CN106026260A - 一种带有均衡电路的串连电池组soc估算方法 - Google Patents

Abstract

本发明涉及一种带有均衡电路的串连电池组SOC估算方法。所述的方法通过在充放电阶段对电压最低或最高的电池单体进行自适应扩展卡尔曼滤波的SOC估算，从而得到串连电池组的SOC。为了消除噪声对测量信号的影响，并分析非稳态剧烈变化的电压和电流信号，在自适应扩展卡尔曼滤波前加入小波变换，用于信号的降噪和分析。考虑到各电池参数和开路电压‑荷电状态（Open Circuit Voltage‑State of Charge,OCV‑SOC）曲线随温度、SOC的变化而变化，本方法可以进行参数的在线更新，提高SOC估算的精度。此种估算方法可以在保证串连电池组安全工作的情况下，准确估算电池组的SOC，适用于主动和被动均衡。同时，本方法可以有效消除噪声的影响，并对电压、电流信号进行有效分析。

Description

一种带有均衡电路的串连电池组SOC估算方法

技术领域

本发明公开了一种带有均衡电路的串连电池组SOC估算方法，属于电动汽车动力电池管理***技术领域。

背景技术

近年来，新能源汽车如电动汽车正快速发展，而动力电池作为电动汽车的心脏，需要高效可靠的管理，这样才能保障汽车的安全性、经济性，延长电池的使用寿命。

电池荷电状态是指电池的剩余荷电容量与电池额定容量的比值，它在经过一定转换之后可以反映电动汽车的续航里程。同时，对电池SOC的准确估计可以防止电池在充放电过程中发生过充和过放，从而保障电池的安全使用，延长电池使用寿命。目前SOC的估算方法主要包括以下几种：1)开路电压法；2)安时积分法；3)扩展卡尔曼滤波法及其改进算法；4)神经网络法；5)模糊逻辑法等。其中，开路电压法需要长时间静置得到开路电压，再查表得到SOC，因此，该方法不适合电动汽车的实时应用场合。安时积分法简单易行，是目前很多电动汽车厂商采用的SOC估算方法，但是该算法受初始值影响大，并存在累积误差。神经网络法和模糊逻辑法等智能算法可以得到精度较高的SOC估计值，但是这一类算法需要大量的实验数据作为支撑，同时，它们的算法也比较复杂，难于应用到现在的电动汽车场合。扩展卡尔曼滤波法以及很多改进的算法基于电池等效电路模型或其余模型，可以进行电池状态的最优估计，同时，这一类算法还可以消除初始值不准确带来的估算误差。

由于电池单体的差异，各个电池单体在充放电过程中状态会有所区别，因此，现有的先进电池管理***都包含均衡电路，采用的均衡策略包括主动均衡和被动均衡。在充电和放电末期，某些电池单体的电压会先到达电压上限或下限的数值，为保障电池的安全和高效使用，需要在电池的充放电过程中，开启均衡电路进行电池均衡。同时，在充电和放电的过程中，电池的均衡和充放电控制是由单体电压为V_max和V_min的电池单体所决定。传统的SOC估算方法是基于电池组的特性进行估算的，然而这种算法估算得到的SOC忽略了电池单体的差异，也忽略了实际决定电池充放电和均衡的电池单体的特性。因此，为了保障电池的安全使用，同时为了得到电池组准确的SOC估算数值，需要在充电和放电过程中，分别对电池电压为V_max和V_min的电池单体进行SOC估算，在估算的过程中也需要考虑均衡电路的差异和均衡电流的影响。

实际的电动汽车的电磁环境十分复杂，这将带来电磁干扰等问题，因此，电池管理***(Battery Management System,BMS)采集的很多电信号都是含有大量噪声的，这些噪声将会带来测量误差。如果不对测量的电压、电流等信号进行降噪处理，将会带来SOC估算误差。另一方面，实际工况下，电动汽车的电流和电压变化是随机且剧烈的，因此，也需要一种可以有效分析这一类信号的方法。小波变换作为一种新兴的数学分析工具，它可以有效的对非平稳信号进行分析，同时，通过一定的方法，它也可以实现信号的滤波降噪。

在电动汽车的使用过程中，电池单体所处的状态是随时变化的，例如温度、SOC等都会不断变化，这些变化将会引起电池单体参数发生变化。如果在建立电池模型的时候，不考虑这些变化，那么在进行SOC估算的时候将会带来估算误差。为了消除由于状态变化带来的误差，需要时刻对电池单体参数进行修正，使得电池模型与所处状态保持一致。

发明内容

本发明针对现有技术的缺陷和不足，提出了一种带有均衡电路的串连电池组荷电状态(State ofCharge,SOC)估算方法。它可以在保障所有电池单体安全工作的情况下，实现串连电池组SOC的准确估算，适合被动和主动均衡；同时，它可以实现非平稳信号的分析和降噪；在考虑电池参数变化的情况下，AEKF估算电池组的SOC可以提高算法的精度，并实现算法的自适应和初始误差的修正。

本发明的具体技术方案如下：

一种带有均衡电路的串连电池组SOC估算方法，包括如下步骤：

(1)建立改进的电池等效电路模型；

(2)对电池组中任选的电池单体进行不同温度、不同SOC下的电池等效电路模型中的OCV、欧姆内阻、极化电阻和极化电容各参数的测试，再进行多项式拟合得到不同温度下电池单体OCV、欧姆内阻、极化电阻和极化电容各参数与SOC的关系式；

(3)根据带有均衡电路的串联电池组上个充放电过程结束时电池管理***记录的SOC终值初始化本次充放电的SOC初值，并判断充放电状态；

(4)放电时选择端电压最低，即端电压为V_min的电池单体作为电池组SOC估算对象；充电时选择端电压最高，即端电压为V_max的电池单体作为电池组SOC估算对象；充放电过程中出现的不充不放阶段，仍选择上一时刻选择的电池单体作为电池组SOC估算对象；

(5)读取所选电池单体的端电压、母线电流、均衡电流和温度；

(6)对步骤(5)中读取的端电压、母线电流、均衡电流进行小波分解、降噪和重构，得到降噪后的端电压、母线电流和均衡电流；

(7)根据步骤(5)中读取的温度，分别选择当前温度下电池等效电路模型中电池单体OCV、欧姆内阻、极化电阻、极化电容与SOC的关系式；再根据上一个估算循环估算得到的SOC估算值，求出当前温度和SOC状态下的电池单体OCV、欧姆内阻、极化电阻、极化电容的数值；对于第一次循环，由上个充放电过程结束时电池管理***记录的SOC终值求出当前温度和SOC状态下的电池单体OCV、欧姆内阻、极化电阻、极化电容的数值；

(8)由步骤(6)得到的降噪后的电池单体端电压、母线电流、均衡电流，以及步骤(7)得到的当前温度和SOC下的OCV、欧姆内阻、极化电阻和极化电容，通过AEKF估算带有均衡电路的电池组的SOC，得到当前时刻的SOC估算值；

(9)判断充电或放电是否结束，结束则停止估算，电池管理***记录步骤(8)估算得到的SOC估算值作为SOC终值；未结束则继续步骤(4)-(9)，其中，步骤(8)得到的SOC估算值，用于下一个估算循环的步骤(7)估算电池等效电路模型中的各个参数。

