CN102289557A - 一种电池模型参数与剩余电量联合异步在线估计方法 - Google Patents
一种电池模型参数与剩余电量联合异步在线估计方法 Download PDFInfo
- Publication number
- CN102289557A CN102289557A CN2011101274791A CN201110127479A CN102289557A CN 102289557 A CN102289557 A CN 102289557A CN 2011101274791 A CN2011101274791 A CN 2011101274791A CN 201110127479 A CN201110127479 A CN 201110127479A CN 102289557 A CN102289557 A CN 102289557A
- Authority
- CN
- China
- Prior art keywords
- battery
- estimation
- model parameter
- calculate
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
Description
技术领域
本发明属于电池技术领域,具体涉及一种电池模型参数与剩余电量联合异步在线估计方法。
背景技术
电池作为备用电源已在通讯、电力***、军事装备等领域得到了广泛的应用。同传统燃油汽车相比,电动汽车可实现零排放,因此是未来汽车的主要发展方向。在电动汽车中电池直接作为主动能量供给部件,因此其工作状态的好坏直接关系到整个汽车的行驶安全性和运行可靠性。为确保电动汽车中的电池组性能良好,延长电池组使用寿命,须及时、准确地了解电池的运行状态,对电池进行合理有效的管理和控制。
电池荷电状态(State of Charge,以下简称SOC)的精确估算是电池能量管理***中最核心的技术。电池的SOC无法用一种传感器直接测得,它必须通过对一些其他物理量的测量,并采用一定的数学模型和算法来估计得到。
目前常用的电池SOC估计方法有开路电压法、安时法等。开路电压法进行电池SOC估计时电池必须静置较长时间以达到稳定状态,而且只适用于电动汽车在停车状态下的SOC估计,不能满足在线检测要求。安时法易受到电流测量精度的影响,在高温或电流波动剧烈情况下,精度很差。另一方面,已有方法一般都假设同类型的电池其内阻等参数基本不变,从而对同一类型电池进行SOC估计时均采用同一组模型参数,这种假设在电池没有发生老化时往往是成立的,但是当电池老化较严重时,电池内阻等会发生较大的变化,此时再基于原有模型参数进行SOC估计势必会发生较大程度的偏差。
发明内容
本发明的目的就是克服现有技术的不足,提出一种电池模型参数与剩余电量联合异步在线估计方法,在在线估计出电池SOC的同时,可以对模型参数进行联合异步在线估计,从而克服由于电池老化带来的电池参数变化对电池SOC估计准确性的影响。本发明方法可以适用于所有电池,且估计精度较高。
本发明的电池模型参数与剩余电量联合异步在线估计方法,具体步骤是:
步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态依赖关系:
观测方程:
其中为电池的荷电状态,即剩余电量;为电池的放电比例系数,反映的是放电速率、温度等因素对电池SOC的影响程度,本发明中只考虑放电速率的影响;是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量,是测量时间间隔,为处理噪声。为电池观测模型的参数,是一个列向量;为电池的内阻,为观测噪声。
步骤(3)执行如下初始化过程:
(a)电池剩余电量估计的初始化:
(b)电池模型参数估计的初始化:
步骤(4)采用采样点卡尔曼滤波算法进行循环递推:
(a)电池剩余电量的估计流程
②根据状态方程进行时间域更新:
③根据观测方程完成测量更新:
(b)电池模型参数的估计流程:
③按下列各式计算测量更新:
在每一时刻,上述步骤4(a)、4(b)交替进行,因此,电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果,另一方面,电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成。整个循环递推过程是在线完成的,即在电池实际工作过程中在线异步完成各时刻电池剩余电量的估计与电池模型参数的估计。
本发明可以方便地进行电池SOC的快速估计,且可以克服电池老化对模型参数的影响。该方法收敛速度快,估计精度高,而且适用于各种电池SOC的快速估计。
根据本发明的第一方面,公开了一种用于电池模型参数与剩余电量联合异步在线估计方法所依赖的测量量,分别为电池的端电压和电池的供电电流。
根据本发明的第二方面,公开了一种用于电池模型参数与剩余电量联合异步在线估计方法中的状态方程和观测方程。
根据本发明的第三方面,公开了一种用于电池模型参数与剩余电量联合异步在线估计方法所依赖的初始值。包括电池剩余电量估计的初始化值及电池模型参数估计的初始值等。这些初始值不必很准确,在采样点卡尔曼滤波的后续迭代过程中它们会很快收敛到真实值附近。
根据本发明的第四方面,公开了一种应用采样点卡尔曼滤波迭代进行电池模型参数与电池剩余电量联合异步在线估计的具体流程。电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果,而电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成,两种估计流程交替异步进行。
具体实施方式
电池模型参数与剩余电量联合异步在线估计方法,具体步骤是:
步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态依赖关系:
其中为电池的荷电状态,即剩余电量;为电池的放电比例系数,反映的是放电速率、温度等因素对电池SOC的影响程度,本发明中只考虑放电速率的影响;是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量,是测量时间间隔,为处理噪声。为电池观测模型的参数,是一个列向量;为电池的内阻,为观测噪声。
步骤(3)执行如下初始化过程:
(a)电池剩余电量估计的初始化:
尺度参数为:
(b)电池模型参数估计的初始化:
步骤(4)采用采样点卡尔曼滤波算法进行循环递推:
(a)电池剩余电量的估计流程
②根据状态方程进行时间域更新:
③根据观测方程完成测量更新:
计算卡尔曼增益:
(b)电池模型参数的估计流程:
①计算模型参数的估计值:
③按下列各式计算测量更新:
在每一时刻,上述步骤4(a)、4(b)交替进行,因此,电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果,另一方面,电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成。整个循环递推过程是在线完成的,即在电池实际工作过程中在线异步完成各时刻电池剩余电量的估计与电池模型参数的估计。
Claims (1)
1.一种电池模型参数与剩余电量联合异步在线估计方法,其特征在于该方法的具体步骤是:
步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态依赖关系:
其中为电池的荷电状态,即剩余电量;为电池的放电比例系数,反映的是放电速率、温度等因素对电池SOC的影响程度,本发明中只考虑放电速率的影响;是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量,是测量时间间隔,为处理噪声;为电池观测模型的参数,是一个列向量;为电池的内阻,为观测噪声;
步骤(3)执行如下初始化过程:
(a)电池剩余电量估计的初始化:
(b)电池模型参数估计的初始化:
步骤(4)采用采样点卡尔曼滤波算法进行循环递推:
(a)电池剩余电量的估计流程
②根据状态方程进行时间域更新:
③根据观测方程完成测量更新:
(b)电池模型参数的估计流程:
③按下列各式计算测量更新:
在每一时刻,上述步骤4(a)、4(b)交替进行,因此,电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果,另一方面,电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成;整个循环递推过程是在线完成的,即在电池实际工作过程中在线异步完成各时刻电池剩余电量的估计与电池模型参数的估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110127479 CN102289557B (zh) | 2011-05-17 | 2011-05-17 | 一种电池模型参数与剩余电量联合异步在线估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110127479 CN102289557B (zh) | 2011-05-17 | 2011-05-17 | 一种电池模型参数与剩余电量联合异步在线估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102289557A true CN102289557A (zh) | 2011-12-21 |
CN102289557B CN102289557B (zh) | 2013-08-07 |
Family
ID=45335981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110127479 Active CN102289557B (zh) | 2011-05-17 | 2011-05-17 | 一种电池模型参数与剩余电量联合异步在线估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102289557B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298118A (zh) * | 2011-05-17 | 2011-12-28 | 杭州电子科技大学 | 一种电池模型参数与剩余电量联合同步在线估计方法 |
CN102928783A (zh) * | 2012-07-19 | 2013-02-13 | 北京金山安全软件有限公司 | 一种电池电量可用时间估计方法、装置及移动设备 |
CN103077291A (zh) * | 2013-01-25 | 2013-05-01 | 华北电力大学 | 可设置初始荷电状态的电池充放电过程数字仿真方法 |
WO2015180050A1 (zh) * | 2014-05-26 | 2015-12-03 | 北京理工大学 | 一种估计电动车辆的动力***的参数和状态的方法 |
CN107122578A (zh) * | 2016-02-23 | 2017-09-01 | 林德(中国)叉车有限公司 | 一种准确计算叉车电池剩余电量的方法 |
CN107421543A (zh) * | 2017-06-22 | 2017-12-01 | 北京航空航天大学 | 一种基于状态扩维的隐函数量测模型滤波方法 |
CN108008320A (zh) * | 2017-12-28 | 2018-05-08 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
CN108318823A (zh) * | 2017-12-28 | 2018-07-24 | 上海交通大学 | 一种基于噪声跟踪的锂电池荷电状态估算方法 |
CN109375111A (zh) * | 2018-10-12 | 2019-02-22 | 杭州电子科技大学 | 一种基于uhf的电池剩余电量估计方法 |
CN109782177A (zh) * | 2018-12-29 | 2019-05-21 | 北京新能源汽车股份有限公司 | 一种电池电量的获取方法、装置及汽车 |
CN109975739A (zh) * | 2019-04-11 | 2019-07-05 | 宁夏隆基宁光仪表股份有限公司 | 一种新型高精度智能电能表的调测方法 |
