CN108445401A - 电池荷电状态soc的在线估计方法、电子装置及存储介质 - Google Patents
电池荷电状态soc的在线估计方法、电子装置及存储介质 Download PDFInfo
- Publication number
- CN108445401A CN108445401A CN201810134609.6A CN201810134609A CN108445401A CN 108445401 A CN108445401 A CN 108445401A CN 201810134609 A CN201810134609 A CN 201810134609A CN 108445401 A CN108445401 A CN 108445401A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- equation
- charge state
- battery charge
- 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.)
- Pending
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)
- Secondary Cells (AREA)
Abstract
本发明涉及一种电池荷电状态SOC的在线估计方法、电子装置及存储介质,该方法包括:获得基于脉冲充放电实验得到的电池的开路电压Uocv与电池荷电状态SOCk的定量函数关系Uocv(SOCk),并确定基于二阶RC等效电路模型的初始参数值;基于该二阶RC等效电路模型建立电池模型函数,根据该电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数获取电池荷电状态SOC与极化电压的状态方程及观测方程;基于该电池模型函数获得所述初始参数值对应的电池内部参数的状态方程及观测方程;进行电池荷电状态SOC在线估计。本发明的电池荷电状态SOC的在线估算精度高、工作量小。
Description
技术领域
本发明涉及电池技术领域,尤其涉及一种电池荷电状态SOC的在线估计方法、电子装置及存储介质。
背景技术
目前,电池管理***(BMS)是在电动汽车以及其他需要用到一定数量的蓄电池产品在运行过程中对电池实现管理和控制的重要工具。由于蓄电池的使用存在一定差异性,因此不同厂商生产的BMS功能不完全一致,但其基本功能应包括:在运行过程中特征参数的监测、能量控制管理、实时状态分析、故障预警及安全保护、信息的显示与储存等。
其中,蓄电池实时状态分析包括了电池荷电状态(State of Charge,SOC)估算,健康状态(SOH)估算,功率状态(SOP)估算。蓄电池的安全保护是针对其的实时运行状态,结合控制策略,采取一定的措施防止动力电池过流、过充/放、过热情况的发生,并在上述情况发生时采取必要的保护措施以确保产品及人身安全。
对于应用于电动汽车的BMS,为确保电动汽车中的蓄电池组性能良好,延长蓄电池组使用寿命,也需要及时、准确地了解蓄电池的电池荷电状态SOC。对于电池荷电状态SOC只能估算,不能测量,精确估算需要实用的算法。实用的SOC估算方法包括:1)安时积分法,该法属于开环运算估算结果会出现误差累计,导致误差逐步加大;2)安时积分与开路电压相结合的组合法,通过开路电压与SOC的关系校准安时法出现的累积误差,但是当蓄电池静置时间较短会出现开路电压查表不准的现象;3)卡尔曼滤波法,能实时地估算SOC,精度较高,但传统卡尔曼滤波法需要做大量的实验获取电池模型参数。针对现有技术的缺陷,提供一种精度高、工作量小的电池荷电状态SOC在线估算方法成为有待解决的问题。
发明内容
本发明的目的在于提供一种电池荷电状态SOC的在线估计方法、电子装置及存储介质,旨在提供一种精度高、工作量小的电池荷电状态SOC在线估算方法。
为实现上述目的,本发明提供一种电池荷电状态SOC的在线估计方法,该方法包括以下步骤:
S1,获得基于脉冲充放电实验得到的电池的开路电压Uocv与电池荷电状态SOCk的定量函数关系Uocv(SOCk),并确定基于二阶RC等效电路模型的初始参数值,所述初始参数包括欧姆内阻R0、第一极化电阻RP1、第二极化电阻RP2、第一极化电容Cp1及第二极化电容Cp2;
S2,基于该二阶RC等效电路模型建立电池模型函数,根据该电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数获取电池荷电状态SOC与极化电压的状态方程及观测方程;
S3,基于该电池模型函数获得所述初始参数值对应的电池内部参数的状态方程及观测方程;
S4,以所述电池荷电状态SOC与极化电压的状态方程及观测方程作为双通道无迹卡尔曼滤波算法DUKF的第一层,并以所述电池内部参数的状态方程及观测方程作为该双通道无迹卡尔曼滤波算法DUKF的第二层进行电池荷电状态SOC在线估计。
优选地,该方法还包括:
获取电池荷电状态SOC在线估计结果数据,将所述电池荷电状态SOC在线估计结果数据代入电池模型函数中,以计算出电池的仿真端电压,将仿真端电压与实测的电池端电压进行对比,以验证初始参数值的准确性。
优选地,所述电池模型函数包括:
其中,在二阶RC等效电路模型中,UL为端电压,Uocv为开路电压,I为负载电流,UP1、UP2为两个回路分别对应的极化电压,为对极化电压的求导函数。
优选地,所述电池荷电状态SOC与极化电压的状态方程及观测方程包括:
其中,[Up1,k,Up2,k,SOCk]T为状态方程,[UL,k]为观测方程,η为电池的充放电效率,Ccell为电池的可用容量,ik为负载电流,k为时间,Δt为实验数据的时间间隔,wk为***过程噪声干扰,vk为***测量噪声干扰。
优选地,所述电池内部参数的状态方程及观测方程包括:
θk=θk-1+γk-1
其中,θk=θk-1+γk-1为状态方程,UL,k=Uocv(SOCk-1)-UP1,K-1-UP2,K-1-ik-1R0,k-1为观测方程,γk表示小的扰动,k为时间,Δt为实验数据的时间间隔,ik为负载电流。
为实现上述目的,本发明还提供一种电子装置,所述电子装置包括存储器及与所述存储器连接的处理器,所述存储器中存储有可在所述处理器上运行的处理***,所述处理***被所述处理器执行时实现如下步骤:
获得基于脉冲充放电实验得到的电池的开路电压Uocv与电池荷电状态SOCk的定量函数关系Uocv(SOCk),并确定基于二阶RC等效电路模型的初始参数值,所述初始参数包括欧姆内阻R0、第一极化电阻RP1、第二极化电阻RP2、第一极化电容Cp1及第二极化电容Cp2;
基于该二阶RC等效电路模型建立电池模型函数,根据该电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数获取电池荷电状态SOC与极化电压的状态方程及观测方程;
基于该电池模型函数获得所述初始参数值对应的电池内部参数的状态方程及观测方程;
以所述电池荷电状态SOC与极化电压的状态方程及观测方程作为双通道无迹卡尔曼滤波算法DUKF的第一层,并以所述电池内部参数的状态方程及观测方程作为该双通道无迹卡尔曼滤波算法DUKF的第二层进行电池荷电状态SOC在线估计。
优选地,所述电池模型函数包括:
其中,在二阶RC等效电路模型中,UL为端电压,Uocv为开路电压,I为负载电流,UP1、UP2为两个回路分别对应的极化电压,为对极化电压的求导函数。
优选地,所述电池荷电状态SOC与极化电压的状态方程及观测方程包括:
其中,[Up1,k,Up2,k,SOCk]T为状态方程,[UL,k]为观测方程,η为电池的充放电效率,Ccell为电池的可用容量,ik为负载电流,k为时间,Δt为实验数据的时间间隔,wk为***过程噪声干扰,vk为***测量噪声干扰。
优选地,所述电池内部参数的状态方程及观测方程包括:
θk=θk-1+γk-1
其中,θk=θk-1+γk-1为状态方程,UL,k=Uocv(SOCk-1)-UP1,K-1-UP2,K-1-ik-1R0,k-1为观测方程,γk表示小的扰动,k为时间,Δt为实验数据的时间间隔,ik为负载电流。
本发明还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***,所述处理***被处理器执行时实现上述的电池荷电状态SOC的在线估计方法的步骤。
本发明针对现有技术中的电池荷电状态SOC估算方法的不足,特别是针对传统卡尔曼滤波法的缺陷,本发明基于双通道无迹卡尔曼滤波算法DUKF的电池荷电状态SOC在线估计方法,并不需要准确的提供电池建模参数(即电池内部参数)与SOC的函数关系,只需要获知电池建模参数大致的初始值即可(即初始参数值),不需要做大量的实验获取电池建模参数,操作简单快捷,不仅有效地完成电池荷电状态SOC的在线估算,还实现对电池内部参数的在线估算,具有精度高、工作量小等优点。
附图说明
图1为本发明电子装置较佳实施例的硬件架构的示意图;
图2为本发明电池荷电状态SOC的在线估计方法一实施例的流程示意图;
图3为本发明建立的二阶RC等效电路模型的电路图;
图4为基于图3的二阶RC等效电路模型进行HPPC实验得到的电压-电流的曲线图;
图5为图4所示的电压的曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
参阅图1所示,是本发明电子装置较佳实施例的硬件架构的示意图,所述电子装置1是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。所述电子装置1可以是计算机、也可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量主机或者网络服务器构成的云,其中云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。
在本实施例中,电子装置1可包括,但不仅限于,可通过***总线相互通信连接的存储器11、处理器12、网络接口13,存储器11存储有可在处理器12上运行的处理***。需要指出的是,图1仅示出了具有组件11-13的电子装置1,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
其中,存储器11包括内存及至少一种类型的可读存储介质。内存为电子装置1的运行提供缓存;可读存储介质可为如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等的非易失性存储介质。在一些实施例中,可读存储介质可以是电子装置1的内部存储单元,例如该电子装置1的硬盘;在另一些实施例中,该非易失性存储介质也可以是电子装置1的外部存储设备,例如电子装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。本实施例中,存储器11的可读存储介质通常用于存储安装于电子装置1的操作***和各类应用软件,例如本发明一实施例中的处理***的程序代码等。此外,存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器12在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述电子装置1的总体操作,例如执行与其他设备进行数据交互或者通信相关的控制和处理等。本实施例中,所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据,例如运行处理***等。
所述网络接口13可包括无线网络接口或有线网络接口,该网络接口13通常用于在所述电子装置1与其他电子设备之间建立通信连接。本实施例中,网络接口13主要用于将电子装置1与一个或多个设备相连,在电子装置1与一个或多个设备之间建立数据传输通道和通信连接,以获取相关的数据。
所述处理***存储在存储器11中,包括至少一个存储在存储器11中的计算机可读指令,该至少一个计算机可读指令可被处理器器12执行,以实现本申请各实施例的方法;以及,该至少一个计算机可读指令依据其各部分所实现的功能不同,可被划为不同的逻辑模块。
在一实施例中,上述处理***被所述处理器12执行时可实现本发明电池荷电状态SOC的在线估计方法的步骤,如图2所示,包括:
步骤S1,获得基于脉冲充放电实验得到的电池的开路电压Uocv与电池荷电状态SOCk的定量函数关系Uocv(SOCk),并确定基于二阶RC等效电路模型的初始参数值,所述初始参数包括欧姆内阻R0、极化内阻Rp1、Rp2以及极化电容Cp1、Cp2;
首先,根据电池类型确定充电制度和放电制度,本实例以额定容量为35Ah的三元材料锂离子电池为实验对象,当然,其他的电池也可以。电池在标准充电前都要处于室温状态,当电池在标准充电前处于其他温度状态时,应视不同的温度状态规定不同的室温静置处理方法:高温静置2~4h,低温静置8~16h。充放电制度的获取方法主要依据两个方面,一是由电池厂家的相关说明书提供,二是根据动力蓄电池新国标的相关规定进行充放电制度的确定。
本实施例采用的三元材料电池在充放电过程中电池荷电状态SOC与开路电压Uocv之间存在一定的映射关系。具体实验方案为:将实验用三元材料电池充满电,并长时间静置后电流放电,当电池荷电状态SOC下降10%时静置60min后获得此时电池两端电压即为该电池荷电状态SOC点下的电池开路电压Uocv值,接着再进行下一电池荷电状态SOC点的测试。放电过程测试完成长时间静置后可类比放电过程,进行充电过程Uocv-SOC的测定。根据实验得到不同电池荷电状态SOC点下Uocv的值后,可在MATLAB cftool curve fitting进行Uocv-SOC曲线拟合,即可得到两者的定量函数关系Uocv(SOCk)其中,k为时间。具体地,可以采用插值法或多项式拟合法等方式进行曲线拟合,具体拟合方法由曲线的拟合度高低决定,拟合度越高则精度越高。
二阶RC等效电路模型如图3所示,包括两个RC环节,即二阶RC等效电路模型中的两个极化电容(Cp1、Cp2)与极化电阻(RP1、RP2)组成的两个回路,两个回路的极化电压分别为UP1、UP2。为获取初始参数值,需要对二阶RC等效电路模型进行特性测试,一般情况下采用的测试方法是进行混合脉冲功率特性测试(HPPC)。一次HPPC实验具体过程如图4所示:1、以35A电流放电10s,如图4中t0到t1所示;2、搁置40s,如图4中t1到t2所示;3、以35A电流充电10s,如图4中t2到t3所示;4、搁置40s,如图4中t3到t4所示。依据不同电池荷电状态SOC点的脉冲充放电循环实验可进行初始参数值的辨识:
欧姆内阻R0的辨识:欧姆内阻R0包括充电的欧姆内阻及放电的欧姆内阻,可以以充电的欧姆内阻或放电的欧姆内阻作为欧姆内阻R0。电压变化曲线如图5所示,电池放电之前已经静置较长时间,在t0时刻电流加载瞬间,电压变化为UA-UB=ΔUAB;在t1时刻电流卸载瞬间,电压变化为UD-UC=ΔUDC,脉冲电流为I,因此放电过程欧姆内阻的计算公式为:同样的方法可以求出充电方向的欧姆内阻。
极化参数的辨识:极化参数包括极化电阻Rp、极化电容Cp,如图3所示,极化电阻Rp包括第一极化电阻RP1、第二极化电阻RP2,极化电容Cp包括第一极化电容Cp1及第二极化电容Cp2。若要辨识极化内阻Rp,需要先对时间常数τ=RP*CP进行辨识。结合图3及图5,首先分析DE段,若以D为起点,脉冲放电结束的瞬间,极化电容Cp1和Cp2两端的初始电压分别为U1(0)和U2(0),此时两个RC环节的零输入响应分别可以写成:和则电池端电压的数学关系如式(1)所示:
令U1(0)=b1,U2(0)=b2,则上式可简化为式(2):
根据公式(2),利用Matlab中的cftool工具箱对电池在脉冲放电结束后静置40s的实验数据进行双指数函数拟合,可以得到b1、b2以及时间常数τ1和τ2。
对于BC段,若以B为起点,脉冲恒流放电电流为I,此时两个RC环节的零状态响应可表示为:和因此在图4中的C点时两个极化电容上的电压分别为:和由于从C点到D点,极化电压并不会发生改变,此时的极化电压可改写如式(3)所示:
把已经获取的b1、b2的值以及τ1、τ2的值代入式(3),即可得到RP1、RP2,进而计算可得Cp1、Cp2的值。这种离线的参数辨识方法只能得到固定参数,不能反映电池内部参数的动态变化,但可以用来确定电池的初始参数值。
步骤S2,基于该二阶RC等效电路模型建立电池模型函数,根据该电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数获取电池荷电状态SOC与极化电压的状态方程及观测方程;
其中,电池模型函数包括:基于基尔霍夫电压定律与电流定律建立的电压函数及基于二阶RC等效电路模型的两个极化电压对应的求导函数,式中的与指的是指对两个极化电压的求导:
其中,在二阶RC等效电路模型中,UL为端电压,Uocv为开路电压,I为负载电流,UP1、UP2分别为两个回路对应的极化电压。
由于电池模型一般在实际应用条件下是离散模型,故需要将电池模型函数进行离散化:
Ik为k时刻电池的负载电流,假定充电方向为正;UL(k)是k时刻的电池的端电压;Δt为采样周期;UP(k+1)为k+1时刻RC环节上的极化电压。根据公式(5)中的离散化方程,基于Simulink中的Matlab-Function模块以及各个初始参数值可以建立电池的仿真模型,该模型需要知道电流值以及初始参数值来求出电压值。
电池荷电状态SOC定义函数:其中,Ccell为电池的可用容量,在确定电池(以LiNixCoyMn1-x-yO2电池为例)的可用容量Ccell时,以上述的标准充电规程将电池充至满电状态;以C/2电流放电至电池的放电终止条件,记录放电过程总的放电容量Q01;静置1h;重复上述三步并计算放电容量Q02、Q03,则三次放电量的算术平均值为Ccell。如果Q01、Q02、Q03与Ccell的偏差均小于2%,则Ccell为该单体电池的可用容量。如果Q01、Q02、Q03与Ccell的偏差有不小于2%的情况,则需要重复进行可用容量测试过程,直至连续三次的放电量满足可用容量确认的条件。
根据电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数可以得到双通道无迹卡尔曼滤波算法DUKF的第一层中电池荷电状态SOC与极化电压的状态方程及观测方程:
其中,[Up1,k,Up2,k,SOCk]T为状态方程,[UL,k]为观测方程,η表示电池的充放电效率,Ccell为电池的可用容量,ik为负载电流,k为时间,Δt是指实验数据的时间间隔,wk是指***过程噪声干扰,vk指***测量噪声干扰。
步骤S3,基于该电池模型函数获得所述初始参数值对应的电池内部参数的状态方程及观测方程;
其中,选择初始参数值对应的电池内部参数R0、Rp1、Cp1、Rp2、Cp2为***的状态变量,电池的观测变量由三部分组成:双通道无迹卡尔曼滤波算法DUKF的第一层的估算结果中,电池极化电压用来作为极化参数的观测量,电池端电压仍作为电池欧姆内阻R0的观测量。由于电池内部参数的扰动变化较小,相对于电池荷电状态SOC以及其他变量,其在整个电池寿命过程中变化较为缓慢,因此电池内部参数的状态方程与观测方程根据该电池模型函数得到,如公式(7)所示:
其中,θk=θk-1+γk-1为状态方程,UL,k=Uocv(SOCk-1)-UP1,K-1-UP2,K-1-ik-1R0,k-1为观测方程,k为时间,γk表示小的扰动(由于变化缓慢,因此加上小的扰动γk-1),Δt为实验数据的时间间隔,ik为负载电流。
步骤S4,以所述电池荷电状态SOC与极化电压的状态方程及观测方程作为双通道无迹卡尔曼滤波算法DUKF的第一层,并以所述电池内部参数的状态方程及观测方程作为该双通道无迹卡尔曼滤波算法DUKF的第二层进行电池荷电状态SOC在线估计。
本实施例中,双通道无迹卡尔曼滤波算法DUKF的算法流程包括式(8)至式(14),Xk为***的状态变量,Zk是观测变量:
在上述式(6)的电池荷电状态SOC与极化电压的状态方程及观测方程中,令Xk=[Up1,k,Up2,k,SOCk]T,zk=UL,k,在上述式(7)的电池内部参数的状态方程及观测方程中,令然后按照双通道无迹卡尔曼滤波算法DUKF的算法流程式(8)至式(14)进行电池荷电状态SOC在线估计,包括在线辨识电池内部参数以及电池荷电状态SOC。
具体地,基于双通道无迹卡尔曼滤波算法DUKF在线辨识电池内部参数以及电池荷电状态SOC包括:双通道无迹卡尔曼滤波算法DUKF中两层UKF交互进行,其中第一层UKF的输出变量估计出来后进行延迟递推,然后又作为第二层UKF的输入量,第二层UKF的输出变量估计出来后进行延迟递推,然后又作为第一层UKF的输入量。第一层UKF将电池的电池荷电状态SOC以及极化电压作为***的状态变量,第二层UKF将电池内部参数作为状态变量。
将上述过程进行循环迭代可得到实时估算的电池荷电状态SOC及电池内部参数,之后通过相关的测试手册(例如USABC)中的动态工况验证电池模型函数以及电池荷电状态SOC估算的动态响应能力,并可计算电池荷电状态SOC的估算精度,例如通过参考QC/T 897-2011计算电池荷电状态SOC的估算精度。
本实施例针对现有技术中的电池荷电状态SOC估算方法的不足,特别是针对传统卡尔曼滤波法的缺陷,本实施例基于双通道无迹卡尔曼滤波算法DUKF的电池荷电状态SOC在线估计方法,并不需要准确的提供电池建模参数(即电池内部参数)与SOC的函数关系,只需要获知电池建模参数大致的初始值即可(即初始参数值),不需要做大量的实验获取电池建模参数,操作简单快捷,不仅有效地完成电池荷电状态SOC的在线估算,还实现对电池内部参数的在线估算,具有精度高、工作量小等优点。
在一优选的实施例中,在上述实施例的基础上,该方法还包括:获取电池荷电状态SOC在线估计结果数据,将所述电池荷电状态SOC在线估计结果数据代入电池模型函数中,以计算出电池的仿真端电压,将仿真端电压与实测的电池端电压进行对比,以验证初始参数值的准确性。
本实施例中,将电池荷电状态SOC在线估计结果数据中的电池内部参数代入电池模型函数中,验证电池内部参数辨识的准确性。具体地,将估计结果数据中的电池内部参数代入公式(4)中计算出电池的仿真端电压,将仿真端电压与实测电池端电压进行对比,以验证初始参数值的准确性。
本发明还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***,所述处理***被处理器执行时实现上述的电池荷电状态SOC的在线估计方法的步骤。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上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)
1.一种电池荷电状态SOC的在线估计方法,其特征在于,该方法包括以下步骤:
S1,获得基于脉冲充放电实验得到的电池的开路电压Uocv与电池荷电状态SOCk的定量函数关系Uocv(SOCk),并确定基于二阶RC等效电路模型的初始参数值,所述初始参数包括欧姆内阻R0、第一极化电阻RP1、第二极化电阻RP2、第一极化电容Cp1及第二极化电容Cp2;
S2,基于该二阶RC等效电路模型建立电池模型函数,根据该电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数获取电池荷电状态SOC与极化电压的状态方程及观测方程;
S3,基于该电池模型函数获得所述初始参数值对应的电池内部参数的状态方程及观测方程;
S4,以所述电池荷电状态SOC与极化电压的状态方程及观测方程作为双通道无迹卡尔曼滤波算法DUKF的第一层,并以所述电池内部参数的状态方程及观测方程作为该双通道无迹卡尔曼滤波算法DUKF的第二层进行电池荷电状态SOC在线估计。
2.根据权利要求1所述的电池荷电状态SOC的在线估计方法,其特征在于,该方法还包括:
获取电池荷电状态SOC在线估计结果数据,将所述电池荷电状态SOC在线估计结果数据代入电池模型函数中,以计算出电池的仿真端电压,将仿真端电压与实测的电池端电压进行对比,以验证初始参数值的准确性。
3.根据权利要求1或2所述的电池荷电状态SOC的在线估计方法,其特征在于,所述电池模型函数包括:
其中,在二阶RC等效电路模型中,UL为端电压,Uocv为开路电压,I为负载电流,UP1、UP2为两个回路分别对应的极化电压,为对极化电压的求导函数。
4.根据权利要求3所述的电池荷电状态SOC的在线估计方法,其特征在于,所述电池荷电状态SOC与极化电压的状态方程及观测方程包括:
其中,[Up1,k,Up2,k,SOCk]T为状态方程,[UL,k]为观测方程,η为电池的充放电效率,Ccell为电池的可用容量,ik为负载电流,k为时间,Δt为实验数据的时间间隔,wk为***过程噪声干扰,vk为***测量噪声干扰。
5.根据权利要求3所述的电池荷电状态SOC的在线估计方法,其特征在于,所述电池内部参数的状态方程及观测方程包括:
θk=θk-1+γk-1
其中,θk=θk-1+γk-1为状态方程,UL,k=Uocv(SOCk-1)-UP1,K-1-UP2,K-1-ik-1R0,k-1为观测方程,γk表示小的扰动,k为时间,Δt为实验数据的时间间隔,ik为负载电流。
6.一种电子装置,其特征在于,所述电子装置包括存储器及与所述存储器连接的处理器,所述存储器中存储有可在所述处理器上运行的处理***,所述处理***被所述处理器执行时实现如下步骤:
获得基于脉冲充放电实验得到的电池的开路电压Uocv与电池荷电状态SOCk的定量函数关系Uocv(SOCk),并确定基于二阶RC等效电路模型的初始参数值,所述初始参数包括欧姆内阻R0、第一极化电阻RP1、第二极化电阻RP2、第一极化电容Cp1及第二极化电容Cp2;
基于该二阶RC等效电路模型建立电池模型函数,根据该电池模型函数、定量函数关系Uocv(SOCk)以及电池荷电状态SOC定义函数获取电池荷电状态SOC与极化电压的状态方程及观测方程;
基于该电池模型函数获得所述初始参数值对应的电池内部参数的状态方程及观测方程;
以所述电池荷电状态SOC与极化电压的状态方程及观测方程作为双通道无迹卡尔曼滤波算法DUKF的第一层,并以所述电池内部参数的状态方程及观测方程作为该双通道无迹卡尔曼滤波算法DUKF的第二层进行电池荷电状态SOC在线估计。
7.根据权利要求6所述的电子装置,其特征在于,所述电池模型函数包括:
其中,在二阶RC等效电路模型中,UL为端电压,Uocv为开路电压,I为负载电流,UP1、UP2为两个回路分别对应的极化电压,为对极化电压的求导函数。
8.根据权利要求7所述的电子装置,其特征在于,所述电池荷电状态SOC与极化电压的状态方程及观测方程包括:
其中,[Up1,k,Up2,k,SOCk]T为状态方程,[UL,k]为观测方程,η为电池的充放电效率,Ccell为电池的可用容量,ik为负载电流,k为时间,Δt为实验数据的时间间隔,wk为***过程噪声干扰,vk为***测量噪声干扰。
9.根据权利要求7所述的电子装置,其特征在于,所述电池内部参数的状态方程及观测方程包括:
θk=θk-1+γk-1
其中,θk=θk-1+γk-1为状态方程,UL,k=Uocv(SOCk-1)-UP1,K-1-UP2,K-1-ik-1R0,k-1为观测方程,γk表示小的扰动,k为时间,Δt为实验数据的时间间隔,ik为负载电流。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有处理***,所述处理***被处理器执行时实现如权利要求1至5中任一项所述的电池荷电状态SOC的在线估计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810134609.6A CN108445401A (zh) | 2018-02-09 | 2018-02-09 | 电池荷电状态soc的在线估计方法、电子装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810134609.6A CN108445401A (zh) | 2018-02-09 | 2018-02-09 | 电池荷电状态soc的在线估计方法、电子装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108445401A true CN108445401A (zh) | 2018-08-24 |
Family
ID=63192185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810134609.6A Pending CN108445401A (zh) | 2018-02-09 | 2018-02-09 | 电池荷电状态soc的在线估计方法、电子装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108445401A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109061508A (zh) * | 2018-09-11 | 2018-12-21 | 上海电力学院 | 一种电动汽车锂电池soh的估计方法 |
CN109188293A (zh) * | 2018-11-08 | 2019-01-11 | 武汉理工大学 | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 |
CN109388074A (zh) * | 2018-09-20 | 2019-02-26 | 深圳大学 | 一种电池组仿真方法及***、bms标定*** |
CN109633473A (zh) * | 2019-01-23 | 2019-04-16 | 刘平 | 一种分布式电池组荷电状态估计算法 |
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 |
CN109799459A (zh) * | 2019-01-25 | 2019-05-24 | 欣旺达电子股份有限公司 | 测试锂离子动力电芯功率的方法、测试装置和存储介质 |
CN110412472A (zh) * | 2019-09-02 | 2019-11-05 | 西北工业大学 | 一种基于正态伽马滤波的电池荷电状态估计方法 |
CN110470990A (zh) * | 2019-08-08 | 2019-11-19 | 浙江飞碟汽车制造有限公司 | 一种动力电池模型及其参数辨识方法 |
CN110850299A (zh) * | 2019-11-26 | 2020-02-28 | 无锡物联网创新中心有限公司 | 一种基于sr-ukf的锂离子动力电池状态估计方法 |
CN112098845A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 一种用于分布式储能***的锂电池状态估计方法 |
CN112098873A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
CN112731161A (zh) * | 2021-02-08 | 2021-04-30 | 中南大学 | 基于少量数据混插的非线性数据特征提取和分类预测方法 |
CN112883531A (zh) * | 2019-11-29 | 2021-06-01 | 比亚迪股份有限公司 | 锂离子电池数据处理方法、计算机设备和存储介质 |
CN113138340A (zh) * | 2020-01-17 | 2021-07-20 | 华为技术有限公司 | 电池等效电路模型的建立方法、健康状态估算方法及装置 |
CN113147630A (zh) * | 2021-04-30 | 2021-07-23 | 江铃汽车股份有限公司 | 一种模式控制方法、***、可读存储介质及车辆 |
CN113466722A (zh) * | 2020-03-31 | 2021-10-01 | 比亚迪股份有限公司 | 确定电池荷电状态测量精度的方法及装置,电子设备 |
CN114609526A (zh) * | 2022-05-11 | 2022-06-10 | 长城汽车股份有限公司 | 电池soc估算方法、装置、电子设备及车辆 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030112177A1 (en) * | 2001-12-19 | 2003-06-19 | Hiroyuki Toda | Carrier-phase-based relative positioning device |
CN104267261A (zh) * | 2014-10-29 | 2015-01-07 | 哈尔滨工业大学 | 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法 |
EP2963434A1 (en) * | 2014-06-30 | 2016-01-06 | Foundation Of Soongsil University-Industry Cooperation | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method |
CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
CN106126783A (zh) * | 2016-06-16 | 2016-11-16 | 同济大学 | 一种锂离子电池变时间尺度模型参数估计方法 |
CN106249173A (zh) * | 2016-10-10 | 2016-12-21 | 哈尔滨理工大学 | 一种电池健康度soh估算方法 |
CN106602952A (zh) * | 2016-06-29 | 2017-04-26 | 河南工程学院 | 一种pmsm永磁体磁链满秩辨识方法 |
CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
CN107589379A (zh) * | 2017-08-30 | 2018-01-16 | 电子科技大学 | 一种在线估计锂电池soc和阻抗的方法 |
-
2018
- 2018-02-09 CN CN201810134609.6A patent/CN108445401A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030112177A1 (en) * | 2001-12-19 | 2003-06-19 | Hiroyuki Toda | Carrier-phase-based relative positioning device |
EP2963434A1 (en) * | 2014-06-30 | 2016-01-06 | Foundation Of Soongsil University-Industry Cooperation | Battery state estimation method and system using dual extended kalman filter, and recording medium for performing the method |
CN104267261A (zh) * | 2014-10-29 | 2015-01-07 | 哈尔滨工业大学 | 基于分数阶联合卡尔曼滤波的二次电池简化阻抗谱模型参数在线估计方法 |
CN106126783A (zh) * | 2016-06-16 | 2016-11-16 | 同济大学 | 一种锂离子电池变时间尺度模型参数估计方法 |
CN106602952A (zh) * | 2016-06-29 | 2017-04-26 | 河南工程学院 | 一种pmsm永磁体磁链满秩辨识方法 |
CN106019164A (zh) * | 2016-07-07 | 2016-10-12 | 武汉理工大学 | 基于双重自适应无际卡尔曼滤波器的锂电池soc估计算法 |
CN106249173A (zh) * | 2016-10-10 | 2016-12-21 | 哈尔滨理工大学 | 一种电池健康度soh估算方法 |
CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
CN107589379A (zh) * | 2017-08-30 | 2018-01-16 | 电子科技大学 | 一种在线估计锂电池soc和阻抗的方法 |
Non-Patent Citations (1)
Title |
---|
覃健: "基于DUFK的动力电池内阻与SoC估算", 《通信电源技术》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109061508A (zh) * | 2018-09-11 | 2018-12-21 | 上海电力学院 | 一种电动汽车锂电池soh的估计方法 |
CN109388074A (zh) * | 2018-09-20 | 2019-02-26 | 深圳大学 | 一种电池组仿真方法及***、bms标定*** |
CN109188293A (zh) * | 2018-11-08 | 2019-01-11 | 武汉理工大学 | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 |
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 |
CN109633473A (zh) * | 2019-01-23 | 2019-04-16 | 刘平 | 一种分布式电池组荷电状态估计算法 |
CN109799459B (zh) * | 2019-01-25 | 2021-02-12 | 欣旺达电子股份有限公司 | 测试锂离子动力电芯功率的方法、测试装置和存储介质 |
CN109799459A (zh) * | 2019-01-25 | 2019-05-24 | 欣旺达电子股份有限公司 | 测试锂离子动力电芯功率的方法、测试装置和存储介质 |
CN110470990A (zh) * | 2019-08-08 | 2019-11-19 | 浙江飞碟汽车制造有限公司 | 一种动力电池模型及其参数辨识方法 |
CN110412472A (zh) * | 2019-09-02 | 2019-11-05 | 西北工业大学 | 一种基于正态伽马滤波的电池荷电状态估计方法 |
CN110850299A (zh) * | 2019-11-26 | 2020-02-28 | 无锡物联网创新中心有限公司 | 一种基于sr-ukf的锂离子动力电池状态估计方法 |
CN112883531A (zh) * | 2019-11-29 | 2021-06-01 | 比亚迪股份有限公司 | 锂离子电池数据处理方法、计算机设备和存储介质 |
CN112883531B (zh) * | 2019-11-29 | 2022-10-18 | 比亚迪股份有限公司 | 锂离子电池数据处理方法、计算机设备和存储介质 |
CN113138340A (zh) * | 2020-01-17 | 2021-07-20 | 华为技术有限公司 | 电池等效电路模型的建立方法、健康状态估算方法及装置 |
CN113466722A (zh) * | 2020-03-31 | 2021-10-01 | 比亚迪股份有限公司 | 确定电池荷电状态测量精度的方法及装置,电子设备 |
CN112098873A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
CN112098873B (zh) * | 2020-08-17 | 2021-06-01 | 四川大学 | 基于充电电压曲线几何特征的锂电池健康状态估计方法 |
CN112098845A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 一种用于分布式储能***的锂电池状态估计方法 |
CN112731161A (zh) * | 2021-02-08 | 2021-04-30 | 中南大学 | 基于少量数据混插的非线性数据特征提取和分类预测方法 |
CN113147630A (zh) * | 2021-04-30 | 2021-07-23 | 江铃汽车股份有限公司 | 一种模式控制方法、***、可读存储介质及车辆 |
CN113147630B (zh) * | 2021-04-30 | 2023-04-25 | 江铃汽车股份有限公司 | 一种模式控制方法、***、可读存储介质及车辆 |
CN114609526A (zh) * | 2022-05-11 | 2022-06-10 | 长城汽车股份有限公司 | 电池soc估算方法、装置、电子设备及车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108445401A (zh) | 电池荷电状态soc的在线估计方法、电子装置及存储介质 | |
CN108196200B (zh) | 一种锂电池健康和荷电状态的联合模拟评估方法 | |
Ahmed et al. | Model-based parameter identification of healthy and aged li-ion batteries for electric vehicle applications | |
Ding et al. | An improved Thevenin model of lithium-ion battery with high accuracy for electric vehicles | |
US10175302B2 (en) | Power system and state of charge estimation | |
CN102831100B (zh) | 电池荷电状态估算方法及装置 | |
CN106569136B (zh) | 一种电池健康状态在线估计方法及*** | |
CN103632018B (zh) | 一种基于Simscape平台的电池建模方法 | |
CN114050633A (zh) | 一种锂电池储能***的动态管控方法、装置和电子设备 | |
US20220179003A1 (en) | Characterisation of lithium plating in rechargeable batteries | |
CN107656210A (zh) | 一种估算电池电量状态的方法 | |
Wang et al. | An improved coulomb counting method based on dual open‐circuit voltage and real‐time evaluation of battery dischargeable capacity considering temperature and battery aging | |
CN106451592A (zh) | 电池充放电的控制方法、电池充放电的控制设备和电动车 | |
CN107167743A (zh) | 基于电动车辆的荷电状态估算方法和装置 | |
CN104833921A (zh) | 电池包荷电状态的计算方法和计算装置 | |
CN115542186B (zh) | 一种储能电池状态及一致性评价方法、装置、设备及介质 | |
CN109839599A (zh) | 基于二阶ekf算法的锂离子电池soc估计方法 | |
CN108829911A (zh) | 一种开路电压与soc函数关系优化方法 | |
Cai et al. | Electro-thermal model for lithium-ion battery simulations | |
CN110210147A (zh) | 估算电池健康状态的仿真装置及仿真方法 | |
Gayathri et al. | Battery condition prognostic system using IoT in smart microgrids | |
CN113296010A (zh) | 一种基于差分电压分析的电池健康状态在线评估方法 | |
WO2015109592A1 (en) | Method for estimating li-ion battery capacity degradation | |
CN106646260A (zh) | 一种基于遗传神经网络的bms***的soc的估算方法 | |
CN111060833A (zh) | 一种动力电池组soh值的估算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |