CN103852727A - 动力电池荷电状态在线估算方法和装置 - Google Patents
动力电池荷电状态在线估算方法和装置 Download PDFInfo
- Publication number
- CN103852727A CN103852727A CN201410052452.4A CN201410052452A CN103852727A CN 103852727 A CN103852727 A CN 103852727A CN 201410052452 A CN201410052452 A CN 201410052452A CN 103852727 A CN103852727 A CN 103852727A
- Authority
- CN
- China
- Prior art keywords
- electrokinetic cell
- soc
- battery
- state
- internal resistance
- 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
Images
Landscapes
- Secondary Cells (AREA)
Abstract
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。
Description
技术领域
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
荷电状态(State of Charge,SOC)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***(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。
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***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***,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。
现有技术中,公开了一种动力电池荷电状态的估测方法及***,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。
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SOC,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。
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。
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
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。
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:
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。
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:
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。
进一步地,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。
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:
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=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Kr为电池停机时间是否大于指定时间,当大于指定时间时Kr=1,否则Kr=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、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
进一步地,所述动力电池的状态空间模型的状态方程为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
进一步地,所述动力电池的状态空间模型的状态方程为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
本发明实施例中还提供一种动力电池荷电状态在线估算装置,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。
进一步地,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。
进一步地,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。
进一步地,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=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Kr为电池停机时间是否大于指定时间,当大于指定时间时Kr=1,否则Kr=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、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
进一步地,所述动力电池的状态空间模型的状态方程为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
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,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。
附图说明
图1为本发明动力电池荷电状态在线估算方法一实施例的流程框图;
图2为本发明中动力电池的容量修正系数计算方法的流程框图;
图3为本发明中动力电池的内阻值的计算方法的流程框图;
图4为本发明中动力电池的容量修正系数计算方法的动力电池的容量修正系数的样本数据列表;
图5为本发明容量修正系数Kt-e扩充样本数据所对应的map图;
图6为本发明内阻修正值Rt-soc扩充样本数据所对应的map图;
图7为本发明开路电压实测值和拟合结果的对比图;
图8为本发明SOC实时在线估算的流程框图;
图9为本发明根据线性平均方法求取容量修正系数Kt-e的原理示意图;
图10为本发明动力电池荷电状态在线估算装置的结构示意图;
图11为本发明一实施例的容量修正系数模块的结构示意图;
图12为本发明一实施例的内阻模块的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明实施例的一种动力电池荷电状态在线估算方法,包括步骤:
