CN107688155A - 一种用于电池管理***中的电池剩余容量估算方法 - Google Patents
一种用于电池管理***中的电池剩余容量估算方法 Download PDFInfo
- Publication number
- CN107688155A CN107688155A CN201710979124.2A CN201710979124A CN107688155A CN 107688155 A CN107688155 A CN 107688155A CN 201710979124 A CN201710979124 A CN 201710979124A CN 107688155 A CN107688155 A CN 107688155A
- Authority
- CN
- China
- Prior art keywords
- battery
- value
- soc
- result
- current integration
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
一种用于电池管理***中的电池剩余容量估算方法,属于电池剩余容量估算方法,本方法同时参考了扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)与安时积分法,并将EKF算法的结果S1与安时积分法的结果S2进行处理后得到SOC的最终估算值S;针对安时积分法与扩展卡尔曼滤波法的各自特点,其在扩展卡尔曼滤波法较为精确的几种情况下,多次利用扩展卡尔曼滤波法结果更新安时积分法的值,显著降低了安时积分法的累计误差;以安时积分法结果为判断标准,在电量不同的阶段制定不同的SOC取值方法,并且可依据电池模型精度来自动调节两种算法结果所占权重,将模型不精确时的误差显著降低。经验证,该算法具有较高的精确性与可靠性。
Description
技术领域
本发明涉及一种电池剩余容量估算方法,特别是一种用于电池管理***中的电池剩余容量估算方法。
背景技术
随着电动汽车的普及,对其电池剩余容量(State of Charge,SOC)进行准确估算愈发重要。目前汽车工业上采取的方案主要为安时积分法,并通过OCV-SOC曲线进行修正。该方法原理简单,适用于大多数电池,但由于电流采样不精确,安时积分法误差累计大,修正不及时等原因,工业方案目前估算出的SOC并不精确。扩展卡尔曼滤波算法(ExtendedKalman Filter,EKF)是基于电池模型的一种闭环算法,在模型建立准确的情况下,可精确估算出电池SOC。建立电池的整个SOC阶段的模型需要太高的成本,如果仅建立了一定SOC区间的电池模型,在SOC逐渐升高或降低过程中,EKF算法精度会越来越低。所以扩展卡尔曼滤波算法估算电池SOC尚未在工业上大规模应用。
发明内容
本发明的目的是要提供一种用于电池管理***中的电池剩余容量估算方法,解决安时积分法估算出的SOC不精确、扩展卡尔曼滤波算法在SOC逐渐升高或降低过程中,精度会越来越低的问题。
本发明的目的是这样实现的:针对扩展卡尔曼滤波算法与安时积分法的各自特点,本方法结合了两者的优势,将EKF算法的结果S1与安时积分法的结果S2进行处理后得到SOC的最终估算值S。
该SOC估算方法具有以下步骤:
步骤1:***上电后,在电池开始工作前,将扩展卡尔曼滤波算法估算得到的SOC值S1作为最终估算值S与安时积分法的初始值;
步骤2:设定四个依次降低的SOC参考值:Sref1、Sref2、Sref3与Sref4,以安时积分法的结果S2作为判断依据,判断出电池SOC具体所处的阶段;并且在电量为Sref2时,利用S1的值对S2进行更新;
步骤3:在***上电后,***处于长时间小电流运行时以及电池处于不同的SOC阶段的情况下,分别制定最终估算值S的不同取值;
表1最终估算值S取值方法
同时在满足相应判定条件时利用扩展卡尔曼滤波算法结果多次对安时积分法结果进行修正,以消除其累计误差;
表2安时积分法结果S2修正取值
序号 | 判定条件 | S2修正取值 |
1 | ***上电 | S2=S1 |
2 | S2=Sref2 | S2=S1 |
3 | t≥tref | S2=S1 |
所述步骤2中,四个参考值满足100%>Sref1>Sref2>Sref3>Sref4>0,其中Sref2为建立电池模型时所使用的测试电池的SOC值,当S2=Sref2时,利用S1结果对S2进行修正,一般而言Sref1、Sref3与Sref4为通过大量实验测试得到的经验值。
所述步骤3中,最终估算值S的取值会随着SOC所处阶段的改变而改变,并且EKF算法结果S1占S的权重k1与k2是关于安时积分法值S2的函数,具体表现为:
当100%>S2>Sref1时,电池电量处于较高的阶段,在SOC从100%到Sref1变化的过程中,逐渐增加S1的权重,即当S2=100%时,k1=0,当S2=Sref1时,k1=1;
当Sref1>S2>Sref3时,电池电量处于中间阶段,此时SOC最终估算值S以扩展卡尔曼滤波法的结果S1为准;