进一步地，在进行SOC估算之前，需要确定均衡判断依据和均衡策略，电池均衡判断依据为电池组的所有电池单体电压的数值和设置的电池单体电压差值的阈值，具体包括：

a.根据实际均衡的要求，设置合适的电池单体电压差值的阈值；

b.若BMS采用被动均衡，则对电池单体电压与V_min差值大于阈值的电池单体进行放电，对电池单体电压与V_min差值小于阈值的电池单体不做均衡；

c.若BMS采用主动均衡，则对电池单体电压与V_min差值大于阈值的电池单体进行放电，对电池单体电压与V_min差值小于阈值的电池单体进行充电；

d.均衡结束的标志为所有电池单体的电压与V_min差值小于阈值。

进一步地，步骤(1)中，建立改进的电池等效电路模型，该模型具体包括如下部分：

a.可变电压源：用于模拟随着SOC和温度变化的OCV数值；

b.一个串联电阻：用于模拟电池欧姆内阻；

c.两个并联的RC环节：用于模拟电池的极化特性，分别是极化电阻和极化电容；

d.三个环节串联构成电池的等效电路模型。

进一步地，步骤(2)中具体包括如下步骤：

(2-1)在不同温度、不同SOC下进行电池单体的OCV测试，将不同温度下的OCV-SOC数值曲线进行多项式拟合得到一组不同温度下OCV与SOC的关系式；

(2-2)在不同温度、不同SOC下进行电池单体的欧姆内阻、两个极化电阻和两个极化电容的测试，将不同温度下的电池单体欧姆内阻、两个极化电阻和两个极化电容数值曲线进行多项式拟合，分别得到多组不同温度下电池单体欧姆内阻、两个极化电阻和两个极化电容与SOC的关系式。

进一步地，步骤(3)中具体包括如下步骤：

(3-1)根据带有均衡电路的串联电池组上个充放电过程结束时电池管理***记录的SOC终值，初始化为本次充放电的SOC初值；

(3-2)由BMS接收到的电池组母线电流数值的正负判断电池组处于充电或放电状态。若电流为正，则电池组处于放电状态；若电流为负，则电池组处于充电状态；

进一步地，步骤(4)中具体包括如下步骤：

(4-1)若电池组处于放电状态，则为保证串连电池组中所有电池单体处于安全工作电压范围内，选择电池单体端电压为V_min的电池单体作为电池组SOC估算对象；

(4-2)若电池组处于充电状态，则为保证串连电池组中所有电池单体处于安全工作电压范围内，选择电池单体端电压为V_max的电池单体作为电池组SOC估算对象；

(4-3)若电池组没有进行充放电，而上个时刻电池组处于放电状态，则依旧选择电池单体端电压为V_min的电池单体作为电池组SOC估算对象；若上个时刻电池组处于充电状态，则依旧选择电池单体端电压为V_max的电池单体作为电池组SOC估算对象。

进一步地，步骤(5)中具体包括如下步骤：

(5-1)对于放电状态，如果电池组采用被动均衡，则读取端电压为V_min的电池单体的负载电流，即母线电流，以及电池单体的端电压和温度，此时V_min电池单体没有均衡电流；如果电池组采用主动均衡，则读取端电压为V_min电池单体的负载电流，即母线电流，以及均衡电流、端电压和温度；

(5-2)对于充电状态，无论电池组采用被动均衡或主动均衡，均需要读取V_max电池单体的充电电流，即母线电流，以及均衡电流、端电压和温度；

(5-3)对于充放电过程中的不充电不放电状态，无论电池组采用被动均衡或主动均衡，均需要读取步骤(4-3)中选择的电池单体的均衡电流，端电压和温度，此时电池单体没有母线电流。

进一步地，步骤(6)中具体包括如下步骤：

(6-1)建立8阶或者阶数更高、更低的2ⁿ阶小波变换矩阵WTM，其中，8阶矩阵形式为

$WTM=\left[\begin{array}{cccccccc}\frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}\\ \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}\\ \frac{1}{2}& \frac{1}{2}& -\frac{1}{2}& -\frac{1}{2}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{2}& \frac{1}{2}& -\frac{1}{2}& -\frac{1}{2}\\ \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0& 0& 0& 0& 0\\ 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0\\ 0& 0& 0& 0& 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}\end{array}\right]---\left(1\right)$

(6-2)将步骤(5)中读取的含噪声的电池单体的端电压、母线电流以及均衡电流信号序列NS分别左乘小波变换矩阵，可以分别得到端电压、母线电流和均衡电流小波分解系数矩阵CFD，表示如下：

CFD＝WTM·NS (2)

(6-3)计算电池单体端电压、母线电流和均衡电流信号降噪需要设置的阈值，阈值计算表达式如下：

${\mathrm{\δ}}_d=\mathrm{\σ}\sqrt{2\log N_d}---\left(3\right)$

σ是步骤(6-2)中小波分解得到的系数矩阵CFD的细节系数的标准差，N_d是小波分解得到的系数矩阵CFD的长度，δ_d是降噪需要设置的阈值。

(6-4)对电池单体端电压信号分解得到的系数矩阵CFD中的系数进行软阈值降噪，对电池单体母线电流和均衡电流信号分解得到的系数矩阵CFD中的系数进行硬阈值降噪。软阈值表述如下：

$\begin{array}{c}{\mathrm{cD}}_k=\left\{\begin{array}{cc}\mathrm{sgn}\left({\mathrm{cD}}_k\right)\left(\left|{\mathrm{cD}}_k\right|-{\mathrm{\&delta;}}_d\right)& \left|{\mathrm{cD}}_k\right|\&GreaterEqual;{\mathrm{\&delta;}}_d\\ 0& \left|{\mathrm{cD}}_k\right|<{\mathrm{\&delta;}}_d\end{array}\right.\\ \mathrm{sgn}\left({\mathrm{cD}}_k\right)=\left\{\begin{array}{cc}+1& {\mathrm{cD}}_k\&GreaterEqual;0\\ -1& {\mathrm{cD}}_k<0\end{array}\right.\end{array}---\left(4\right)$

硬阈值表述如下：

${\mathrm{cD}}_k=\left\{\begin{array}{cc}{\mathrm{cD}}_k& \left|{\mathrm{cD}}_k\right|\&GreaterEqual;{\mathrm{\&delta;}}_d\\ 0& \left|{\mathrm{cD}}_k\right|<{\mathrm{\&delta;}}_d\end{array}\right.---\left(5\right)$

cD_k是小波分解得到的系数矩阵CFD中的系数。

经过系数的降噪处理，得到降噪之后的新的小波分解系数矩阵DC。

(6-5)通过对新的小波分解系数矩阵DC左乘小波变换矩阵的逆矩阵IWTM，可以将原来的含噪声的电池单体端电压、母线电流和均衡电流信号恢复成消除噪声的电池单体端电压、母线电流和均衡电流信号DS，表述如下：

DS＝IWTM·DC (6)

这里WTM采用的是8阶(2³)矩阵，可以建立阶数更低或者更高(2ⁿ)的小波变换矩阵，矩阵形式可类比8阶矩阵进行推导得到，但是对应的信号序列包含的信号数也要改变。当WTM为8阶时，电池单体端电压、母线电流以及均衡电流信号序列均需要读取连续的8个信号。在进行一次小波变换降噪之后，可以得到降噪之后的连续的8个信号。因此，在算法最开始的8次测量时，可以先不进行小波变换降噪。当电池单体端电压、母线电流以及均衡电流的信号读取数超过8个时，每次进行SOC估算时，将本次读取的信号与前7次读取的信号形成信号序列进行降噪，得到降噪后的连续的8个信号，本次测量信号降噪后的信号值为序列的最后一个数值。

进一步地，步骤(7)中具体包括如下步骤：

(7-1)根据温度检测值，选择当前温度下拟合得到的对应的OCV-SOC关系式，再根据上一个估算循环估算得到的SOC估算值或者上个充放电过程记录的SOC终值，求得当前温度和SOC状态下的电池单体OCV数值；

(7-2)根据温度检测值，选择当前温度下拟合得到的电池单体欧姆内阻，以及各个极化电阻和极化电容的关系式，再根据上一个估算循环估算得到的SOC估算值或者上个充放电过程记录的SOC终值，求得当前温度和SOC状态下的电池单体欧姆内阻，以及各个极化电阻和极化电容的数值。

进一步地，步骤(8)中具体包括如下步骤：

(8-1)根据改进的电池等效电路模型，选择当前状态下的SOC和两个RC并联环节的电压作为状态变量，降噪后的电池单体的母线电流和均衡电流作为输入变量，电池单体端电压估算值作为输出变量，建立电池的状态空间：

$\begin{array}{c}f\left(\widehat{x_k^{+}},u_k\right)=\left(\begin{array}{c}{\mathrm{SOC}}_{k+1}\\ U_{p1}^{k+1}\\ U_{p2}^{k+1}\end{array}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& \exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p1}\right)& 0\\ 0& 0& \exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p2}\right)\end{array}\right)\&times;\left(\begin{array}{c}{\mathrm{SOC}}_k\\ U_{p1}^k\\ U_{p2}^k\end{array}\right)\\ +\left(\begin{array}{c}-\frac{\mathrm{\&eta;}\mathrm{\&Delta;}t}{C_{norm}}\\ R_{p1}\left(1-\exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p1}\right)\right)\\ R_{p2}\left(1-\exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p2}\right)\right)\end{array}\right)\&times;\left(I_C^k\&PlusMinus;I_B^k\right)\end{array}---\left(7\right)$

$g(\widehat{x_{k+1}^{-}},u_{k+1})=U_{k+1}=U_{OCV}-(I_C^{k+1}\&PlusMinus;I_B^{k+1})R_O-U_{p1}^{k+1}-U_{p2}^{k+1}---\left(8\right)$

是状态方程，是计算电池单体端电压估算值的测量方程；下标和上标的k代表上一时刻，k+1代表当前时刻；SOC,U_p1和U_p2是电池状态变量，U_p1和U_p2是两个RC并联环节的电压；Δt是信号采样时间；η是库伦效率；C_norm是电池单体额定容量；R_p1、R_p2是电池单体两个极化电阻；C_p1、C_p2是电池单体两个极化电容；τ_p1、τ_p2是两个RC并联环节的时间常数，其中，τ_p1＝R_p1C_p1,τ_p2＝R_p2C_p2；U是电池单体端电压；U_OCV是电池单体开路电压；I_C是电池单体母线电流，I_B是电池单体均衡电流，加减符号取决于电池单体均衡电流与母线电流方向是否一致；R_O是电池单体欧姆内阻；

(8-2)根据上述步骤(7)得到的当前状态下的电池单体各个参数更新建立的电池状态空间，再由步骤(6)得到的降噪后的电池单体母线电流、均衡电流、端电压，步骤(8)进一步的进行AEKF估算，步骤如下：

$\widehat{x_{k+1}^{-}}=f(\widehat{x_k^{+}},u_k)---\left(9\right)$

${\mathrm{\&Sigma;}}_{x_{k+1}}^{-}=A_k{\mathrm{\&Sigma;}}_{x_k}^{+}{A}_k^T+Q_{k+1}---\left(10\right)$

$L_{k+1}={\mathrm{\&Sigma;}}_{x_{k+1}}^{-}{C}_{k+1}^T{(C_{k+1}{\mathrm{\&Sigma;}}_{x_{k+1}}^{-}{C}_{k+1}^T+R_{k+1})}^{-1}---\left(11\right)$

$\widehat{x_{k+1}^{+}}=\widehat{x_{k+1}^{-}}+L_{k+1}\&lsqb;y_{k+1}-g(\widehat{x_{k+1}^{-}},u_{k+1})\&rsqb;---\left(12\right)$

${\mathrm{\&Sigma;}}_{x_{k+1}}^{+}=(I-L_{k+1}{C}_{k+1}){\mathrm{\&Sigma;}}_{x_{k+1}}^{-}---\left(13\right)$

式中：

$A_k=\frac{\&part;f}{\&part;x}{|}_{x=\widehat{x_k^{+}}},C_{k+1}=\frac{\&part;g}{\&part;x}{|}_{x=\widehat{x_{k+1}^{-}}}---\left(14\right)$

下标的k代表上一时刻，k+1代表当前时刻；Q、R分别是过程噪声协方差和测量噪声协方差，A和C是计算所需的两个雅克比矩阵，是状态估计值，是状态协方差估计值，L是卡尔曼增益，是状态最优估计值，y是电池单体端电压测量值，是状态协方差最优估计值，I是单位矩阵；

为了实现自适应，需要在每个循环更新一次协方差矩阵，更新过程如下：

$C_{d_k}=\left\{\begin{array}{cc}\frac{k-1}{k}{C}_{d_{k-1}}+\frac{1}{k}{d}_k{d}_k^T& k\&le;W\\ \frac{1}{W}\underset{i=k-W+1}{\overset{k}{\mathrm{\&Sigma;}}}{d}_i{d}_i^T& k>W\end{array}\right.---\left(15\right)$

$Q_k=L_k{C}_{d_k}{L}_k^T---\left(16\right)$

$R_k=C_{d_k}-C_k{\mathrm{\&Sigma;}}_{x_k}^{-}{C}_k^T+R_{k-1}---\left(17\right)$

其中，下标的k和i代表k时刻和i时刻，d是电压测量值和估算值的误差，W是窗口长度，C_d是新息估算方差；

当本次循环估算完成后，可以得到当前时刻的SOC估算值。

进一步地，步骤(9)中具体包括如下步骤：

(9-1)BMS判断充电或放电是否结束；

(9-2)若充电或放电结束，则电池管理***记录步骤(8)估算得到的SOC估算值作为SOC终值；

(9-3)若充电或放电未结束，则继续步骤(4)-(9)，其中，步骤(8)得到的SOC估算值，用于下一个估算循环的步骤(7)估算电池等效电路模型中的各个参数。

本发明相比现有技术具有如下优点：

1.本发明可以保障电池组所有电池单体都在安全工作范围内，延长电池使用寿命，并实现串连电池组SOC的精确估算；

2.本发明适合被动均衡和主动均衡情况；

3.本发明提出的小波变换方法可以实现非平稳信号的分析和降噪，从而获得准确的电压和电流等信息；

4.本发明考虑了温度、SOC等状况的变化对电池参数的影响，对模型进行实时修正，使模型更为精确；

5.本发明所提出的自适应扩展卡尔曼滤波(Adaptive Extended Kalman Filter,AEKF)可以实现算法的自适应，提高了SOC估算的精度，同时，也具有对初始误差的修正作用；

6.本发明算法可以在ARM等嵌入式芯片内编程实现。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实例一起用于解释本发明，并不构成对本发明的限制。

图1为改进型PNGV电池等效电路模型图；

图2为HPPC电池测试电流图；

图3为HPPC电池测试电压响应图；

图4为放电状态被动均衡示意图；

图5为放电状态主动均衡示意图；

图6为充电状态被动均衡示意图；

图7为充电状态主动均衡示意图；

图8为本发明小波分解、降噪、重构示意图；

图9为本发明带有均衡电路的串连电池组SOC估算流程图。

具体实施方式

为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明进行详细描述。

本发明的一种带有均衡电路的串连电池组SOC估算方法具体过程为：

首先，在进行SOC估算之前，需要确定均衡判断依据和均衡策略，电池均衡判断依据为电池组的所有电池单体电压的数值和设置的电池单体电压差值的阈值，具体包括：

a.根据实际均衡的要求，设置合适的电池单体电压差值的阈值；

b.若BMS采用被动均衡，则对电池单体电压与V_min差值大于阈值的电池单体进行放电，对电池单体电压与V_min差值小于阈值的电池单体不做均衡；

c.若BMS采用主动均衡，则对电池单体电压与V_min差值大于阈值的电池单体进行放电，对电池单体电压与V_min差值小于阈值的电池单体进行充电；

d.均衡结束的标志为所有电池单体的电压与V_min差值小于阈值。

一种带有均衡电路的串连电池组SOC估算方法，具体包括如下步骤：

步骤一：建立改进的电池等效电路模型，如图1所示，该模型具体包括如下部分：

a.可变电压源：用于模拟随着SOC和温度变化的OCV数值；

b.一个串联电阻：用于模拟电池欧姆内阻；

c.两个并联的RC环节：用于模拟电池的极化特性，分别是极化电阻和极化电容；

d.三个环节串联构成电池的等效电路模型。

步骤二：对电池组中任选的电池单体进行不同温度、不同SOC下的电池等效电路模型中的OCV、欧姆内阻、极化电阻和极化电容各参数的测试，再进行多项式拟合得到不同温度下电池单体OCV、欧姆内阻、极化电阻和极化电容各参数与SOC的关系式，具体包括如下步骤：

(2-1)在不同温度、不同SOC下进行电池单体的OCV测试，可以得到不同状态下的OCV数值，进一步地，将不同温度下的OCV-SOC数值曲线进行多项式拟合，从而可以得到一组不同温度下的OCV-SOC关系式，进而可以根据温度和SOC估算值得到当前状态下的OCV数值；

(2-2)在不同温度、不同SOC下进行HPPC测试，如图2所示，测试过程为：1)电池单体静置至稳态；2)进行电流为5C的40s脉冲放电实验；3)电池单体静置200s；4)进行电流为5C的40s脉冲充电实验；5)电池静置200s。在测试期间，BMS记录电池单体端电压数值，端电压响应曲线如图3所示；

(2-3)由t₁，t₂时刻的电池单体端电压突变值可以求得电池单体欧姆内阻数值，由t₁-t₂和t₂-t₃的端电压响应曲线可以在Matlab里进行曲线拟合得到电池单体极化电阻和极化电容的数值。

(2-4)将不同温度、不同SOC下的电池单体欧姆内阻、两个极化电阻和两个极化电容数值曲线进行多项式拟合，可以分别得到不同温度下电池单体欧姆内阻、电池单体两个极化电阻和两个极化电容与SOC的关系式，进而可以根据温度和SOC估算值得到当前状态下电池单体各参数数值。

步骤三：根据带有均衡电路的串联电池组上个充放电过程结束时电池管理***记录的SOC终值初始化本次充放电的SOC初值，并判断充放电状态，具体包括如下步骤：

(3-1)根据带有均衡电路的串联电池组上个充放电过程结束时电池管理***记录的SOC终值，初始化为本次充放电的SOC初值；

(3-2)由BMS接收到的电池组母线电流数值的正负判断电池组处于充电或放电状态。若电流为正，则电池组处于放电状态；若电流为负，则电池组处于充电状态；

步骤四：放电时选择端电压最低，即端电压为V_min的电池单体作为电池组SOC估算对象；充电时选择端电压最高，即端电压为V_max的电池单体作为电池组SOC估算对象；充放电过程中出现的不充不放阶段，仍选择上一时刻选择的电池单体作为电池组SOC估算对象，具体包括如下步骤：

(4-1)若电池组处于放电状态，则为保证串连电池组中所有电池单体处于安全工作电压范围内，选择电池单体端电压为V_min的电池单体作为电池组SOC估算对象；

(4-2)若电池组处于充电状态，则为保证串连电池组中所有电池单体处于安全工作电压范围内，选择电池单体端电压为V_max的电池单体作为电池组SOC估算对象；

(4-3)若电池组没有进行充放电，而上个时刻电池组处于放电状态，则依旧选择电池单体端电压为V_min的电池单体作为电池组SOC估算对象；若上个时刻电池组处于充电状态，则依旧选择电池单体端电压为V_max的电池单体作为电池组SOC估算对象。

步骤五：读取所选电池单体的端电压、母线电流、均衡电流和温度，具体包括如下步骤：

(5-1)图4为放电状态被动均衡示意图，图中，假设第n-1节电池单体为V_min电池单体，第1、n节等电池单体电压与V_min差值大于阈值，需要均衡；而第2、n-1节等电池单体电压与V_min差值小于阈值，不需要均衡。对于放电状态的被动均衡，需要读取V_min电池单体的负载电流，即母线电流，以及电池单体的端电压和温度，此时V_min电池单体没有均衡电流；

(5-2)图5为放电状态主动均衡示意图，图中，假设第n-1节电池单体为V_min电池单体，第1、n节等电池单体电压与V_min差值大于阈值，需要放电均衡；虽然第2、n-1节等电池单体电压与V_min差值小于阈值，但是需要充电均衡。对于放电状态的主动均衡，需要读取V_min电池单体的负载电流，即母线电流，以及电池单体的充电均衡电流、端电压和温度；

(5-3)图6为充电状态被动均衡示意图，图中，假设第1节电池单体为V_max电池单体，第1、n节等电池单体电压与V_min差值大于阈值，需要均衡；而第2、n-1节等电池单体电压与V_min差值小于阈值，不需要均衡。对于充电状态的被动均衡，需要读取V_max电池单体的负载电流，即母线电流，以及电池单体的放电均衡电流、端电压和温度；

(5-4)图7为充电状态主动均衡示意图，图中，假设第1节电池单体为V_max电池单体，第1、n节等电池单体电压与V_min差值大于阈值，需要放电均衡；虽然第2、n-1节等电池单体电压与V_min差值小于阈值，但是需要充电均衡。对于充电状态的主动均衡，需要读取V_max电池单体的负载电流，即母线电流，以及电池单体的放电均衡电流、端电压和温度；

(5-5)对于充放电过程中的不充电不放电状态，无论电池组采用被动均衡或主动均衡，均需要读取步骤(4-3)中选择的电池单体的均衡电流，端电压和温度，此时电池单体没有母线电流。

步骤六：对步骤五中读取的端电压、母线电流、均衡电流进行小波分解、降噪和重构，得到降噪后的端电压、母线电流和均衡电流，执行过程如图8所示，具体包括如下步骤：

(6-1)建立8阶或者阶数更高、更低的2ⁿ阶小波变换矩阵WTM，其中，8阶矩阵形式为

$WTM=\left[\begin{array}{cccccccc}\frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}\\ \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}\\ \frac{1}{2}& \frac{1}{2}& -\frac{1}{2}& -\frac{1}{2}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{2}& \frac{1}{2}& -\frac{1}{2}& -\frac{1}{2}\\ \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0& 0& 0& 0& 0\\ 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0\\ 0& 0& 0& 0& 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}\end{array}\right]---\left(1\right)$

(6-2)将步骤五中读取的含噪声的电池单体的端电压、母线电流以及均衡电流信号序列NS分别左乘小波变换矩阵，可以分别得到端电压、母线电流和均衡电流小波分解系数矩阵CFD，表示如下：

CFD＝WTM·NS (2)

(6-3)计算电池单体端电压、母线电流和均衡电流信号降噪需要设置的阈值，阈值计算表达式如下：

${\mathrm{\&delta;}}_d=\mathrm{\&sigma;}\sqrt{2\log N_d}---\left(3\right)$

σ是步骤(6-2)中小波分解得到的系数矩阵CFD的细节系数的标准差，N_d是小波分解得到的系数矩阵CFD的长度，δ_d是降噪需要设置的阈值。

(6-4)对电池单体端电压信号分解得到的系数矩阵CFD中的系数进行软阈值降噪，对电池单体母线电流和均衡电流信号分解得到的系数矩阵CFD中的系数进行硬阈值降噪。软阈值表述如下：

$\begin{array}{c}{\mathrm{cD}}_k=\left\{\begin{array}{cc}\mathrm{sgn}\left({\mathrm{cD}}_k\right)\left(\left|{\mathrm{cD}}_k\right|-{\mathrm{\&delta;}}_d\right)& \left|{\mathrm{cD}}_k\right|\&GreaterEqual;{\mathrm{\&delta;}}_d\\ 0& \left|{\mathrm{cD}}_k\right|<{\mathrm{\&delta;}}_d\end{array}\right.\\ \mathrm{sgn}\left({\mathrm{cD}}_k\right)=\left\{\begin{array}{cc}+1& {\mathrm{cD}}_k\&GreaterEqual;0\\ -1& {\mathrm{cD}}_k<0\end{array}\right.\end{array}---\left(4\right)$

硬阈值表述如下：

${\mathrm{cD}}_k=\left\{\begin{array}{cc}{\mathrm{cD}}_k& \left|{\mathrm{cD}}_k\right|\&GreaterEqual;{\mathrm{\&delta;}}_d\\ 0& \left|{\mathrm{cD}}_k\right|<{\mathrm{\&delta;}}_d\end{array}\right.---\left(5\right)$

cD_k是小波分解得到的系数矩阵CFD中的系数。

经过系数的降噪处理，得到降噪之后的新的小波分解系数矩阵DC。

(6-5)通过对新的小波分解系数矩阵DC左乘小波变换矩阵的逆矩阵IWTM，可以将原来的含噪声的电池单体端电压、母线电流和均衡电流信号恢复成消除噪声的电池单体端电压、母线电流和均衡电流信号DS，表述如下：

DS＝IWTM·DC (6)

这里WTM采用的是8阶(2³)矩阵，可以建立阶数更低或者更高(2ⁿ)的小波变换矩阵，矩阵形式可类比8阶矩阵进行推导得到，但是对应的信号序列包含的信号数也要改变。当WTM为8阶时，电池单体端电压、母线电流以及均衡电流信号序列均需要读取连续的8个信号。在进行一次小波变换降噪之后，可以得到降噪之后的连续的8个信号。因此，在算法最开始的8次测量时，可以先不进行小波变换降噪。当电池单体端电压、母线电流以及均衡电流的信号读取数超过8个时，每次进行SOC估算时，将本次读取的信号与前7次读取的信号形成信号序列进行降噪，得到降噪后的连续的8个信号，本次测量信号降噪后的信号值为序列的最后一个数值。

步骤七：根据步骤五中读取的温度，分别选择当前温度下电池等效电路模型中电池单体OCV、欧姆内阻、极化电阻、极化电容与SOC的关系式；再根据上一个估算循环估算得到的SOC估算值或者上个充放电过程记录的SOC终值，求出当前温度和SOC状态下的电池单体OCV、欧姆内阻、极化电阻、极化电容的数值，具体包括如下步骤：

(7-1)根据温度检测值，选择当前温度下拟合得到的对应的OCV-SOC关系式，再根据上一个估算循环估算得到的SOC估算值或者上个充放电过程记录的SOC终值，求得当前温度和SOC状态下的电池单体OCV数值；

(7-2)根据温度检测值，选择当前温度下拟合得到的电池单体欧姆内阻，以及各个极化电阻和极化电容的关系式，再根据上一个估算循环估算得到的SOC估算值或者上个充放电过程记录的SOC终值，求得当前温度和SOC

状态下的电池单体欧姆内阻，以及各个极化电阻和极化电容的数值。

步骤八：由步骤六得到的降噪后的电池单体端电压、母线电流、均衡电流，以及步骤七得到的当前温度和SOC下的OCV、欧姆内阻、极化电阻和极化电容，通过AEKF估算带有均衡电路的电池组的SOC，得到当前时刻的SOC估算值，具体包括如下步骤：

(8-1)根据改进的电池等效电路模型，选择当前状态下的SOC和两个RC并联环节的电压作为状态变量，降噪后的电池单体的母线电流和均衡电流作为输入变量，电池单体端电压估算值作为输出变量，建立电池的状态空间：

$\begin{array}{c}f\left(\widehat{x_k^{+}},u_k\right)=\left(\begin{array}{c}{\mathrm{SOC}}_{k+1}\\ U_{p1}^{k+1}\\ U_{p2}^{k+1}\end{array}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& \exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p1}\right)& 0\\ 0& 0& \exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p2}\right)\end{array}\right)\&times;\left(\begin{array}{c}{\mathrm{SOC}}_k\\ U_{p1}^k\\ U_{p2}^k\end{array}\right)\\ +\left(\begin{array}{c}-\frac{\mathrm{\&eta;}\mathrm{\&Delta;}t}{C_{norm}}\\ R_{p1}\left(1-\exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p1}\right)\right)\\ R_{p2}\left(1-\exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p2}\right)\right)\end{array}\right)\&times;\left(I_C^k\&PlusMinus;I_B^k\right)\end{array}---\left(7\right)$