S1,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(AccumulativeDischargeEnergy,ADE)是指动力电池从第一次使用开始直到当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动力电池的相关参数进行修正更具有可操作性,得到的数据更加的精准。
而在本实施例中,如图2所示,计算动力电池的容量修正系数的方法包括步骤:
S11、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;
S12、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;
S13、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;
S14、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;
通过上述的计算动力电池的容量修正系数的方法,可以得到在不同温度下的动力电池的容量修正系数,使得最终的动力电池的荷电状态估算的更加精准;动力电池容量修正系数的样本数据建立,可以为后续的计算打好基础,再次基础上,通过数学插值法得到更小步长的动力电池容量修正系数的扩充样本数据,并保存成二维数组列表,由于动力电池容量修正系数的扩充样本数据二维数组上相邻的动力电池容量修正系数步长小,两者之间的动力电池容量修正系数相当于是线性变化,所以可以通过现性平均法进行计算,大大的减小了计算的复杂性,提高计算速度。
上述的数学插值法是单项式插值法、多项式插值法和拉格朗日插值法中的一种,可以选择适当的数学插值法进行计算。
上述多个不同温度的相邻的两个温度值相差小于或等于15摄氏度,可以保证两个样本数据之间的步长,在使用上述的方法得到动力电池的容量修正系数更加的准确,相邻的两个温度值相差越小,最终得到的动力电池的容量修正系数更加的准确。精度需求越高时,在制作样本数据的计算量随之增大,具体可根据用户需要进行温度值的选择。
S2,计算动力电池的内阻;本实施例中,如图3所示,计算动力电池的内阻的方法包括:
S21,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;
S22,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;
S23,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动力电池内阻值。
通过上述的计算动力电池的内阻的方法,可以得到在不同温度、不同荷电状态下的动力电池的内阻值,使得最终的动力电池的荷电状态估算的更加精准;动力电池内阻值的样本数据建立,可以为后续的计算打好基础,在此基础上,通过数学插值法得到更小步长的动力电池内阻值的扩充样本数据,并保存成二维数组列表,由于动力电池内阻值的扩充样本数据二维数组上相邻的动力电池容量修正系数步长小,两者之间的动力电池内阻值相当于是线性变化,所以可以通过现性平均法进行计算,大大的减小了计算的复杂性,提高计算速度。
上述的数学插值法是单项式插值法、多项式插值法和拉格朗日插值法中的一种,可以选择适当的数学插值法进行计算。
上述多个不同温度的相邻的两个温度值相差小于或等于10摄氏度,这样可以保证两个样本数据之间的步长,在使用上述的方法得到动力电池的内阻值更加的准确,相邻的两个温度值相差越小,最终得到的动力电池的内阻更加的准确,但是,在制作样本数据的时候会麻烦一些,最终选择,需要用户根据需要进行适当的调整。
S3,建立动力电池的状态空间模型,其建立的基础是根据上述的步骤S1和步骤S2中的数据进行建立的。
S4,将所述空间模型代入到无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)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在一实施例中,在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步骤S1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,指定时间一般是指动力电池停止工作后,动力电池完全稳定下来的时间间隔,一般该时间间隔设置为2小时,2个小时的时间完全可以使得停止工作的动力电池稳定下来,其中,动力电池上一次停机时的荷电状态和时间是在电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,EEPROM)中读取的。在这种情况下,本实施例中建立的动力电池的状态空间模型为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Kr为电池停机时间是否大于指定时间,当大于指定时间时Kr=1,否则Kr=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、k1、k2、k3和k4为电池简化电化学模型中的各项系数。
本发明的一实施例中,上述的池简化电化学模型,其数学表达式为,
Uocv=k0-k1/SOC-k2SOC+k3ln(SOC)+k4ln(1-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
该表达式是一种则中的表达式,在估算动力电池荷电状态的允许值范围内,其计算量小,速度快。
本发明的动力电池荷电状态在线估算方法在另一实施例中,所述动力电池的状态空间模型的状态方程为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
本发明的动力电池荷电状态在线估算方法在一实施例中,上述简化电化学模型中的系数是基于多个不同荷电状态下的开路电压样本数据,通过非线性回归方法得到。所述非线性回归方法是通过MATLAB软件提供的nlinfit()函数实现的。同样的,在本发明其他的非线性的计算过程中,也是使用MATLAB软件提供的nlinfit()函数来实现的。
本发明的动力电池荷电状态在线估算方法在一实施例中,测量动力电池的容量修正系数,测量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,并与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Kt-e的样本数据如,在温度T分别为-20、-10、0、10、25、45、60℃,累计释放能量与额定能量(Rated Energy,RE)之比ADE/RE分别为0、100、200、300、400、500、600条件下,测得相应的容量修正系数Kt-e如图4的表格所示,为了使ADE在数字上不至于过大,因此表中采用了累计释放能量与额定能量之比的表示方式,这在形式上与循环次数相似,但是二者的含义却截然不同,然后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Kt-e的扩充样本数据,并将其保存为二维数组的形式,如图5给出了扩充样本数据所对应的map图;同理,测量动力锂离子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、不同荷电状态下的电池内阻值Rt-soc的样本数据,然后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Rt-soc的扩充样本数据,并将其保存为二维数组的形式,如图6给出了扩充样本数据所对应的map图。
本发明的动力电池荷电状态在线估算方法在一实施例中,测量动力电池在多个不同荷电状态条件下的开路电压,根据所得到的样本数据,借助非线性回归方法得到电池开路电压关于荷电状态的简化电化学模型表达式,如图7给出了实测结果与拟合结果的对比情况。
本发明的动力电池荷电状态在线估算方法在一实施例中,结合图9详细阐述线性平均法的基本原理。下面以计算任意时刻k(记温度为Tk,累计释放能量为ADEk)的容量修正系数Kt-e,k为例,首先根据温度和累计释放能量在储存的Kt-e扩充样本数据表中找到距离Kt-e,k最近的四个样本数据点,假设其坐标值分别为P1(T1,ADE1,Kt-e,1)、P2(T1,ADE2,Kt-e,2)、P3(T2,ADE2,Kt-e,3)和P4(T2,ADE1,Kt-e,4),其中,T1≤Tk≤T2,ADE1≤ADEk≤ADE2;然后以温度T为变量,按线性关系分别计算出P12和P34两点的Kt-e值,再以累计释放能量ADE为变量,根据P12和P34两点的值按线性关系计算出Pk1点的Kt-e值:
\*MERGEFORMAT(3)
同理,以ADE为变量,按线性关系可计算出P23和P14两点的Kt-e值,再以T为变量,根据P23和P14两点的值按线性关系计算出Pk2点的Kt-e值:
\*MERGEFORMAT(5)
最后,再通过求取Pk1和Pk2两点间的平均值得到k时刻对应的容量修正系数Kt-e,k:
Rt-soc的计算原理同上,在此不再赘述。
为达到良好的拟合效果,使用本发明所述方法在建立各修正系数与相差参数的关系曲线时采集的样本数据量不宜过少,更具体地来说:温度应在电池的典型工作温度范围内以不大于15摄氏度的间隔取值,荷电状态应在电池典型工作电量范围内以不大于10%的间隔取值,累计释放能量应在电池所允许的工作寿命内以不大于100倍额定能量的间隔取值。
为便于本领域技术人员更好的理解和掌握本发明的相关方法,现将UKF算法的详细实现步骤阐述如下:
(1)计算加权系数
λ=α2(n+κ)-n \*MERGEFORMAT(11)
式中,n表示状态变量的维数,对于本发明所述方法,由于只将SOC作为状态变量,因此n=1;α和κ反映Sigma采样点在其均值附近的分布情况,α通常在0到1之间取值,κ的默认取值为0;β用来合并有关分布的高阶先验信息,对于高斯分布可取β=2。
(2)生成Sigma点集
\*MERGEFORMAT(13)
\*MERGEFORMAT(14)
式中,Pk为SOC的协方差。
(3)SOC预测
\*MERGEFORMAT(17)
\*MERGEFORMAT(19)
(4)SOC修正
在一具体实施例中,如图8所示,本发明的动力电池荷电状态在线估算方法的具体过程为:
启动动力电池;
从EEPROM中读取上次停机时的SOC和时间,若动力电池已经静止,也就是停止工作2小时以上,则测区电池初始电动势E0,若动力电池静止时间小于2小时,则读取上一次停止工作是的电动势Em;
查表并计算出动力电池的容量修正系数,其中,容量修正系数是通过上述实施例中所述的计算方法得到的,可以快速、准确的得到。
查表并计算出当前动力电池内阻,其中,动力电池的内阻是通过上述实施例中所述的计算方法得到的,可以快速、准确的得到。
通过UKF滤波器估算当前SOC值;
判断动力电池是否停止工作,若停止工作则将SOC、ADE等信息写入EEPROM,然后结束程序,若未停止工作,则延时,继续在线估算动力电池的荷电状态等。
本发明的动力电池荷电状态在线估算方法,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,计算的更加准确;通过建立不同温度值的动力电池容量修正系数的样本数据,再使用数学插值法得到扩充样本数据,最后通过线性平均法得到当前的动力电池容量修正系数,计算量小,而且在计算过程中考虑到温度的影响,让动力电池的荷电状态的计算结果更加的接近真实值;同理,电阻的测量同样具有计算量小,而且在计算过程中考虑到温度的影响,让动力电池的荷电状态的计算结果更加的接近真实值。
如图10所示,本发明还提出一种动力电池荷电状态在线估算装置的实施例,所述装置可包括:容量修正系数模块10、内阻模块20、空间模型模块30以及无迹卡尔曼滤波器模块40。
所述容量修正系数模块10,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;动力电池的累计释放能量(Accumulative DischargeEnergy,ADE)是指动力电池从第一次使用开始直到当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动力电池的相关参数进行修正更具有可操作性,得到的数据更加的精准。所述内阻模块20,用于计算动力电池的内阻。所述空间模型模块30,用于建立动力电池的状态空间模型,其建立的基础是根据上述的内阻和动力电池容量修正系数的数据进行建立的。所述无迹卡尔曼滤波器模块40,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。
本发明的动力电池荷电状态在线估算装置,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,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买得到的估算值更加精准。
本发明的动力电池荷电状态在线估算装置在一实施例中,如图11所示,上述容量修正系数模块10包括:第一检测单元11、比值预算单元12、第一扩充单元13以及第一查找计算单元14;
所述第一检测单元11,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;所述比值预算单元12,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;所述第一扩充单元13,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;所述第一查找计算单元14,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。
通过上述的容量修正系数模块10计算动力电池的容量修正系数,可以得到在不同温度下的动力电池的容量修正系数,使得最终的动力电池的荷电状态估算的更加精准;动力电池容量修正系数的样本数据建立,可以为后续的计算打好基础,再次基础上,通过数学插值法得到更小步长的动力电池容量修正系数的扩充样本数据,并保存成二维数组列表,由于动力电池容量修正系数的扩充样本数据二维数组上相邻的动力电池容量修正系数步长小,两者之间的动力电池容量修正系数相当于是线性变化,所以可以通过现性平均法进行计算,大大的减小了计算的复杂性,提高计算速度。
上述的数学插值法是单项式插值法、多项式插值法和拉格朗日插值法中的一种,可以选择适当的数学插值法进行计算。
上述多个不同温度的相邻的两个温度值相差小于或等于15摄氏度,可以保证两个样本数据之间的步长,在使用上述的方法得到动力电池的容量修正系数更加的准确,相邻的两个温度值相差越小,最终得到的动力电池的容量修正系数更加的准确。精度需求越高时,在制作样本数据的计算量随之增大,具体可根据用户需要进行温度值的选择。
本发明的动力电池荷电状态在线估算装置在一实施例中,如图12所示,上述的内阻模块20包括:第二检测单元21、第二比值预算单元22以及第二查找计算单元23,
所述第二检测单元21,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;所述第二比值预算单元22,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23,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。
通过上述的计算动力电池的内阻的方法,可以得到在不同温度、不同荷电状态下的动力电池的内阻值,使得最终的动力电池的荷电状态估算的更加精准;动力电池内阻值的样本数据建立,可以为后续的计算打好基础,在此基础上,通过数学插值法得到更小步长的动力电池内阻值的扩充样本数据,并保存成二维数组列表,由于动力电池内阻值的扩充样本数据二维数组上相邻的动力电池容量修正系数步长小,两者之间的动力电池内阻值相当于是线性变化,所以可以通过现性平均法进行计算,大大的减小了计算的复杂性,提高计算速度。
上述的数学插值法是单项式插值法、多项式插值法和拉格朗日插值法中的一种,可以选择适当的数学插值法进行计算。
上述多个不同温度的相邻的两个温度值相差小于或等于15摄氏度,这样可以保证两个样本数据之间的步长,在使用上述的方法得到动力电池的内阻值更加的准确,相邻的两个温度值相差越小,最终得到的动力电池的内阻值更加的准确,但是,在制作样本数据的时候会麻烦一些,最终选择,需要用户根据需要进行适当的调整。
本发明的动力电池荷电状态在线估算装置在一实施例中,动力电池荷电状态在线估算装置还包括: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。指定时间一般是指动力电池停止工作后,动力电池完全稳定下来的时间间隔,一般该时间间隔设置为2小时,2个小时的时间完全可以使得停止工作的动力电池稳定下来,其中,动力电池上一次停机时的荷电状态和时间是在电可擦除可编程只读存储器(Electrically ErasableProgrammable Read-Only Memory,EEPROM)中读取的。在这种情况下,本实施例中建立的动力电池的状态空间模型为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Kr为电池停机时间是否大于指定时间,当大于指定时间时Kr=1,否则Kr=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、k1、k2、k3和k4为电池简化电化学模型中的各项系数。
本发明的一实施例中,上述的池简化电化学模型,其数学表达式为,
Uocv=k0-k1/SOC-k2SOC+k3ln(SOC)+k4ln(1-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
该电池简化电化学模型的数学表达式是一种则中的表达式,在估算动力电池荷电状态的允许值范围内,其计算量小,速度快。
本发明的动力电池荷电状态在线估算装置在另一实施例中,所述动力电池的状态空间模型的状态方程还可以为:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。该动力电池的状态空间模型的状态方程的计算和结果更加的准确。
本发明的动力电池荷电状态在线估算装置在一实施例中,上述简化电化学模型中的系数是基于多个不同荷电状态下的开路电压样本数据,通过非线性回归方法得到。所述非线性回归方法是通过MATLAB软件提供的nlinfit()函数实现的。同样的,在本发明其他的非线性的计算过程中,也是使用MATLAB软件提供的nlinfit()函数来实现的。
本发明的动力电池荷电状态在线估算装置在一实施例中,容量修正系数米快10测量动力电池的容量修正系数,测量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,并与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Kt-e的样本数据如,在温度T分别为-20、-10、0、10、25、45、60℃,累计释放能量与额定能量(RatedEnergy,RE)之比ADE/RE分别为0、100、200、300、400、500、600条件下,测得相应的容量修正系数Kt-e的如图4的表格所示,为了使ADE在数字上不至于过大,因此表中采用了累计释放能量与额定能量之比的表示方式,这在形式上与循环次数相似,但是二者的含义却截然不同,然后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Kt-e的扩充样本数据,并将其保存为二维数组的形式,如图5给出了扩充样本数据所对应的map图;同理,测量动力锂离子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、不同荷电状态下的电池内阻值Rt-soc的样本数据,然后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Rt-soc的扩充样本数据,并将其保存为二维数组的形式,如图6给出了扩充样本数据所对应的map图。
本发明的动力电池荷电状态在线估算装置在一实施例中,测量动力电池在多个不同荷电状态条件下的开路电压,根据所得到的样本数据,借助非线性回归方法得到电池开路电压关于荷电状态的简化电化学模型表达式,如图7给出了实测结果与拟合结果的对比情况。
本发明的动力电池荷电状态在线估算装置在一实施例中,结合图9详细阐述线性平均法的基本原理。下面以计算任意时刻k(记温度为Tk,累计释放能量为ADEk)的容量修正系数Ktxe,k为例,首先根据温度和累计释放能量在储存的Kt-e扩充样本数据表中找到距离Kt-e,k最近的四个样本数据点,假设其坐标值分别为P1(T1,ADE1,Kt-e,1)、P2(T1,ADE2,Kt-e,2)、P3(T2,ADE2,Kt-e,3)和P4(T2,ADE1,Kt-e,4),其中,T1≤Tk≤T2,ADE1≤ADEk≤ADE2;然后以温度T为变量,按线性关系分别计算出P12和P34两点的Kt-e值,再以累计释放能量ADE为变量,根据P12和P34两点的值按线性关系计算出Pk1点的Kt-e值:
\*MERGEFORMAT(27)
同理,以ADE为变量,按线性关系可计算出P23和P14两点的Kt-e值,再以T为变量,根据P23和P14两点的值按线性关系计算出Pk2点的Kt-e值:
\*MERGEFORMAT(28)
\*MERGEFORMAT(29)
最后,再通过求取Pk1和Pk2两点间的平均值得到k时刻对应的容量修正系数Kt-e,k:
Rt-soc的计算原理同上,在此不再赘述。
为达到良好的拟合效果,使用本发明所述方法在建立各修正系数与相差参数的关系曲线时采集的样本数据量不宜过少,更具体地来说:温度应在电池的典型工作温度范围内以不大于15摄氏度的间隔取值,荷电状态应在电池典型工作电量范围内以不大于10%的间隔取值,累计释放能量应在电池所允许的工作寿命内以不大于100倍额定能量的间隔取值。
为便于本领域技术人员更好的理解和掌握本发明的相关方法,现将UKF算法的详细实现步骤阐述如下:
(5)计算加权系数
λ=α2(n+κ)-n \*MERGEFORMAT(35)
式中,n表示状态变量的维数,对于本发明所述方法,由于只将SOC作为状态变量,因此n=1;α和κ反映Sigma采样点在其均值附近的分布情况,α通常在0到1之间取值,κ的默认取值为0;β用来合并有关分布的高阶先验信息,对于高斯分布可取β=2。
(6)生成Sigma点集
\*MERGEFORMAT(37)
\*MERGEFORMAT(38)
式中,Pk为SOC的协方差。
(7)SOC预测
\*MERGEFORMAT(41)
\*MERGEFORMAT(43)
(8)SOC修正
本发明的动力电池荷电状态在线估算装置在一实施例中,如图8所示,动力电池荷电状态在线估算装置的估算动力电池荷电状态的具体过程为:
启动动力电池;
从电可擦除可编程只读存储器模块中读取上次停机时的SOC和时间,若动力电池已经静止,也就是停止工作2小时以上,则测区电池初始电动势E0,若动力电池静止时间小于2小时,则读取上一次停止工作是的电动势Em;
容量修正系数模块10查表并计算出动力电池的容量修正系数,其中,容量修正系数是通过上述各实施例中所述的计算方法得到的,可以快速、准确的得到。
内阻模块20查表并计算出当前动力电池内阻,其中,动力电池的内阻是通过上述各实施例中所述的计算方法得到的,可以快速、准确的得到。
空间模型模块30建立动力电池的状态空间模型并带入到无迹卡尔曼滤波器模块40估算当前SOC值;
判断动力电池是否停止工作,若停止工作则将SOC、ADE等信息写入电可擦除可编程只读存储器模块,然后结束程序,若未停止工作,则延时,继续在线估算动力电池的荷电状态等。
本发明的动力电池荷电状态在线估算装置,所述容量修正系数模块10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,计算的更加准确;通过建立不同温度值的动力电池容量修正系数的样本数据,再使用数学插值法得到扩充样本数据,最后通过线性平均法得到当前的动力电池容量修正系数,计算量小,而且在计算过程中考虑到温度的影响,让动力电池的荷电状态的计算结果更加的接近真实值;同理,电阻的测量同样具有计算量小,而且在计算过程中考虑到温度的影响,让动力电池的荷电状态的计算结果更加的接近真实值。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
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:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Kr为电池停机时间是否大于指定时间,当大于指定时间时Kr=1,否则Kr=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、k1、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-SOC)-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,
k0、k1、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:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
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=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Kr为电池停机时间是否大于指定时间,当大于指定时间时Kr=1,否则Kr=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、k1、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-SOC)-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,
k0、k1、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:
输出方程:
Uk=k0-k1/SOCk-k2SOCk+k3ln(SOCk)+k4ln(1-SOCk)-RkIk
式中,
SOCk为K时刻的荷电状态,
Uk-1为k-1时刻的电池工作电压,
Ik-1为k-1时刻的电池工作电流,
QN为电池额定容量,
Um为电池的平均工作电压,
k0、k1、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-SOC)-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,
k0、k1、k2、k3和k4为各项的系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410052452.4A CN103852727B (zh) | 2014-02-14 | 2014-02-14 | 动力电池荷电状态在线估算方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410052452.4A CN103852727B (zh) | 2014-02-14 | 2014-02-14 | 动力电池荷电状态在线估算方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103852727A true CN103852727A (zh) | 2014-06-11 |
CN103852727B CN103852727B (zh) | 2017-04-12 |
Family
ID=50860617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410052452.4A Active CN103852727B (zh) | 2014-02-14 | 2014-02-14 | 动力电池荷电状态在线估算方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103852727B (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093114A (zh) * | 2015-03-02 | 2015-11-25 | 北京交通大学 | 一种电池在线建模与荷电状态的联合估计方法及*** |
CN105116346A (zh) * | 2015-09-15 | 2015-12-02 | 盐城工业职业技术学院 | 一种串联型锂离子电池***及其荷电状态估计方法 |
