在设定实验条件下且为静置状态下的第二测试数据，所述第二测试数据包括：测试时间及所述测试时间对应的电池soc、电流和端电压；所述设定实验条件为固定电池温度和充放电电流大小；

10、获取所述电池的开路电压特性曲线，所述开路电压特性曲线为在特定电池温度下，电池的开路电压与电池soc的关系曲线；

11、根据所述第一测试数据和所述第二测试数据中的电池soc及电池温度，依照开路电压特性曲线，获取各电池soc所对应的开路电压；

12、将所述第一测试数据及对应的开路电压输入到第一关系式，将所述第二测试数据及对应的开路电压输入到第二关系式，通过辨识算法获得第一参数和第二参数。

13、在一些实施例中，所述等效电路模型为包括两种状态的二阶rc模型；

14、有电流激励状态的第一等效电路模型包括：第一欧姆内阻、第一一极化电阻、第二一极化电阻、第一一极化电容、第二一极化电容和开路电压；

15、无电流激励状态的二阶rc模型包括：第二欧姆内阻、第一二极化电阻、第二二极化电阻、第一二极化电容、第二二极化电容和开路电压。

16、在一些实施例中，所述第一关系式为：

17、

18、

19、

20、所述第二关系式为：

21、

22、

23、

24、其中，为锂电池开路电压，为锂电池端电压；为锂电池充放电时的工作电流，为锂电池在有电流激励状态下的欧姆内阻，为锂电池在有电流激励状态下的电化学极化电压，、分别为锂电池在有电流激励状态下的极化内阻与电化学极化电容，为锂电池在有电流激励状态下的浓度差极化电压，、分别为锂电池在有电流激励状态下的极化内阻与浓度差极化电容；为锂电池在无电流激励状态下的欧姆内阻，为锂电池在无电流激励状态下的电化学极化电压，、分别为锂电池在无电流激励状态下的极化内阻与电化学极化电容，为锂电池在无电流激励状态下的浓度差极化电压，、分别为锂电池在无电流激励状态下的极化内阻与浓度差极化电容，和表示时刻。

25、在一些实施例中，所述等效电路模型为包括两种状态的thevenin模型；

26、有电流激励状态的第一等效电路模型包括：第一欧姆内阻、第一极化电阻、第一极化电容和开路电压；

27、无电流激励状态的第二等效电路模型包括：第二欧姆内阻、第二极化电阻、第二极化电容和开路电压。

28、在一些实施例中，所述第一关系式为：

29、

30、

31、所述第二关系式为：

32、

33、

34、其中，为锂电池开路电压，为锂电池端电压；为锂电池充放电时的工作电流，为锂电池在有电流激励状态下的欧姆内阻，为锂电池在有电流激励状态下的极化电压，、分别为锂电池在有电流激励状态下的极化内阻与极化电容；为锂电池在无电流激励状态下的欧姆内阻，为锂电池在无电流激励状态下的极化电压，、分别为锂电池在无电流激励状态下的极化内阻与极化电容，和表示时刻。

35、在一些实施例中，所述等效电路模型为包括两种状态的pngv模型；

36、有电流激励状态的第一等效电路模型包括：等效电容、第一欧姆内阻、第一极化电阻、第一极化电容和开路电压；

37、无电流激励状态的第二等效电路模型包括：等效电容、第二欧姆内阻、第二极化电阻、第二极化电容和开路电压。

38、在一些实施例中，所述第一关系式为：

39、

40、

41、

42、所述第二关系式为：

43、

44、

45、

46、其中，为锂电池开路电压，为锂电池端电压，为锂电池充放电时的工作电流，为锂电池的等效电容，为锂电池的等效电压；为锂电池在有电流激励状态下的欧姆内阻，为锂电池在有电流激励状态下的极化电压，、分别为锂电池在有电流激励状态下的极化内阻与极化电容；为锂电池在无电流激励状态下的欧姆内阻，为锂电池在无电流激励状态下的极化电压，、分别为锂电池在无电流激励状态下的极化内阻与极化电容，和表示时刻。

47、在一些实施例中，所述等效电路模型为包括两种状态的gnl模型；

48、有电流激励状态的第一等效电路模型包括：等效电容、第一欧姆内阻、第一一极化电阻、第二一极化电阻、第一一极化电容、第二一极化电容和开路电压；

49、无电流激励状态的第二等效电路模型包括：等效电容、第二欧姆内阻、第一二极化电阻、第二二极化电阻、第一二极化电容、第二二极化电容和开路电压。

50、在一些实施例中，所述第一关系式为：

51、

52、

53、

54、

55、

56、所述第二关系式为：

57、

58、

59、

60、

61、

62、

63、其中，为锂电池开路电压，为锂电池端电压，为锂电池充放电时的工作电流，为自放电电流，为自放电电阻，为锂电池的等效电容，为锂电池的等效电压；为锂电池在有电流激励状态下的欧姆内阻，为锂电池在有电流激励状态下的电化学极化电压，、分别为锂电池在有电流激励状态下的极化内阻与电化学极化电容，为锂电池在有电流激励状态下的浓度差极化电压，、分别为锂电池在有电流激励状态下的极化内阻与浓度差极化电容；为锂电池在无电流激励状态下的欧姆内阻，为锂电池在无电流激励状态下的电化学极化电压，、分别为锂电池在无电流激励状态下的极化内阻与电化学极化电容，为锂电池在无电流激励状态下的浓度差极化电压，、分别为锂电池在无电流激励状态下的极化内阻与浓度差极化电容，和表示时刻。

64、在一些实施例中，通过混合功率脉冲特性测试获得所述第一测试数据和所述第二测试数据。

65、在一些实施例中，通过混合功率脉冲特性测试或开路电压测试获得所述开路电压特性曲线。

66、在一些实施例中，通过最小二乘算法、迭代最小二乘算法、递推最小二乘算法、递推增广最小二乘算法、带遗忘因子的递推最小二乘算法中的一种进行拟合以获得第一参数及第二参数。

67、在一些实施例中，更换不同的设定实验条件以获得不同工况下的所述第一参数和所述第二参数，所述设定实验条件包括电池温度、电流大小和电流方向中的至少一种。

68、第二方面，本发明实施例提供一种锂电池的soc估计方法，基于第一方面提出的任一项锂电池的等效电路模型进行soc估计。

69、第三方面，本发明实施例提供一种电子设备，包括：

70、处理器以及与所述处理器通信连接的存储器；

71、所述存储器存储有所述处理器可执行的计算机程序指令，所述计算机程序指令在被所述处理器调用时，以使所述处理器执行第二方面提出的锂电池的soc估计方法。

72、第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有处理器可执行的计算机程序指令，所述计算机程序指令在被处理器调用时，以使所述处理器执行第二方面提出的锂电池的soc估计方法。

73、本发明实施例的有益效果：区别于现有技术的情况，本发明实施例提供的锂电池的等效电路模型，包括两种状态下的等效电路模型：一种为有电流激励状态的第一等效电路模型，另一种为无电流激励状态的第二等效电路模型；第一等效电路模型包含第一参数；第二等效电路模型包含第二参数；第一参数不同于第二参数。

74、本发明实施例提供的锂电池的等效电路模型充分考虑电流激励状态不同的影响，根据不同电流激励状态，能够准确地获取等效电路模型的参数，从而采用相对应的等效电路模型估计锂电池的soc值时，能够提升估算锂电池soc值的准确性，获得准确的soc值。