$g(\widehat{x_{k+1}^{-}},u_{k+1})=U_{k+1}=U_{OCV}-(I_C^{k+1}\&PlusMinus;I_B^{k+1})R_O-U_{p1}^{k+1}-U_{p2}^{k+1}---\left(8\right)$

是状态方程，是计算电池单体端电压估算值的测量方程；下标和上标的k代表上一时刻，k+1代表当前时刻；SOC,U_p1和U_p2是电池状态变量，U_p1和U_p2是两个RC并联环节的电压；Δt是信号采样时间；η是库伦效率；C_norm是电池单体额定容量；R_p1、R_p2是电池单体两个极化电阻；C_p1、C_p2是电池单体两个极化电容；τ_p1、τ_p2是两个RC并联环节的时间常数，其中，τ_p1＝R_p1C_p1,τ_p2＝R_p2C_p2；U是电池单体端电压；U_OCV是电池单体开路电压；I_C是电池单体母线电流，I_B是电池单体均衡电流，加减符号取决于电池单体均衡电流与母线电流方向是否一致；R_O是电池单体欧姆内阻；

(8-2)根据上述步骤七得到的当前状态下的电池单体各个参数更新建立的电池状态空间，再由步骤六得到的降噪后的电池单体母线电流、均衡电流、端电压，步骤八进一步的进行AEKF估算，步骤如下：

$\widehat{x_{k+1}^{-}}=f(\widehat{x_k^{+}},u_k)---\left(9\right)$

${\mathrm{\&Sigma;}}_{x_{k+1}}^{-}=A_k{\mathrm{\&Sigma;}}_{x_k}^{+}{A}_k^T+Q_{k+1}---\left(10\right)$

$L_{k+1}={\mathrm{\&Sigma;}}_{x_{k+1}}^{-}{C}_{k+1}^T{(C_{k+1}{\mathrm{\&Sigma;}}_{x_{k+1}}^{-}{C}_{k+1}^T+R_{k+1})}^{-1}---\left(11\right)$

$\widehat{x_{k+1}^{+}}=\widehat{x_{k+1}^{-}}+L_{k+1}\&lsqb;y_{k+1}-g(\widehat{x_{k+1}^{-}},u_{k+1})\&rsqb;---\left(12\right)$

${\mathrm{\&Sigma;}}_{x_{k+1}}^{+}=(I-L_{k+1}{C}_{k+1}){\mathrm{\&Sigma;}}_{x_{k+1}}^{-}---\left(13\right)$

式中：

$A_k=\frac{\&part;f}{\&part;x}{|}_{x=\widehat{x_k^{+}}},C_{k+1}=\frac{\&part;g}{\&part;x}{|}_{x=\widehat{x_{k+1}^{-}}}---\left(14\right)$

下标的k代表上一时刻，k+1代表当前时刻；Q、R分别是过程噪声协方差和测量噪声协方差，A和C是计算所需的两个雅克比矩阵，是状态估计值，是状态协方差估计值，L是卡尔曼增益，是状态最优估计值，y是电池单体端电压测量值，是状态协方差最优估计值，I是单位矩阵；

为了实现自适应，需要在每个循环更新一次协方差矩阵，更新过程如下：

$C_{d_k}=\left\{\begin{array}{cc}\frac{k-1}{k}{C}_{d_{k-1}}+\frac{1}{k}{d}_k{d}_k^T& k\&le;W\\ \frac{1}{W}\underset{i=k-W+1}{\overset{k}{\mathrm{\&Sigma;}}}{d}_i{d}_i^T& k>W\end{array}\right.---\left(15\right)$

$Q_k=L_k{C}_{d_k}{L}_k^T---\left(16\right)$

$R_k=C_{d_k}-C_k{\mathrm{\&Sigma;}}_{x_k}^{-}{C}_k^T+R_{k-1}---\left(17\right)$

其中，下标的k和i代表k时刻和i时刻，d是电压测量值和估算值的误差，W是窗口长度，C_d是新息估算方差；

当本次循环估算完成后，可以得到当前时刻的SOC估算值。

步骤九具体包括如下步骤：

(9-1)BMS判断充电或放电是否结束；

(9-2)若充电或放电结束，则电池管理***记录步骤八估算得到的SOC估算值作为SOC终值；

(9-3)若充电或放电未结束，则继续步骤四到步骤九，其中，步骤八得到的SOC估算值，用于下一个估算循环的步骤七估算电池等效电路模型中的各个参数。

图9是带有均衡电路的串连电池组SOC估算流程图，由图中可以看出，本发明可以在充电、放电以及不进行充放电的状况下，对带有均衡电路的电池组进行SOC估算。在估算过程中，不断调整由于电池状态改变而变化的电池参数。同时，通过运用小波变换的方法，可以实现非平稳含噪信号的分析和滤波。

综上所述，为了实现带有均衡电路的串连电池组SOC的准确估算，本发明提出了一种带有均衡电路的串连电池组SOC估算方法。其主要优点有：1)在保障所有电池单体安全工作的情况下，实现串连电池组SOC的准确估算；2)适合被动均衡和主动均衡的情况；3)实现非平稳信号的分析和降噪，可以获得准确的电压、电流等信息；4)考虑了温度、SOC等状况的变化对电池参数的影响，模型更为精确；5)所提出的AEKF可以实现算法的自适应，提高了SOC估算的精度，同时，也具有对初始误差的修正作用。

以上实施例只是用于帮助理解本发明的方法及核心思想，对本技术领域的普通技术人员而言，在不脱离本发明原理的前提下，通过以上描述与举例能自然联想到的其它等同应用方案，以及对本发明进行的若干改进和修饰，均包含在本发明的保护范围之内。

Claims (9)

1.一种带有均衡电路的串连电池组SOC估算方法，其特征在于，包括如下步骤：

(1)建立改进的电池等效电路模型；

(2)对电池组中任选的电池单体进行不同温度、不同SOC下的电池等效电路模型中的OCV、欧姆内阻、极化电阻和极化电容各参数的测试，再进行多项式拟合得到不同温度下电池单体OCV、欧姆内阻、极化电阻和极化电容各参数与SOC的关系式；

(3)根据带有均衡电路的串联电池组上个充放电过程结束时电池管理***记录的SOC终值初始化本次充放电的SOC初值，并判断充放电状态；

(4)放电时选择端电压最低，即端电压为V_min的电池单体作为电池组SOC估算对象；充电时选择端电压最高，即端电压为V_max的电池单体作为电池组SOC估算对象；充放电过程中出现的不充不放阶段，仍选择上一时刻选择的电池单体作为电池组SOC估算对象；

(5)读取所选电池单体的端电压、母线电流、均衡电流和温度；

(6)对步骤(5)中读取的端电压、母线电流、均衡电流进行小波分解、降噪和重构，得到降噪后的端电压、母线电流和均衡电流；

(7)根据步骤(5)中读取的温度，分别选择当前温度下电池等效电路模型中电池单体OCV、欧姆内阻、极化电阻、极化电容与SOC的关系式；再根据上一个估算循环估算得到的SOC估算值，求出当前温度和SOC状态下的电池单体OCV、欧姆内阻、极化电阻、极化电容的数值；对于第一次循环，由上个充放电过程结束时电池管理***记录的SOC终值求出当前温度和SOC状态下的电池单体OCV、欧姆内阻、极化电阻、极化电容的数值；

(8)由步骤(6)得到的降噪后的电池单体端电压、母线电流、均衡电流，以及步骤(7)得到的当前温度和SOC下的OCV、欧姆内阻、极化电阻和极化电容，通过自适应扩展卡尔曼滤波估算带有均衡电路的电池组的SOC，得到当前时刻的SOC估算值；

(9)判断充电或放电是否结束，结束则停止估算，电池管理***记录步骤(8)估算得到的SOC估算值作为SOC终值；未结束则继续步骤(4)-(9)，其中，步骤(8)得到的SOC估算值，用于下一个估算循环的步骤(7)估算电池等效电路模型中的各个参数。

2.根据权利要求1所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，在进行SOC估算之前，需要确定均衡判断依据和均衡策略，电池均衡判断依据为电池组的所有电池单体电压的数值和设置的电池单体电压差值的阈值，具体包括：

a.根据实际均衡的要求，设置合适的电池单体电压差值的阈值；

b.若电池管理***采用被动均衡，则对电池单体电压与V_min差值大于阈值的电池单体进行放电，对电池单体电压与V_min差值小于阈值的电池单体不做均衡；

c.若电池管理***采用主动均衡，则对电池单体电压与V_min差值大于阈值的电池单体进行放电，对电池单体电压与V_min差值小于阈值的电池单体进行充电；

d.均衡结束的标志为所有电池单体的电压与V_min差值小于阈值。

3.根据权利要求1所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(1)中，建立改进的电池等效电路模型，该模型具体包括如下部分：

a.可变电压源：用于模拟随着SOC和温度变化的OCV数值；

b.一个串联电阻：用于模拟电池欧姆内阻；

c.两个并联的RC环节：用于模拟电池的极化特性，分别是极化电阻和极化电容；

d.三个环节串联构成电池的等效电路模型。

4.根据权利要求1-3任一所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(2)中具体包括如下步骤：

(2-1)在不同温度、不同SOC下进行电池单体的OCV测试，将不同温度下的OCV-SOC数值曲线进行多项式拟合得到一组不同温度下OCV与SOC的关系式；

(2-2)在不同温度、不同SOC下进行电池单体的欧姆内阻、两个极化电阻和两个极化电容的测试，将不同温度下的电池单体欧姆内阻、两个极化电阻和两个极化电容数值曲线进行多项式拟合，分别得到多组不同温度下电池单体欧姆内阻、两个极化电阻和两个极化电容与SOC的关系式。

5.根据权利要求1-4所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(3)中具体包括如下步骤：

(3-1)根据带有均衡电路的串联电池组上个充放电过程结束时电池管理***记录的SOC终值，初始化为本次充放电的SOC初值；

(3-2)由电池管理***接收到的电池组母线电流数值的正负判断电池组处于充电或放电状态：若电流为正，则电池组处于放电状态；若电流为负，则电池组处于充电状态；

6.根据权利要求1-5所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(4)中具体包括如下步骤：

(4-1)若电池组处于放电状态，则为保证串连电池组中所有电池单体处于安全工作电压范围内，选择电池单体端电压为V_min的电池单体作为电池组SOC估算对象；

(4-2)若电池组处于充电状态，则为保证串连电池组中所有电池单体处于安全工作电压范围内，选择电池单体端电压为V_max的电池单体作为电池组SOC估算对象；

(4-3)若电池组没有进行充放电，而上个时刻电池组处于放电状态，则依旧选择电池单体端电压为V_min的电池单体作为电池组SOC估算对象；若上个时刻电池组处于充电状态，则依旧选择电池单体端电压为V_max的电池单体作为电池组SOC估算对象。

7.根据权利要求1-6所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(5)中具体包括如下步骤：

(5-1)对于放电状态，如果电池组采用被动均衡，则读取端电压为V_min的电池单体的负载电流，即母线电流，以及电池单体的端电压和温度，此时V_min电池单体没有均衡电流；如果电池组采用主动均衡，则读取端电压为V_min电池单体的负载电流，即母线电流，以及均衡电流、端电压和温度；

(5-2)对于充电状态，无论电池组采用被动均衡或主动均衡，均需要读取V_max电池单体的充电电流，即母线电流，以及均衡电流、端电压和温度；

(5-3)对于充放电过程中的不充电不放电状态，无论电池组采用被动均衡或主动均衡，均需要读取步骤(4-3)中选择的电池单体的均衡电流，端电压和温度，此时电池单体没有母线电流。

8.根据权利要求1-7所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(6)中具体包括如下步骤：

(6-1)建立8阶或者阶数更高、更低的2ⁿ阶小波变换矩阵WTM，其中，8阶矩阵形式为

$WTM=\left[\begin{array}{cccccccc}\frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}\\ \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& \frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}& -\frac{1}{2\sqrt{2}}\\ \frac{1}{2}& \frac{1}{2}& -\frac{1}{2}& -\frac{1}{2}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{2}& \frac{1}{2}& -\frac{1}{2}& -\frac{1}{2}\\ \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0& 0& 0& 0& 0\\ 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0& 0& 0\\ 0& 0& 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}& 0& 0\\ 0& 0& 0& 0& 0& 0& \frac{1}{\sqrt{2}}& -\frac{1}{\sqrt{2}}\end{array}\right]---\left(1\right)$

(6-2)将步骤(5)中读取的含噪声的电池单体的端电压、母线电流以及均衡电流信号序列NS分别左乘小波变换矩阵，可以分别得到端电压、母线电流和均衡电流小波分解系数矩阵CFD，表示如下：

CFD＝WTM·NS (2)

(6-3)计算电池单体端电压、母线电流和均衡电流信号降噪需要设置的阈值，阈值计算表达式如下：

${\mathrm{\&delta;}}_d=\mathrm{\&sigma;}\sqrt{2\log N_d}---\left(3\right)$

σ是步骤(6-2)中小波分解得到的系数矩阵CFD的细节系数的标准差，N_d是小波分解得到的系数矩阵CFD的长度，δ_d是降噪需要设置的阈值；

(6-4)对电池单体端电压信号分解得到的系数矩阵CFD中的系数进行软阈值降噪，对电池单体母线电流和均衡电流信号分解得到的系数矩阵CFD中的系数进行硬阈值降噪。软阈值表述如下：

$\begin{array}{c}{\mathrm{cD}}_k=\left\{\begin{array}{cc}\mathrm{sgn}\left({\mathrm{cD}}_k\right)\left(\left|{\mathrm{cD}}_k\right|-{\mathrm{\&delta;}}_d\right)& \left|{\mathrm{cD}}_k\right|\&GreaterEqual;{\mathrm{\&delta;}}_d\\ 0& \left|{\mathrm{cD}}_k\right|<{\mathrm{\&delta;}}_d\end{array}\right.\\ \mathrm{sgn}\left({\mathrm{cD}}_k\right)=\left\{\begin{array}{cc}+1& {\mathrm{cD}}_k\&GreaterEqual;0\\ -1& {\mathrm{cD}}_k<0\end{array}\right.\end{array}---\left(4\right)$

硬阈值表述如下：

${\mathrm{cD}}_k=\left\{\begin{array}{cc}{\mathrm{cD}}_k& \left|{\mathrm{cD}}_k\right|\&GreaterEqual;{\mathrm{\&delta;}}_d\\ 0& \left|{\mathrm{cD}}_k\right|<{\mathrm{\&delta;}}_d\end{array}\right.---\left(5\right)$

cD_k是小波分解得到的系数矩阵CFD中的系数；

经过系数的降噪处理，得到降噪之后的新的小波分解系数矩阵DC；

(6-5)通过对新的小波分解系数矩阵DC左乘小波变换矩阵的逆矩阵IWTM，可以将原来的含噪声的电池单体端电压、母线电流和均衡电流信号恢复成消除噪声的电池单体端电压、母线电流和均衡电流信号DS，表述如下：

DS＝IWTM·DC (6)

当WTM为8阶时，电池单体端电压、母线电流以及均衡电流信号序列均需要读取连续的8个信号；在进行一次小波变换降噪之后，可以得到降噪之后的连续的8个信号；因此，在算法最开始的8次测量时，可以先不进行小波变换降噪；当电池单体端电压、母线电流以及均衡电流的信号读取数超过8个时，每次进行SOC估算时，将本次读取的信号与前7次读取的信号形成信号序列进行降噪得到降噪后的连续的8个信号，本次测量信号降噪后的信号值为序列的最后一个数值。

9.根据权利要求1-8所述的带有均衡电路的串连电池组SOC估算方法，其特征在于，步骤(8)中具体包括如下步骤：

(8-1)根据改进的电池等效电路模型，选择当前状态下的SOC和两个RC并联环节的电压作为状态变量，降噪后的电池单体的母线电流和均衡电流作为输入变量，电池单体端电压估算值作为输出变量，建立电池的状态空间：

$\begin{array}{c}f\left(\widehat{x_k^{+}},u_k\right)=\left(\begin{array}{c}{\mathrm{SOC}}_{k+1}\\ U_{p1}^{k+1}\\ U_{p2}^{k+1}\end{array}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& \exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p1}\right)& 0\\ 0& 0& \exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p2}\right)\end{array}\right)\&times;\left(\begin{array}{c}{\mathrm{SOC}}_k\\ U_{p1}^k\\ U_{p2}^k\end{array}\right)\\ +\left(\begin{array}{c}-\frac{\mathrm{\&eta;}\mathrm{\&Delta;}t}{C_{norm}}\\ R_{p1}\left(1-\exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p1}\right)\right)\\ R_{p2}\left(1-\exp \left(-\mathrm{\&Delta;}t/{\mathrm{\&tau;}}_{p2}\right)\right)\end{array}\right)\&times;\left(I_C^k\&PlusMinus;I_B^k\right)\end{array}---\left(7\right)$

$g(\widehat{x_{k+1}^{-}},u_{k+1})=U_{k+1}=U_{OCV}-(I_C^{k+1}\&PlusMinus;I_B^{k+1})R_O-U_{p1}^{k+1}-U_{p2}^{k+1}---\left(8\right)$

是状态方程，是计算电池单体端电压估算值的测量方程；下标和上标的k代表上一时刻，k+1代表当前时刻；SOC,U_p1和U_p2是电池状态变量，U_p1和U_p2是两个RC并联环节的电压；Δt是信号采样时间；η是库伦效率；C_norm是电池单体额定容量；R_p1、R_p2是电池单体两个极化电阻；C_p1、C_p2是电池单体两个极化电容；τ_p1、τ_p2是两个RC并联环节的时间常数，其中，τ_p1＝R_p1C_p1,τ_p2＝R_p2C_p2；U是电池单体端电压；U_OCV是电池单体开路电压；I_C是电池单体母线电流，I_B是电池单体均衡电流，加减符号取决于电池单体均衡电流与母线电流方向是否一致；R_O是电池单体欧姆内阻；

(8-2)根据上述步骤(7)得到的当前状态下的电池单体各个参数更新建立的电池状态空间，再由步骤(6)得到的降噪后的电池单体母线电流、均衡电流、端电压，步骤(8)进一步的进行AEKF估算，步骤如下：

$\widehat{x_{k+1}^{-}}=f(\widehat{x_k^{+}},u_k)---\left(9\right)$

${\mathrm{\&Sigma;}}_{x_{k+1}}^{-}=A_k{\mathrm{\&Sigma;}}_{x_k}^{+}{A}_k^T+Q_{k+1}---\left(10\right)$

$L_{k+1}={\mathrm{\&Sigma;}}_{x_{k+1}}^{-}{C}_{k+1}^T{(C_{k+1}{\mathrm{\&Sigma;}}_{x_{k+1}}^{-}{C}_{k+1}^T+R_{k+1})}^{-1}---\left(11\right)$

$\widehat{x_{k+1}^{+}}=\widehat{x_{k+1}^{-}}+L_{k+1}\&lsqb;y_{k+1}-g(\widehat{x_{k+1}^{-}},u_{k+1})\&rsqb;---\left(12\right)$

${\mathrm{\&Sigma;}}_{x_{k+1}}^{+}=(I-L_{k+1}{C}_{k+1}){\mathrm{\&Sigma;}}_{x_{k+1}}^{-}---\left(13\right)$

式中：

$A_k=\frac{\&part;f}{\&part;x}{|}_{x=\widehat{x_k^{+}}},C_{k+1}=\frac{\&part;g}{\&part;x}{|}_{x=\widehat{x_{k+1}^{-}}}---\left(14\right)$

下标的k代表上一时刻，k+1代表当前时刻；Q、R分别是过程噪声协方差和测量噪声协方差，A和C是计算所需的两个雅克比矩阵，是状态估计值，是状态协方差估计值，L是卡尔曼增益，是状态最优估计值，y是电池单体端电压测量值，是状态协方差最优估计值，I是单位矩阵；

为了实现自适应，需要在每个循环更新一次协方差矩阵，更新过程如下：

$C_{d_k}=\left\{\begin{array}{cc}\frac{k-1}{k}{C}_{d_{k-1}}+\frac{1}{k}{d}_k{d}_k^T& k\&le;W\\ \frac{1}{W}\underset{i=k-W+1}{\overset{k}{\mathrm{\&Sigma;}}}{d}_i{d}_i^T& k>W\end{array}\right.---\left(15\right)$

$Q_k=L_k{C}_{d_k}{L}_k^T---\left(16\right)$

$R_k=C_{d_k}-C_k{\mathrm{\&Sigma;}}_{x_k}^{-}{C}_k^T+R_{k-1}---\left(17\right)$

其中，下标的k和i代表k时刻和i时刻，d是电压测量值和估算值的误差，W是窗口长度，C_d是新息估算方差；

当本次循环估算完成后，可以得到当前时刻的SOC估算值。