CN105182246A (zh) * | 2015-09-08 | 2015-12-23 | 盐城工学院 | 基于无迹卡尔曼滤波的并联型电池***荷电状态估计方法 |
CN105182245A (zh) * | 2015-09-08 | 2015-12-23 | 盐城工学院 | 基于无迹卡尔曼滤波的大容量电池***荷电状态估计方法 |
CN105259513A (zh) * | 2015-11-20 | 2016-01-20 | 上海航天电源技术有限责任公司 | 一种用于描述电池状态的几何模型法 |
CN105334462A (zh) * | 2014-08-07 | 2016-02-17 | 华为技术有限公司 | 电池容量损失在线估算方法 |
CN105353314A (zh) * | 2015-09-30 | 2016-02-24 | 盐城工学院 | 一种并联型电池***荷电状态估计方法 |
CN105425153A (zh) * | 2015-11-02 | 2016-03-23 | 北京理工大学 | 一种估计电动车辆的动力电池的荷电状态的方法 |
CN105607009A (zh) * | 2016-02-01 | 2016-05-25 | 深圳大学 | 一种基于动态参数模型的动力电池soc估计方法和*** |
CN105699907A (zh) * | 2016-01-28 | 2016-06-22 | 广州市香港科大***研究院 | 一种基于动态阻抗校正的电池soc估计方法及*** |
CN106066456A (zh) * | 2016-05-25 | 2016-11-02 | 欣旺达电子股份有限公司 | 动力电池soc的计算方法和装置 |
CN106532187A (zh) * | 2016-11-08 | 2017-03-22 | 哈尔滨理工大学 | 一种基于电池健康状态的电池加热方法 |
CN106645953A (zh) * | 2015-10-29 | 2017-05-10 | 宝山钢铁股份有限公司 | 锂电池内阻值估算方法 |
CN107110916A (zh) * | 2014-11-28 | 2017-08-29 | 雷诺有限合伙公司 | 电池组的电池单元的充电状态的自动估计方法 |
CN107209227A (zh) * | 2014-11-28 | 2017-09-26 | 雷诺有限合伙公司 | 电池组的电池单元的充电状态的自动估计方法 |
CN107505578A (zh) * | 2017-10-16 | 2017-12-22 | 西南交通大学 | 一种锂电池电荷状态估计的方法 |
CN107783057A (zh) * | 2017-10-13 | 2018-03-09 | 广汽菲亚特克莱斯勒汽车有限公司 | 一种动力电池soc估算方法及估算*** |
WO2018068329A1 (zh) * | 2016-10-14 | 2018-04-19 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
CN109581223A (zh) * | 2018-11-29 | 2019-04-05 | 吉林大学 | 基于卡尔曼滤波的锂离子电池组的核心温度估计方法 |
CN109707658A (zh) * | 2019-02-28 | 2019-05-03 | 苏州尼昂科技有限公司 | 风机的性能参数的确定方法、装置和电子设备 |
CN109782175A (zh) * | 2019-03-11 | 2019-05-21 | 威马智慧出行科技(上海)有限公司 | 电动汽车电池容量校正测试方法及电子设备 |
CN110764009A (zh) * | 2019-10-31 | 2020-02-07 | 重庆长安新能源汽车科技有限公司 | 一种电动汽车的电池组循环容量及健康状态的估算方法 |
CN111098753A (zh) * | 2018-10-26 | 2020-05-05 | 比亚迪股份有限公司 | 电动车辆的续航里程估算方法和装置、电动车辆 |
CN111308354A (zh) * | 2020-03-11 | 2020-06-19 | 深圳易马达科技有限公司 | 电池健康度状态的检测方法、装置、电子设备及存储介质 |
CN111693869A (zh) * | 2019-03-13 | 2020-09-22 | 上海汽车集团股份有限公司 | 一种基于电芯退极化时间的电池soc修正方法及装置 |
CN111736080A (zh) * | 2020-05-21 | 2020-10-02 | 广汽菲亚特克莱斯勒汽车有限公司 | 一种结合充电策略校准动力电池容量的方法 |
CN112147515A (zh) * | 2020-09-29 | 2020-12-29 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池***功率及内阻在线估算方法 |
CN112415411A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置及车辆、存储介质 |
CN112415410A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置、存储介质和车辆 |
CN113484762A (zh) * | 2021-07-16 | 2021-10-08 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
CN113740751A (zh) * | 2020-05-27 | 2021-12-03 | 台达电子企业管理(上海)有限公司 | 电池内阻检测装置与方法 |
CN114062941A (zh) * | 2020-07-31 | 2022-02-18 | 比亚迪股份有限公司 | 一种动力电池的荷电状态估算方法、装置及电动车辆 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030117143A1 (en) * | 2001-12-26 | 2003-06-26 | Tetsuya Okada | Method of computing remaining battery capacity and battery pack |
CN102645637A (zh) * | 2012-04-25 | 2012-08-22 | 中航锂电(洛阳)有限公司 | 一种均衡电池的soc估算方法 |
-
2014
- 2014-02-14 CN CN201410052452.4A patent/CN103852727B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030117143A1 (en) * | 2001-12-26 | 2003-06-26 | Tetsuya Okada | Method of computing remaining battery capacity and battery pack |
JP2003194897A (ja) * | 2001-12-26 | 2003-07-09 | Sanyo Electric Co Ltd | 電池の残容量演算方法とパック電池 |