CN110161423A (zh) * | 2019-06-26 | 2019-08-23 | 重庆大学 | 一种基于多维度耦合模型的动力锂电池状态联合估计方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000075967A (ja) * | 1998-08-27 | 2000-03-14 | Matsushita Electric Ind Co Ltd | 携帯型パーソナルコンピュータの電池残量評価方法と装置 |
CN101022178A (zh) * | 2007-03-09 | 2007-08-22 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
CN101212071A (zh) * | 2006-12-31 | 2008-07-02 | 比亚迪股份有限公司 | 一种动力电池荷电状态估计方法 |
CN101598769A (zh) * | 2009-06-29 | 2009-12-09 | 杭州电子科技大学 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
CN101604005A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 |
CN101625397A (zh) * | 2009-08-06 | 2010-01-13 | 杭州电子科技大学 | 一种电池剩余电量的混合快速估计方法 |
JP2010048759A (ja) * | 2008-08-25 | 2010-03-04 | Nippon Telegr & Teleph Corp <Ntt> | 残容量推定方法および残容量推定装置 |
-
2011
- 2011-05-17 CN CN 201110127479 patent/CN102289557B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000075967A (ja) * | 1998-08-27 | 2000-03-14 | Matsushita Electric Ind Co Ltd | 携帯型パーソナルコンピュータの電池残量評価方法と装置 |
CN101212071A (zh) * | 2006-12-31 | 2008-07-02 | 比亚迪股份有限公司 | 一种动力电池荷电状态估计方法 |
CN101022178A (zh) * | 2007-03-09 | 2007-08-22 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
JP2010048759A (ja) * | 2008-08-25 | 2010-03-04 | Nippon Telegr & Teleph Corp <Ntt> | 残容量推定方法および残容量推定装置 |
CN101598769A (zh) * | 2009-06-29 | 2009-12-09 | 杭州电子科技大学 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
CN101604005A (zh) * | 2009-06-29 | 2009-12-16 | 杭州电子科技大学 | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 |
CN101625397A (zh) * | 2009-08-06 | 2010-01-13 | 杭州电子科技大学 | 一种电池剩余电量的混合快速估计方法 |
Non-Patent Citations (5)
Title |
---|
《浙江省电源学会第十一届学术年会暨省科协重点科技活动"高效节能电力电子新技术"研讨会论文集》 20081231 程艳青 等 基于卡尔曼滤波的电动汽车SOC估计 24-27 1 , * |
刘建锋 等: "基于异步估计自适应Kalman滤波***设计", 《***工程与电子技术》 * |
程艳青 等: "基于卡尔曼滤波的电动汽车SOC估计", 《浙江省电源学会第十一届学术年会暨省科协重点科技活动"高效节能电力电子新技术"研讨会论文集》 * |
程艳青 等: "基于卡尔曼滤波的电动汽车剩余电量估计", 《杭州电子科技大学学报》 * |
程艳青 等: "电动汽车动力电池剩余电量在线测量", 《电子测量与仪器学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298118A (zh) * | 2011-05-17 | 2011-12-28 | 杭州电子科技大学 | 一种电池模型参数与剩余电量联合同步在线估计方法 |
CN102928783A (zh) * | 2012-07-19 | 2013-02-13 | 北京金山安全软件有限公司 | 一种电池电量可用时间估计方法、装置及移动设备 |
CN102928783B (zh) * | 2012-07-19 | 2014-09-03 | 北京金山安全软件有限公司 | 一种电池电量可用时间估计方法、装置及移动设备 |
CN103077291A (zh) * | 2013-01-25 | 2013-05-01 | 华北电力大学 | 可设置初始荷电状态的电池充放电过程数字仿真方法 |
CN103077291B (zh) * | 2013-01-25 | 2016-05-18 | 华北电力大学 | 可设置初始荷电状态的电池充放电过程数字仿真方法 |
WO2015180050A1 (zh) * | 2014-05-26 | 2015-12-03 | 北京理工大学 | 一种估计电动车辆的动力***的参数和状态的方法 |
CN107122578A (zh) * | 2016-02-23 | 2017-09-01 | 林德(中国)叉车有限公司 | 一种准确计算叉车电池剩余电量的方法 |
CN107421543B (zh) * | 2017-06-22 | 2020-06-05 | 北京航空航天大学 | 一种基于状态扩维的隐函数量测模型滤波方法 |
CN107421543A (zh) * | 2017-06-22 | 2017-12-01 | 北京航空航天大学 | 一种基于状态扩维的隐函数量测模型滤波方法 |
CN108008320A (zh) * | 2017-12-28 | 2018-05-08 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
CN108008320B (zh) * | 2017-12-28 | 2020-03-17 | 上海交通大学 | 一种锂离子电池荷电状态与模型参数自适应联合估计方法 |
CN108318823A (zh) * | 2017-12-28 | 2018-07-24 | 上海交通大学 | 一种基于噪声跟踪的锂电池荷电状态估算方法 |
CN109375111A (zh) * | 2018-10-12 | 2019-02-22 | 杭州电子科技大学 | 一种基于uhf的电池剩余电量估计方法 |
CN109782177A (zh) * | 2018-12-29 | 2019-05-21 | 北京新能源汽车股份有限公司 | 一种电池电量的获取方法、装置及汽车 |
CN109782177B (zh) * | 2018-12-29 | 2021-04-20 | 北京新能源汽车股份有限公司 | 一种电池电量的获取方法、装置及汽车 |
CN109975739A (zh) * | 2019-04-11 | 2019-07-05 | 宁夏隆基宁光仪表股份有限公司 | 一种新型高精度智能电能表的调测方法 |
CN109975739B (zh) * | 2019-04-11 | 2021-01-08 | 宁夏隆基宁光仪表股份有限公司 | 一种高精度智能电能表的调测方法 |
CN110161423A (zh) * | 2019-06-26 | 2019-08-23 | 重庆大学 | 一种基于多维度耦合模型的动力锂电池状态联合估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102289557B (zh) | 2013-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101598769B (zh) | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 | |
CN102289557A (zh) | 一种电池模型参数与剩余电量联合异步在线估计方法 | |
CN101604005A (zh) | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 | |
CN101625397B (zh) | 一种电池剩余电量的混合快速估计方法 | |
CN102169168B (zh) | 一种基于粒子滤波的电池剩余电量估计方法 | |
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN105116343B (zh) | 最小二乘支持向量机的动力电池电荷状态估计方法及*** | |
CN105301509B (zh) | 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 | |
CN105974323B (zh) | 一种提高电动汽车soc估算精度的算法模型 | |
CN105717460B (zh) | 一种基于非线性观测器的动力电池soc估计方法和*** | |
CN110441694B (zh) | 基于多重渐消因子卡尔曼滤波锂电池荷电状态估计方法 | |
CN111007400A (zh) | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 | |
CN104181470B (zh) | 一种基于非线性预测扩展卡尔曼滤波的电池soc估计方法 | |
CN109633479B (zh) | 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法 | |
CN111722118B (zh) | 一种基于soc-ocv优化曲线的锂离子电池soc估计方法 | |
CN105425153B (zh) | 一种估计电动车辆的动力电池的荷电状态的方法 | |
CN102298118A (zh) | 一种电池模型参数与剩余电量联合同步在线估计方法 | |
CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
CN107037366A (zh) | 一种电力动车锂离子电池控制*** | |
CN106716158A (zh) | 电池荷电状态估算方法和装置 | |
CN109239602B (zh) | 一种动力电池的欧姆内阻的估算方法 | |
CN113625174B (zh) | 一种锂离子电池soc与容量联合估计方法 | |
Zhang et al. | A battery State of Charge estimation method with extended Kalman filter | |
CN114355211A (zh) | 一种锂离子动力电池剩余电量估计方法 | |
CN105699910A (zh) | 一种锂电池剩余电量在线估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20111221 Assignee: Soyea Technology Co., Ltd. Assignor: Hangzhou Electronic Science and Technology Univ Contract record no.: X2019330000056 Denomination of invention: Battery model parameter and residual battery capacity joint asynchronous online estimation method Granted publication date: 20130807 License type: Common License Record date: 20191226 |
|
EE01 | Entry into force of recordation of patent licensing contract |