当Sref3>S2>Sref4时,电池电量处于较低阶段,在SOC从Sref3到Sref4变化过程中,逐渐降低S1的权重,即当S2=Sref3时,k2=1,S2=Sref4时,k2=0;
当Sref4>S2>0时,电池处于深度放电阶段;此时SOC最终估算值S以安时积分法的结果S2为准。
所述步骤3表2中,序号为2的选项满足的条件为:前后两个采样周期的安时积分法结果一个大于等于Sref2,一个小于等于Sref2。
所述步骤3中,设定电池充放电的小电流参考值Iref与***处于小电流工作状态的时间参考值tref,当采样到的电流I满足Iref≥I≥-Iref时,记录***处于该状态的时间t,当t≥tref时,计算结果以EKF结果S1为准,将S1的值赋给S2与S,此项说明对应表1中序号6与表2中序号3的选项。Iref与tref的具体值要依据电池种类,容量等具体特性来设定。
所述步骤3中,表1中取值的判定条件存在先后判断顺序,在算法执行中,先判断序号1的判定条件是否满足,接下来判断序号为2、3、4、5的条件,最后判断序号6的条件。如果有多个取值的判定条件同时满足,后面条件所取的值会将前面的值覆盖。表2的取值同样有先后判断顺序,先判断序号为1的条件,之后是序号为2的条件,最后判断序号为3的条件,如果有多个条件同时满足,后面条件的修正取值会将前面的值覆盖。
有益效果及优点:本方法在EKF算法结果准确时,***的SOC最终估算值S以EKF结果S1为准,并多次利用EKF算法对安时积分法结果进行修正,能有效地减少安时积分法的累计误差,同时在电池模型与EKF算法精度逐渐降低的过程中,增加安时分法结果S2占S的权重,克服了电池模型在SOC逐渐升高或降低过程中,精度会越来越低的问题。
附图说明
图1为本发明的EKF算法所使用的电池模型。
图2为本发明的EKF算法流程图。
图3为本发明的EKF算法结果与SOC参考值对比。
图4为本发明的SOC估算流程图。
图5为本发明的SOC估算结果与SOC参考值对比。
具体实施方式
结合附图和一个具体实例对本发明做进一步说明。应当理解,此处所描述的具体实例仅仅用以解释本发明,并不用于限定本发明。基于本发明中的实例,本领域普通技术人员在没有做出创造性改动前提下所获得的所有其它实例,都属于本发明保护的范围。
实施例1是以三元锂电池为主体的电池管理***。电池包结构为8并12串,8节并联的电池为一组,每节电池容量是3.4AH,每个电池组容量为27.2AH,SOC估算的对象是12个电池组。过程中使用的安时积分法如式(1)所示,
其中CN为电池容量,η为充放电效率。本实例中CN=27.2AH,η=1。
本实例中EKF算法使用的电池模型如图1所示。针对电池模型,扩展卡尔曼滤波算法的状态方程与输出方程如式(2)~(3)所示。再根据如图2所示的EKF算法流程即可计算出每个电池组的EKF算法估算结果S1。
U(k)=Uoc(k)-U1(k)-U2(k)-R0I(k) (3)
其中T为采样周期,k为对应的时刻。
本实例使用的是SOC为55%左右的电池测试得到的电池模型,根据模型精度相关测试,可设定SOC四个参考值Sref1、Sref2、Sref3与Sref4的值如式(4)~(7)所示。
Sref1=90% (4)
Sref2=55% (5)
Sref3=40% (6)
Sref4=25% (7)
同时可设定小电流参考值Iref与***处于小电流工作状态的时间参考值tref的值如式(8)~(9)所示。
tref=1800s (9)
本实例用的电池组是8并12串结构,每节电池容量为3.4AH,对每一个电池组而言1C为27.2A,所以Iref=0.544A。
电池管理***通过实时采样电池组的电压电流信号来估算电池组SOC,在***电池组开始工作前,通过扩展卡尔曼滤波算法估算出电池组SOC,并将此值作为最终估算值S与安时积分法的初值使用。因为电池工作前其经过了一定时间静置,扩展卡尔曼滤波算法接近于使用OCV-SOC曲线对电池SOC进行估算,所以此时EKF算法结果能提供一个较准确的初始值。
在***工作过程中,不断保持电压电流采样以持续更新S1与S2,每次更新完毕后,判断S2更新前后的值是否一个大于等于Sref2,一个小于等于Sref2,在本实例中Sref2=55%。如果条件满足,将此时S1的值赋给S2。因为此时模型精度最高,利用EKF算法结果S1对S2进行修正可及时消除安时积分法的累计误差。
接下来将S2与Sref1、Sref3以及Sref4比较判断电池SOC所处的阶段,并参考表1确定最终估算值S的具体表达形式,本实例中Sref1=90%,Sref3=40%。Sref4=25%。S1占S的权重k1为关于S2的函数,此实例中,可设定k1为关于S2的一次函数。当S2从100%到90%变化时,由于模型逐渐准确,应相应地增大k1的值,即当S2=100%时,S1精度较低,此时k1=0;当S2=90%时,S1精度较高,此时k1=1,由此可计算出k1与S的表达式如表3中所示。
当S2从90%到40%这个区间内逐渐变化时,电池属于稳定工作阶段,在此区间内电池参数保持相对稳定,变化不大,电池模型具有较高精度,S1结果具有较高可靠性所以在这一较大的区间内S=S1。
当S2从40%到25%这个区间内逐渐变化时,电池开始进入低电量区,电池模型精度与S1结果可靠性逐渐降低,所以在此区间,应逐渐减少k2的值,与k1类似,设定k2为S2的一次函数,当S2=40%时,k2=1,当S2=25%时,k2=0,计算出k2与S2的表达式如表3中所示。
当S2从25%到0这个区间内逐渐变化时,此时的电池模型与SOC为55%时的电池模型相比发生了显著变化,所以S1的结果此时已失去参考意义,此时令S=S2。
除了上述情况以外,当采样电流持续小于Iref的时间达到1800s时,此时计算结果应以EKF值S1为准,并利用S1对安时积分法结果S2进行更新,将S1的值赋给S2与S。因为电池如果长时间处于小电流工作状态,此时EKF算法接近于使用OCV-SOC曲线对电池SOC进行估算,具有较高精度。总结此实例中最终估算值S在各个情况下的取值如表3所示,S2修正取值如表4所示。
表3最终估算值S取值
序号 | 判定条件 | S取值 |
1 | ***上电 | S=S1 |
2 | 100%>S2>90% | S=(-10S2+10)S1+(10S2-9)S2 |
3 | 90%>S2>40% | S=S1 |
4 | 40%>S2>25% | S=(6.67S2-1.67)S1+(-6.67S2+2.67)S2 |
5 | 25%>S2>0 | S=S2 |
6 | t≥1800s | S=S1 |
表4 S2修正取值表
序号 | 判定条件 | S2修正取值 |
1 | ***上电 | S2=S1 |
2 | S2=55% | S2=S1 |
3 | t≥1800s | S2=S1 |
***每次采样之后更新S1与S2,按以上方法便可持续输出S。利用该实例中所述的数据与思想编程并在BMS***上实现,最终结果如图5所示。相较于单模型的EKF算法与安时积分法,本发明结合了两者的优点,具有更高的精度与可靠性。
Claims (5)
1.一种用于电池管理***中的电池剩余容量估算方法,其特征在于:该SOC估算方法具有以下步骤:
步骤1:***上电后,在电池开始工作前,将扩展卡尔曼滤波算法估算得到的SOC值S1作为最终估算值S与安时积分法的初始值;
步骤2:设定四个依次降低的SOC参考值:Sref1、Sref2、Sref3与Sref4,以安时积分法的结果S2作为判断依据,判断出电池SOC具体所处的阶段;并且在电量为Sref2时,利用S1的值对S2进行更新;
步骤3:在***上电后,***处于长时间小电流运行时以及电池处于不同的SOC阶段的情况下,分别制定最终估算值S的不同取值;
表1最终估算值S的取值
同时在满足相应判定条件时利用扩展卡尔曼滤波算法结果多次对安时积分法结果进行修正;
表2安时积分法结果S2修正取值
2.根据权利要求1所述的用于电池管理***中的电池剩余容量估算方法,其特征在于:所述步骤2中,四个参考值满足100%>Sref1>Sref2>Sref3>Sref4>0,其中Sref2为建立电池模型时所使用的测试电池的SOC值,当S2=Sref2时,利用S1结果对S2进行修正。
3.根据权利要求1所述的用于电池管理***中的电池剩余容量估算方法,其特征在于:所述步骤3中,最终估算值S的取值会随着SOC所处阶段的改变而改变,并且EKF算法结果S1占S的权重k1与k2是关于安时积分法值S2的函数,具体表现为:
当100%>S2>Sref1时,电池电量处于较高的阶段,在SOC从100%到Sref1变化的过程中,逐渐增加S1的权重,即当S2=100%时,k1=0,当S2=Sref1时,k1=1;
当Sref1>S2>Sref3时,电池电量处于中间阶段,此时SOC最终估算值S以扩展卡尔曼滤波法的结果S1为准;
当Sref3>S2>Sref4时,电池电量处于较低阶段,在SOC从Sref3到Sref4变化过程中,逐渐降低S1的权重,即当S2=Sref3时,k2=1,S2=Sref4时,k2=0;
当Sref4>S2>0时,电池处于深度放电阶段;此时SOC最终估算值S以安时积分法的结果S2为准。
4.根据权利要求1所述的用于电池管理***中的电池剩余容量估算方法,其特征在于:所述步骤3表2中,序号为2的选项满足的条件为:前后两个采样周期的安时积分法结果一个大于等于Sref2,一个小于等于Sref2。
5.根据权利要求1所述的用于电池管理***中的电池剩余容量估算方法,其特征在于:所述步骤3中,设定电池充放电的小电流参考值Iref与***处于小电流工作状态的时间参考值tref,当采样到的电流I满足Iref≥I≥-Iref时,记录***处于该状态的时间t,当t≥tref时,计算结果以EKF结果S1为准,将S1的值赋给S2与S,此项说明对应表1中序号6与表2中序号3的选项。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710979124.2A CN107688155B (zh) | 2017-10-19 | 2017-10-19 | 一种用于电池管理***中的电池剩余容量估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710979124.2A CN107688155B (zh) | 2017-10-19 | 2017-10-19 | 一种用于电池管理***中的电池剩余容量估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107688155A true CN107688155A (zh) | 2018-02-13 |
CN107688155B CN107688155B (zh) | 2019-12-27 |
Family
ID=61153912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710979124.2A Expired - Fee Related CN107688155B (zh) | 2017-10-19 | 2017-10-19 | 一种用于电池管理***中的电池剩余容量估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107688155B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109466377A (zh) * | 2018-10-30 | 2019-03-15 | 蔚来汽车有限公司 | 用于自动更新soc区间里程参考值的方法、装置和存储介质 |
CN110196393A (zh) * | 2019-05-31 | 2019-09-03 | 中国矿业大学 | 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法 |
CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
CN111537895A (zh) * | 2020-07-13 | 2020-08-14 | 延锋伟世通电子科技(南京)有限公司 | 一种多参数联合估算soc的方法 |
CN112881916A (zh) * | 2021-01-21 | 2021-06-01 | 湘潭大学 | 一种锂电池健康状态和剩余可用寿命的预测方法及*** |
CN116736141A (zh) * | 2023-08-10 | 2023-09-12 | 锦浪科技股份有限公司 | 一种锂电池储能安全管理***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359036A (zh) * | 2007-07-31 | 2009-02-04 | 比亚迪股份有限公司 | 电池荷电状态的测定方法 |
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 |
CN102930173A (zh) * | 2012-11-16 | 2013-02-13 | 重庆长安汽车股份有限公司 | 一种锂离子电池荷电状态在线估算方法 |
JP2014522488A (ja) * | 2012-03-16 | 2014-09-04 | エルジー・ケム・リミテッド | バッテリー状態推定装置及び方法 |
CN106483463A (zh) * | 2015-08-31 | 2017-03-08 | 上汽通用汽车有限公司 | 电池充电状态预估方法和装置 |
-
2017
- 2017-10-19 CN CN201710979124.2A patent/CN107688155B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101359036A (zh) * | 2007-07-31 | 2009-02-04 | 比亚迪股份有限公司 | 电池荷电状态的测定方法 |
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 |
JP2014522488A (ja) * | 2012-03-16 | 2014-09-04 | エルジー・ケム・リミテッド | バッテリー状態推定装置及び方法 |
CN102930173A (zh) * | 2012-11-16 | 2013-02-13 | 重庆长安汽车股份有限公司 | 一种锂离子电池荷电状态在线估算方法 |
CN106483463A (zh) * | 2015-08-31 | 2017-03-08 | 上汽通用汽车有限公司 | 电池充电状态预估方法和装置 |
Non-Patent Citations (2)
Title |
---|
李建成: ""基于改进Kalman 滤波和安时积分的SOC复合估算"", 《电源技术》 * |
罗勇等: ""安时-卡尔曼交叉运行的电池荷电状态估算策略及其微控制器在环验证"", 《高技术通讯》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109466377A (zh) * | 2018-10-30 | 2019-03-15 | 蔚来汽车有限公司 | 用于自动更新soc区间里程参考值的方法、装置和存储介质 |
CN110196393A (zh) * | 2019-05-31 | 2019-09-03 | 中国矿业大学 | 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法 |
CN110196393B (zh) * | 2019-05-31 | 2024-03-12 | 中国矿业大学 | 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法 |
CN110501652A (zh) * | 2019-09-05 | 2019-11-26 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
CN110501652B (zh) * | 2019-09-05 | 2021-11-19 | 上海毅信环保科技有限公司 | 一种退役锂电池可用容量快速评估方法及评估装置 |
CN111537895A (zh) * | 2020-07-13 | 2020-08-14 | 延锋伟世通电子科技(南京)有限公司 | 一种多参数联合估算soc的方法 |
CN111537895B (zh) * | 2020-07-13 | 2020-10-30 | 延锋伟世通电子科技(南京)有限公司 | 一种多参数联合估算soc的方法 |
CN112881916A (zh) * | 2021-01-21 | 2021-06-01 | 湘潭大学 | 一种锂电池健康状态和剩余可用寿命的预测方法及*** |
CN116736141A (zh) * | 2023-08-10 | 2023-09-12 | 锦浪科技股份有限公司 | 一种锂电池储能安全管理***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107688155B (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107688155A (zh) | 一种用于电池管理***中的电池剩余容量估算方法 | |
CN104360285B (zh) | 一种基于改进的安时积分法的电池容量修正方法 | |
CN107656210B (zh) | 一种估算电池电量状态的方法 | |
CN108717164B (zh) | 电池的荷电状态soc标定方法及*** | |
CN103163480B (zh) | 锂电池健康状态的评估方法 | |
CN104617623B (zh) | 一种电动汽车动力电池组均衡控制方法 | |
CN106443480A (zh) | 一种锂离子电池***soc估算方法 | |
CN103022583A (zh) | 一种利用电池充电曲线修正soc的方法 | |
CN110673039B (zh) | 一种基于大数据的磷酸铁锂电池soc充电在线校正方法 | |
CN108107372A (zh) | 基于soc分区估算的蓄电池健康状况量化方法及*** | |
CN103048626A (zh) | 一种准确估算soc的方法 | |
CN103969587A (zh) | 一种混合动力车用动力电池soc估算方法 | |
CN112510774B (zh) | 一种电池组的均衡方法 | |
CN106443492A (zh) | 一种低速电动车锂电池soc的估算方法 | |
CN107817448B (zh) | 一种适用于复杂工况的在线实时监测电池电量的方法 | |
CN110320472B (zh) | 一种用于矿用锂电池的自修正soc估计方法 | |
CN105406532A (zh) | 电动汽车及其电池可用能量的检测方法和装置 | |
CN109633456B (zh) | 一种基于分段电压识别法的动力锂电池组soc估算方法 | |
CN112710955B (zh) | 一种用于提高电池容量估计精度的算法 | |
CN108490361A (zh) | 一种基于云端反馈的荷电状态SoC计算方法 | |
CN113406523A (zh) | 一种储能电池状态评价方法、装置、电子设备及存储*** | |
CN105634063A (zh) | 一种基于电池历史数据的主动均衡方法 | |
CN106597288A (zh) | 一种电源soc估算方法 | |
CN112816893B (zh) | 一种基于电池组单体剩余充电电量快速估计电池组容量方法 | |
CN110632520A (zh) | 一种动力电池soc的估算装置及其估算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191227 Termination date: 20201019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |