CN109256834B - 基于电池健康状态和荷电状态的电池组主动均衡方法 - Google Patents

Abstract

本发明公开了一种基于电池健康状态和荷电状态的电池组主动均衡方法，所述方法首先获取电池组中各个单体电池的SOH和SOC，并以各个单体电池的SOH*SOC作为均衡系数，设计能量直接转移型主动均衡电路，将均衡系数作为初始条件输入到主动均衡电路中的均衡电路控制模块，均衡电路控制模块根据预先写入的程序控制电路通路的闭合，形成相应的能量转移通道直至各个单体电池的剩余电量的差异达到设定的阈值。该方法能够有效降低电池组的不一致性对动力电池功率、寿命的负面影响，有利于提升纯电动汽车的动力性，经济性。

Description

基于电池健康状态和荷电状态的电池组主动均衡方法

技术领域

本发明涉及电池电量估计领域，具体涉及一种基于电池健康状态和荷电状态的电池组主动均衡方法。

背景技术

由于制造和使用环境等原因，组成电池组的容量、电压不一致是客观存在的，使得电池组中单体电池不能同步充放电，若不能对不一致性进行有效的均衡，将影响动力电池的寿命和输出功率，进而导致纯电动汽车的动力不足，经济性能下降。

针对电池组不一致性均衡方法的研究主要分为两类，一类是通过串联电阻将剩余电量高的电池电量耗散的被动均衡；另一类则是通过能量在电池组内部转移的主动均衡。无论是被动均衡还是主动均衡，都需要准确地获取电池的实际剩余电量，目前应用最多的是用荷电状态(SOC)表示电池的剩余电量，但SOC要准确表示各个电池剩余电量的前提是假定各个单体电池在使用过程中实际容量相同，未考虑到电池老化引起的电池实际容量的变化。因此，有必要引入反映电池老化的SOH到电池组的均衡中，电池的SOH是电池的实际容量比上额定容量，由于各个单体电池的额定容量相同，因此可用电池健康状态(SOH)反映各个单体电池的实际容量，再结合电池的荷电状态，能够更加精确的计算出单体电池的剩余电量。

发明内容

本发明的目的在于提高现有的电池剩余电量估计方法的精度，并在此种电池剩余电量估计方法的基础上，提供了一种基于电池健康状态和荷电状态的电池组主动均衡方法，所述方法以SOH*SOC为均衡系数(Equal Coefficient)估算电池老化后的剩余容量，以各个单体电池的均衡系数作为均衡指标，使得均衡后的均衡系数即各个电池剩余电量的差异达到设定的阈值，克服了以SOC估计电池剩余电量在电池老化后精度低的问题。

本发明的目的可以通过如下技术方案实现：

一种基于电池健康状态和荷电状态的电池组主动均衡方法，所述方法首先获取电池组中各个单体电池的SOH和SOC，并以各个单体电池的SOH*SOC作为均衡系数，设计能量直接转移型主动均衡电路，将均衡系数作为初始条件输入到主动均衡电路中的均衡电路控制模块，均衡电路控制模块根据预先写入的程序控制电路通路的闭合，形成相应的能量转移通道直至各个单体电池的剩余电量的差异达到设定的阈值。

进一步地，所述各个单体电池的SOH获取方法如下：实时监测电池组中各个单体电池的前N次充放电电压、电流、温度以及对应的电池容量并存入dataset库中，由于记录的前N次充放电电压、电流、温度以及对应的电池容量的数据量过大，为减少运算量和降低数据读取误差，对数据进行预处理：按顺序取每十组数据为一单位并编号，每单位数据中的充放电电压、电流、温度以及电池容量在去除最大值和最小值后取均值，预处理输出的每单位序号作为充放电循环次数，对应的数据均值作为该循环电池的充放电电压、电流、温度和容量；将电池容量预测的起始循环点设为N，选择电池容量预测的模型C＝f(V,I,T)，其中C代表电池容量，V代表冲放电电压，I代表充放电电流，T代表环境温度，确定模型参数数目，根据预处理的第一组数据，初始化模型参数，以充放电电压、电流、温度数据为输入，电池容量数据为输出训练支持向量机SVM更新模型参数，将更新后的参数代入模型，预测电池容量，直至最终预估的电池容量在误差范围内，训练结束；通过监测电池冲放电过程的电压、电流、温度，将其导入支持向量机回归训练后的C＝f(V,I,T)模型，实时得到电池在一次充放电循环后的容量；将预估的电池容量比上电池额定容量得到各个单体电池的SOH，并将其作为结果输出。

进一步地，所述各个单体电池的SOC获取方法如下：将电池组中各个单体电池以初始SOC值0.1，0.2，0.3…1.0进行多次放电实验，记录各个单体电池在不同初始SOC值下的放电电压，再将相同初始SOC值多次实验得到的放电电压取均值，最后获得电池在一组初始SOC值0.1，0.2，03…1.0对应放电电压的表格；最后使用matlab或cftool拟合所得的表格数据，得到一条放电电压-荷电状态关系曲线；通过监测电池电压再结合拟合曲线实时得到各个单体电池的SOC，并将其作为结果输出。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明提供的基于电池健康状态和荷电状态的电池组主动均衡方法，引入各个单体电池的SOH*SOC作为均衡系数，在电池发生老化后表示电池组各个单体电池剩余电荷量的百分比，其精度较SOC表示的各个单体电池剩余电荷量的百分比的精度更高。

2、本发明提供的基于电池健康状态和荷电状态的电池组主动均衡方法，以SOH*SOC均衡系数作为均衡电路的均衡指标，均衡后各个单体电池的剩余电荷量更加接近，均衡效果更好，且所述方法提出的能量直接转移型均衡电路，可实现从剩余电量高的电池直接向剩余电量低的电池转移，均衡时间短，能有效降低电池组的不一致性对动力电池功率，寿命的负面影响，有利于提升纯电动汽车的动力性，经济性。

附图说明

图1为本发明实施例中放电电压-荷电状态关系曲线图。

图2为本发明实施例基于电池健康状态和荷电状态的电池组主动均衡方法流程图。

图3为本发明实施例中以4个单体电池串联的电池组为例的均衡方案仿真电路图。

图4为本发明实施例中均衡方案仿真电路的控制模块图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例：

本实施例提供了一种基于电池健康状态和荷电状态的电池组主动均衡方法，所述方法的流程图如图2所示，首先获取电池组中各个单体电池的SOH和SOC，并以各个单体电池的SOH*SOC作为均衡系数，设计能量直接转移型主动均衡电路，将均衡系数作为初始条件输入到主动均衡电路中的均衡电路控制模块，均衡电路控制模块根据预先写入的程序控制电路通路的闭合，形成相应的能量转移通道直至各个单体电池的剩余电量的差异达到设定的阈值。

具体地，所述各个单体电池的SOH获取方法如下：实时监测电池组中各个单体电池的前N次充放电电压、电流、温度以及对应的电池容量并存入dataset库中，由于记录的前N次充放电电压、电流、温度以及对应的电池容量的数据量过大，为减少运算量和降低数据读取误差，对数据进行预处理：按顺序取每十组数据为一单位并编号，每单位数据中的充放电电压、电流、温度以及电池容量在去除最大值和最小值后取均值，预处理输出的每单位序号作为充放电循环次数，对应的数据均值作为该循环电池的充放电电压、电流、温度和容量；将电池容量预测的起始循环点设为N，选择电池容量预测的模型C＝f(V,I,T)，其中C代表电池容量，V代表冲放电电压，I代表充放电电流，T代表环境温度，确定模型参数数目，根据预处理的第一组数据，初始化模型参数，以充放电电压、电流、温度数据为输入，电池容量数据为输出训练支持向量机SVM更新模型参数，将更新后的参数代入模型，预测电池容量，直至最终预估的电池容量在误差范围内，训练结束；通过监测电池冲放电过程的电压、电流、温度，将其导入支持向量机回归训练后的C＝f(V,I,T)模型，实时得到电池在一次充放电循环后的容量；将预估的电池容量比上电池额定容量得到各个单体电池的SOH，并将其作为结果输出。

所述各个单体电池的SOC获取方法如下：将电池组中各个单体电池以初始SOC值0.1，0.2，0.3…1.0进行多次放电实验，记录各个单体电池在不同初始SOC值下的放电电压，再将相同初始SOC值多次实验得到的放电电压取均值，最后获得电池在一组初始SOC值0.1，0.2，03…1.0对应放电电压的表格；最后使用matlab或cftool拟合所得的表格数据，得到一条放电电压-荷电状态关系曲线；通过监测电池电压再结合拟合曲线实时得到各个单体电池的SOC，并将其作为结果输出。

选用4个单体磷酸铁锂离子动力电池串联而成的电池组为均衡对象，对所述方法进行详细说明：

Step1：记录单体磷酸铁锂离子动力电池1500次充放电电压、电流、温度以及对应的电池容量并存入dataset库中，数据预处理(按顺序取每十组数据为一单位并编号，每单位数据中的充放电电压、电流、温度以及电池容量在去除最大值和最小值后取均值，预处理输出的每单位序号作为充放电循环次数，对应的数据均值作为该循环电池的充放电电压、电流、温度和容量)，设置电池容量的预测起始循环N＝1500，选择电池容量预测的模型C＝f(V,I,T)，其中C代表电池容量，V代表冲放电电压，I代表充放电电流，T代表环境温度，确定模型参数数目，根据预处理的第一组数据，初始化模型参数，以充放电电压、电流、温度数据为输入，电池容量数据为输出训练支持向量机(SVM)更新模型参数，将更新后的参数代入模型，预测电池容量，直至最终预估的电池容量在误差范围内，训练结束。实时测量电池冲放电过程的电压，电流，温度数据，并导入支持向量机训练后的C＝f(V,I,T)模型，实时得到电池在一次充放电循环后的容量；将预估的电池容量比上电池额定容量得到SOH，输入到均衡电路控制模块。

Step2：将一组磷酸铁锂离子动力电池组的各个单体电池以初始SOC值0.1，0.2，0.3…1.0进行放电实验，记录各个单体电池在不同初始SOC值的放电电压，再将相同初始SOC值电池多次放电电压取均值，得到电池在初始SOC值0.1，0.2，0.3…1.0对应的放电电压值表格；最后使用matlab/cftool拟合实验数据，得到一条放电电压-荷电状态(SOC)关系曲线(如图1所示)；通过监测电池电压再结合拟合曲线可实时得到电池SOC，并将其作为结果输入到均衡电路控制模块。

Step3：根据Step1和Step2获取的4个单体电池B1,B2,B3,B4的SOH值与SOC值，得到每个电池的均衡系数SOH*SOC值，以及实时测量的电池电压值。如图3、图4所示，将得到的每个电池的均衡系数值输入到控制单元CU1，每个电池电压值输入到控制单元CU2，控制单元CU2比较各个单体电池电压值，当存在某两个及以上电池的电压差达到***设定的阈值(如图3所示，本方案中压差阈值设为0.001)，CU2输出一个低电平信号g，三个门极信号输入为g的MOS管断开，串联电池组的4个单体电池断开连接，电池组均衡电路开始工作，控制单元CU1根据4个电池的均衡系数值，按照预先写入的程序，通过输出信号g1,g2,g3,g4,g5,g6的电平高低，控制均衡电路中MOS的通断，选择能量转移的最佳路径，控制能量转移的通道。例如：当4个单体电池的均衡系数从大到小排序为B1,B3,B2,B4时，控制单元CU2输出g1,g2高电平信号，,g3,g4低电平信号，g5,g6高电平信号。此时g1,g2控制的MOS管关闭，电路导通，g3,g4控制的MOS管断开，电路断开，g5,g6控制的MOS管关闭，电路导通，此时电池B1通过电路给电池B2充电，电池B3通过电路给电池B4充电，当各个电池的均衡系数接近时，此时各个电池的电压也会接近(电池电压随电池容量的增加会相应增长)，当电池电压差达到阈值，均衡控制模块终止均衡，此时电池组各个单体电池的均衡系数差值达到目标值，均衡终止。

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明专利构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (3)

1.一种基于电池健康状态和荷电状态的电池组主动均衡方法，其特征在于，所述方法首先获取电池组中各个单体电池的SOH和SOC，并以各个单体电池的SOH*SOC作为均衡系数，设计能量直接转移型主动均衡电路，将均衡系数作为初始条件输入到主动均衡电路中的均衡电路控制模块，均衡电路控制模块根据预先写入的程序控制电路通路的闭合，形成相应的能量转移通道直至各个单体电池的剩余电量的差异达到设定的阈值；

其中，所述各个单体电池的SOH获取方法如下：实时监测电池组中各个单体电池的前N次充放电电压、电流、温度以及对应的电池容量并存入dataset库中，由于记录的前N次充放电电压、电流、温度以及对应的电池容量的数据量过大，为减少运算量和降低数据读取误差，对数据进行预处理；将电池容量预测的起始循环点设为N，选择电池容量预测的模型C＝f(V,I,T)，其中C代表电池容量，V代表充 放电电压，I代表充放电电流，T代表环境温度，确定模型参数数目，根据预处理的第一组数据，初始化模型参数，以充放电电压、电流、温度数据为输入，电池容量数据为输出训练支持向量机SVM更新模型参数，将更新后的参数代入模型，预测电池容量，直至最终预估的电池容量在误差范围内，训练结束；通过监测电池冲放电过程的电压、电流、温度，将其导入支持向量机回归训练后的C＝f(V,I,T)模型，实时得到电池在一次充放电循环后的容量；将预估的电池容量比上电池额定容量得到各个单体电池的SOH，并将其作为结果输出。

2.根据权利要求1所述的一种基于电池健康状态和荷电状态的电池组主动均衡方法，其特征在于：对数据进行预处理，具体为：按顺序取每十组数据为一单位并编号，每单位数据中的充放电电压、电流、温度以及电池容量在去除最大值和最小值后取均值，预处理输出的每单位序号作为充放电循环次数，对应的数据均值作为该循环电池的充放电电压、电流、温度和容量。

3.根据权利要求1所述的一种基于电池健康状态和荷电状态的电池组主动均衡方法，其特征在于：所述各个单体电池的SOC获取方法如下：将电池组中各个单体电池以初始SOC值0.1，0.2，0.3…1.0进行多次放电实验，记录各个单体电池在不同初始SOC值下的放电电压，再将相同初始SOC值多次实验得到的放电电压取均值，最后获得电池在一组初始SOC值0.1，0.2，03…1.0对应放电电压的表格；最后使用matlab或cftool拟合所得的表格数据，得到一条放电电压-荷电状态关系曲线；通过监测电池电压再结合拟合曲线实时得到各个单体电池的SOC，并将其作为结果输出。

Images