CN1428888A (zh) * | 2001-12-26 | 2003-07-09 | 三洋电机株式会社 | 电池剩余容量的运算方法和组合电池 |
CN102645637A (zh) * | 2012-04-25 | 2012-08-22 | 中航锂电(洛阳)有限公司 | 一种均衡电池的soc估算方法 |
Non-Patent Citations (2)
Title |
---|
张金龙: "动力电池组SOC估算及均衡控制方法研究", 《中国博士学位论文全文数据库工程科技II辑》 * |
鲍可进 等: "车用锂离子电池SOC估算算法的研究", 《计算机工程与科学》 * |
Cited By (48)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105334462B (zh) * | 2014-08-07 | 2018-09-07 | 华为技术有限公司 | 电池容量损失在线估算方法 |
CN105334462A (zh) * | 2014-08-07 | 2016-02-17 | 华为技术有限公司 | 电池容量损失在线估算方法 |
CN107110916A (zh) * | 2014-11-28 | 2017-08-29 | 雷诺有限合伙公司 | 电池组的电池单元的充电状态的自动估计方法 |
CN107209227B (zh) * | 2014-11-28 | 2020-03-17 | 雷诺有限合伙公司 | 电池组的电池单元的充电状态的自动估计方法 |
CN107110916B (zh) * | 2014-11-28 | 2020-02-18 | 雷诺有限合伙公司 | 电池组的电池单元的充电状态的自动估计方法 |
CN107209227A (zh) * | 2014-11-28 | 2017-09-26 | 雷诺有限合伙公司 | 电池组的电池单元的充电状态的自动估计方法 |
CN105093114A (zh) * | 2015-03-02 | 2015-11-25 | 北京交通大学 | 一种电池在线建模与荷电状态的联合估计方法及*** |
CN105093114B (zh) * | 2015-03-02 | 2017-12-08 | 江苏卓岸电源科技有限公司 | 一种电池在线建模与荷电状态的联合估计方法及*** |
CN105182245A (zh) * | 2015-09-08 | 2015-12-23 | 盐城工学院 | 基于无迹卡尔曼滤波的大容量电池***荷电状态估计方法 |
CN105182246A (zh) * | 2015-09-08 | 2015-12-23 | 盐城工学院 | 基于无迹卡尔曼滤波的并联型电池***荷电状态估计方法 |
CN105116346A (zh) * | 2015-09-15 | 2015-12-02 | 盐城工业职业技术学院 | 一种串联型锂离子电池***及其荷电状态估计方法 |
CN105353314A (zh) * | 2015-09-30 | 2016-02-24 | 盐城工学院 | 一种并联型电池***荷电状态估计方法 |
CN106645953A (zh) * | 2015-10-29 | 2017-05-10 | 宝山钢铁股份有限公司 | 锂电池内阻值估算方法 |
CN106645953B (zh) * | 2015-10-29 | 2019-11-22 | 宝山钢铁股份有限公司 | 锂电池内阻值估算方法 |
CN105425153B (zh) * | 2015-11-02 | 2017-12-05 | 北京理工大学 | 一种估计电动车辆的动力电池的荷电状态的方法 |
CN105425153A (zh) * | 2015-11-02 | 2016-03-23 | 北京理工大学 | 一种估计电动车辆的动力电池的荷电状态的方法 |
CN105259513A (zh) * | 2015-11-20 | 2016-01-20 | 上海航天电源技术有限责任公司 | 一种用于描述电池状态的几何模型法 |
CN105699907B (zh) * | 2016-01-28 | 2019-03-26 | 广州市香港科大***研究院 | 一种基于动态阻抗校正的电池soc估计方法及*** |
CN105699907A (zh) * | 2016-01-28 | 2016-06-22 | 广州市香港科大***研究院 | 一种基于动态阻抗校正的电池soc估计方法及*** |
CN105607009A (zh) * | 2016-02-01 | 2016-05-25 | 深圳大学 | 一种基于动态参数模型的动力电池soc估计方法和*** |
CN106066456B (zh) * | 2016-05-25 | 2020-05-22 | 欣旺达电子股份有限公司 | 动力电池soc的计算方法和装置 |
CN106066456A (zh) * | 2016-05-25 | 2016-11-02 | 欣旺达电子股份有限公司 | 动力电池soc的计算方法和装置 |
WO2018068329A1 (zh) * | 2016-10-14 | 2018-04-19 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
CN108351386A (zh) * | 2016-10-14 | 2018-07-31 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
CN108351386B (zh) * | 2016-10-14 | 2021-04-09 | 华为技术有限公司 | 一种电量值计算方法、电子设备及存储介质 |
CN106532187A (zh) * | 2016-11-08 | 2017-03-22 | 哈尔滨理工大学 | 一种基于电池健康状态的电池加热方法 |
CN107783057B (zh) * | 2017-10-13 | 2020-02-07 | 广汽菲亚特克莱斯勒汽车有限公司 | 一种动力电池soc估算方法及估算*** |
CN107783057A (zh) * | 2017-10-13 | 2018-03-09 | 广汽菲亚特克莱斯勒汽车有限公司 | 一种动力电池soc估算方法及估算*** |
CN107505578A (zh) * | 2017-10-16 | 2017-12-22 | 西南交通大学 | 一种锂电池电荷状态估计的方法 |
CN111098753B (zh) * | 2018-10-26 | 2022-02-08 | 比亚迪股份有限公司 | 电动车辆的续航里程估算方法和装置、电动车辆 |
CN111098753A (zh) * | 2018-10-26 | 2020-05-05 | 比亚迪股份有限公司 | 电动车辆的续航里程估算方法和装置、电动车辆 |
CN109581223A (zh) * | 2018-11-29 | 2019-04-05 | 吉林大学 | 基于卡尔曼滤波的锂离子电池组的核心温度估计方法 |
CN109581223B (zh) * | 2018-11-29 | 2020-08-11 | 吉林大学 | 基于卡尔曼滤波的锂离子电池组的核心温度估计方法 |
CN109707658A (zh) * | 2019-02-28 | 2019-05-03 | 苏州尼昂科技有限公司 | 风机的性能参数的确定方法、装置和电子设备 |
CN109782175A (zh) * | 2019-03-11 | 2019-05-21 | 威马智慧出行科技(上海)有限公司 | 电动汽车电池容量校正测试方法及电子设备 |
CN111693869A (zh) * | 2019-03-13 | 2020-09-22 | 上海汽车集团股份有限公司 | 一种基于电芯退极化时间的电池soc修正方法及装置 |
CN112415411A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置及车辆、存储介质 |
CN112415410A (zh) * | 2019-08-23 | 2021-02-26 | 比亚迪股份有限公司 | 估算电池soc的方法和装置、存储介质和车辆 |
CN110764009A (zh) * | 2019-10-31 | 2020-02-07 | 重庆长安新能源汽车科技有限公司 | 一种电动汽车的电池组循环容量及健康状态的估算方法 |
CN110764009B (zh) * | 2019-10-31 | 2021-09-28 | 重庆长安新能源汽车科技有限公司 | 一种电动汽车的电池组循环容量及健康状态的估算方法 |
CN111308354A (zh) * | 2020-03-11 | 2020-06-19 | 深圳易马达科技有限公司 | 电池健康度状态的检测方法、装置、电子设备及存储介质 |
CN111736080A (zh) * | 2020-05-21 | 2020-10-02 | 广汽菲亚特克莱斯勒汽车有限公司 | 一种结合充电策略校准动力电池容量的方法 |
CN113740751A (zh) * | 2020-05-27 | 2021-12-03 | 台达电子企业管理(上海)有限公司 | 电池内阻检测装置与方法 |
CN114062941A (zh) * | 2020-07-31 | 2022-02-18 | 比亚迪股份有限公司 | 一种动力电池的荷电状态估算方法、装置及电动车辆 |
CN112147515A (zh) * | 2020-09-29 | 2020-12-29 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池***功率及内阻在线估算方法 |
CN112147515B (zh) * | 2020-09-29 | 2023-08-04 | 厦门金龙联合汽车工业有限公司 | 一种新能源车辆电池***功率及内阻在线估算方法 |
CN113484762A (zh) * | 2021-07-16 | 2021-10-08 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
CN113484762B (zh) * | 2021-07-16 | 2024-05-14 | 东风柳州汽车有限公司 | 电池健康状态估算方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103852727B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103852727A (zh) | 动力电池荷电状态在线估算方法和装置 | |
CN107690585B (zh) | 用于确定锂硫电池组的健康状况和充电状态的方法和装置 | |
EP3588115B1 (en) | Apparatus and method for estimating a state of charge of a battery | |
Vasebi et al. | A novel combined battery model for state-of-charge estimation in lead-acid batteries based on extended Kalman filter for hybrid electric vehicle applications | |
EP2321663B1 (en) | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern | |
CN103250066B (zh) | 感测电池容量的***和方法 | |
EP2700964B1 (en) | Battery state estimation system, battery control system, battery system, and battery state estimation method | |
JP5944291B2 (ja) | バッテリのパラメータ等推定装置およびその推定方法 | |
Zhao et al. | Lithium-ion battery state of charge estimation with model parameters adaptation using H∞ extended Kalman filter | |
KR101355959B1 (ko) | 추정 배터리 상태 벡터와 추정 배터리 파라미터 벡터를 결정하는 시스템 및 방법 | |
JP5683175B2 (ja) | 電気化学システムの計測不能な特性を推定する改良された方法 | |
JP5058814B2 (ja) | バッテリーの状態及びパラメーターの推定システム及び方法 | |
JP4638195B2 (ja) | バッテリの劣化度推定装置 | |
CN103675683A (zh) | 一种锂电池荷电状态(soc)估算方法 | |
JP6548387B2 (ja) | 二次電池の充電状態推定方法および推定装置 | |
CN105301509A (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 | |
CN104678316A (zh) | 锂离子电池荷电状态估算方法和装置 | |
CN105334462A (zh) | 电池容量损失在线估算方法 | |
CN103472403A (zh) | 一种基于pngv等效电路模型的动力电池soc复合估计方法 | |
CN107219466A (zh) | 一种混合扩展卡尔曼滤波的锂电池soc估算方法 | |
CN103797374A (zh) | 用于电池监控的***和方法 | |
Zhang et al. | A battery State of Charge estimation method with extended Kalman filter | |
CN110376536B (zh) | 电池***soh检测方法、装置、计算机设备和存储介质 | |
CN102472800B (zh) | 电化学蓄电池的标定方法 | |
Urbain et al. | State estimation of a lithium-ion battery through kalman filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |