CN111679199B

CN111679199B - 一种锂离子电池soc估计方法及装置

Info

Publication number: CN111679199B
Application number: CN202010438210.4A
Authority: CN
Inventors: 陈峥; 舒星; 申江卫; 颜文胜
Original assignee: Kunming University of Science and Technology
Current assignee: Kunming University of Science and Technology
Priority date: 2020-05-21
Filing date: 2020-05-21
Publication date: 2021-11-19
Anticipated expiration: 2040-05-21
Also published as: CN111679199A

Abstract

本发明适用于锂离子电池技术领域，提供了一种提高锂离子电池SOC估计精度的方法及装置，方法包括：获取锂离子电池k时刻工作状态，当锂离子电池在充电状态时，通过获取特征参数计算得到电池最大放电容量。当锂离子电池转为放电状态后，获取锂离子电池工作过程中的电流、电压并进行在线辨识，获取此时刻锂离子电池的辨识参数，对k时刻锂离子电池的端电压、电流、辨识参数和获取的最大放电容量进行计算，获取k时刻锂离子电池的SOC。本发明能够在环境温度变化和电池老化之后对锂离子电池的剩余电量进行精确估计，提高了对锂离子电池剩余电量估计的效率和准确率，抗干扰能力强。

Description

一种锂离子电池SOC估计方法及装置

技术领域

本发明属于锂离子电池技术领域，尤其涉及一种锂离子电池SOC估计方法及装置。

背景技术

目前，电池的剩余电量估计方法通常是采用安时积分法和开路电压法进行计算，这种方法会受到初始SOC和电流采集误差的影响导致估计不准确，并且随着电池老化和电池温度变化，估计误差会逐渐增大，精度难以保证。

为减小电流采样误差带来的SOC估计误差，研究人员开发出基于电池模型的估计算法，这种算法能够有效降低电流噪声带来的影响，但是需要依赖模型参数的辨识精度，当温度变化和电池老化后，模型参数变化较大，无法得到理想的估计精度。

发明内容

有鉴于此，本发明实施例提供了一种锂离子电池的SOC估计方法及装置，以解决现有技术中存在的问题。

本发明实施例的第一方面提供了一种锂离子电池SOC估计方法，包括：

步骤1：根据电池运行电流电压，运行改进带遗忘因子的最小二乘法实时获取所述锂离子电池的欧姆内阻、极化内阻及开路电压；

步骤2：对充电电压数据及容量值序列进行预处理，得出特定电压范围充电时间(t)作为步骤3的参数；

步骤3：运行最小二乘支持向量机(LS-SVM)方法寻找关联关系，对步骤2中的容量值序列以及特定电压范围充电时间(t)进行训练，得到训练完成的老化模型；

步骤4：通过电池管理***获取正常寿命中的充电数据，进行数据处理进而得到特定电压范围充电时间序列(T)；

步骤5：将步骤4中的特定电压范围充电时间序列(T)输入到步骤3中的老化模型进行预测，得到目标电池容量值；

步骤6：根据步骤1中已获取的欧姆内阻、极化内阻、极化电容及开路电压及步骤5中获取的容量值，采用自适应H无穷滤波算法，实时计算得到所述锂离子电池的SOC。

作为优选，步骤1中，所述根据改进的带遗忘因子的最小二乘算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压，包括：

读取所述锂离子电池的端电压，充放电电流；

建立锂离子电池的一阶等效电路模型；

基于所述锂离子电池的一阶等效电路模型根据改进的带遗忘因子的最小二乘算法对所述电流、端电压进行计算，实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压。

作为优选，步骤2中，所述不同循环寿命下的充电电压数据及容量值序列。

作为优选，步骤2中，所述不同循环寿命下的充电电压数据及容量值序列进行预处理方法，是记录电池在不同老化情况下从电压阈值1充电至电压阈值2的充电时间，得到特定电压范围充电时间序列(T)。

作为优选，步骤3中，老化模型输入为单次循环特定电压范围充电时间(t)，输出为当前电池容量值。

作为优选，所述根据自适应H无穷滤波算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、开路电压、容量、电流及端电压及进行计算，实时获取所述锂离子电池的SOC，包括：

基于所述锂离子电池的一阶等效电路模型根据自适应H无穷滤波算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、开路电压、容量、电流及端电压及进行计算，实时获取所述锂离子电池的SOC。

本发明实施例的第二方面提供了一种锂离子电池SOC估计装置，包括：

电流电压实时获取模块，用于实时获取锂离子电池电流、电压；

参数计算模块，用于对所述锂离子电池的一阶等效电路模型和所述k时刻采集得到的锂离子电池电流、电压进行计算，获取锂离子电池的辨识参数；其中，所述辨识参数包括欧姆电阻、极化电阻、极化电容和开路电压；

特定电压范围充电时间获取模块，用于获取锂离子电池对应的特定电压范围充电时间；

容量值计算模块，用于根据训练的老化模型和当前特定电压范围充电时间获取对应的容量值；

SOC计算模型，用于对当前时刻锂离子电池的开路电压、端电压、电流、辨识参数和最大放电容量进行计算，获取当前时刻锂离子电池的SOC。

与现有技术相比，本发明具有以下优点：

1、本发明针对电池SOC估计不精确的问题，以锂离子电池为研究对象，采用改进的带遗忘因子的最小二乘法对电池参数进行在线辨识，避免了温度、老化和电流对电池参数的影响，提高了模型精度。

2、本发明为解决电池老化导致容量下降，进而导致SOC估计不准的问题，提出了最小二乘支持向量机方法估计电池容量，再将电池容量反馈到SOC估计模块中，有效避免了电池容量衰减带来的SOC估计误差。

3、本发明采用自适应H无穷滤波算法对电池SOC进行估计，有效降低了模型参数对SOC误差的影响，同时不依赖电流采样误差，进一步提高了SOC估计精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施的流程示意图；

图2是本发明实施的电池的一阶等效电路模型示意图；

图3是本发明实施的终端设备的示意图；

图4是本发明实施的第二预设算法获取电池最大放电容量的示意图；

图5是本发明实施的第三预设算法获取电池SOC的示意图；

图6是本发明实施的锂离子电池SOC估计装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本发明一部分的实施例，而不是全部的实施例。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，都应当属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或***、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

如图1所示，本实施例提供一种锂离子电池SOC估计方法，该方法可以应用于如电动汽车电池管理***等终端设备。本实施例所提供的锂离子电池的SOC估计方法，包括：

S101、根据第一预设算法实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压。

在具体应用中，实时获取锂离子电池的充放电电流、端电压，通过第一预设算法对锂离子电池的充放电电流和端电压进行计算，获取锂离子电池的欧姆电阻、极化电阻、极化电容和开路电压。其中，第一预设算法为基于改进的带遗忘因子的最小二乘法的参数辨识算法。

S102、根据第二预设算法实时获取所述锂离子电池的最大放电容量。

在具体应用中，实时获取锂离子电池特定电压范围充电时间，根据第二预设算法对锂离子电池特定电压范围充电时间进行计算，获取锂离子电池的最大放电容量。其中第二预设算法包括但不限于基于最小二乘支持向量机算法。

S103、根据第三预设算法对所述锂离子电池的充放电电流、端电压、欧姆内阻、极化内阻、极化电容及最大放电容量进行计算，实时获取所述锂离子电池的SOC。

在具体应用中，根据第三预设算法对锂离子电池的充放电电流、端电压、欧姆内阻、极化内阻、极化电容及最大放电容量进行计算，实时获取锂离子电池的SOC。其中，第三预设算法包括但不限于基于自适应H无穷滤波算法

本实施例通过实验获取电池在不同循环寿命时不同最大放电容量对应的充电时间，并通过基于最小二乘支持向量机算法建立充电时间与最大放电容量模型，实时更新锂离子电池最大放电容量。同时通过基于带遗忘因子的最小二乘算法实时更新锂离子电池内部辨识参数(即开路电压、内阻、极化电阻、极化电容)，然后通过更新的辨识参数和最大放电容量采用自适应扩H无穷滤波算法实时计算锂离子电池的剩余电量，提高了对锂离子电池进行SOC估计的精度。

实施例二

如图2所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤S101，包括：

S1011、读取所述锂离子电池的端电压。

S1012、建立锂离子电池的一阶等效电路模型。

在具体应用中，锂离子电池包中任一单体电池的一阶等效电路模型如图3所示。其中，E为端电压，V_OCV为开路电压，R₀为欧姆内阻，R₁C₁用于描述电池充放电时的极化特性，极化电阻R₁两端的电压为V₁，I为充放电电流。R₀、R₁、C₁为待辨识参数。根据电路原理，令τ＝R₁C₁，则锂离子电池的电气特性可以描述为：

E＝V_oc(s,T)-V₁-R₀I_t+v

对上式进行离散化后，可得：

进一步得到：

通过消去V_1,k，得到

S1013、基于所述锂离子电池的一阶等效电路模型根据第一预设算法对所述端电压进行计算，实时获取所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压；其中，第一预设算法为基于遗忘因子的最小二乘法的参数辨识算法。

在具体应用中，基于最小二乘法的参数辨识算法的一阶RC模型的差分方程为：

E_k＝a₁V_OCV,k+a₂E_k-1+a₃I_k+a₄I_k-1；

a_i为模型参数相关的系数，进一步得到：

Φ_k为***数据矩阵，θ_k为参数矩阵，y_k为***输出，其中：

因此，一阶等效电路模型中各个参数可由下式计算得到：

带遗忘因子的递推最小二乘法计算流程如下：

其中，λ为遗忘因子，K_FF-RLS，k为算法增益，P_FF-RLS,k-1状态估计值的误差协方差矩阵；

值得注意的是，带遗忘因子的最小二乘法虽然可以在快速电流激励条件下识别电池参数，但在不改变或微小变化的电流激励条件下，仍然面临精确识别参数的挑战。但在实际应用中，长时间的静止和恒流充电是不可避免的。因此，当前配置文件应该更加多样化，以充分触发电池的极端性能。为此，本发明专利设计了额外的迭代过程来解决这一问题。在小电流或CC情况下，带遗忘因子的最小二乘法暂时终止，通过历史模型参数的加权平均得到新的参数。迭代过程设计为:

根据上式即可辨识获取锂离子电池的欧姆内阻、极化内阻、极化电容和开路电压。

本实施例通过基于锂离子电池的一阶等效电路模型根据第一预设算法对端电压进行计算，实时获取锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压，保证了数据的真实性和及时性，进一步提高了对锂离子电池进行SOC估计的精度。

实施例三

如图4所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤S102，包括：

S1021、对达到使用寿命的锂离子电池的历史充放电数据进行分析。数据来源于实验室充放电测试，测试过程采用恒流恒压将电池充满电，静置1小时以上，然后恒流放电至电池截止电压，再静置1小时以上，循环以上过程，记录实验电流、电压及放电容量。

根据不同循环寿命下的充电数据，提取不同循环寿命下从电压阈值V1到电压阈值V2的充电时间t作为最小二乘支持向量机输入，各循环寿命下最大放电容量作为最小二乘支持向量机输出，输出训练老化模型，其最小二乘支持向量机过程如下：

对于以下方程：

式中，ξ＝[ξ₁ ξ₂ … ξ_l]为偏移向量，C为权值，可识别出最优超平面。此外，还应满足以下约束条件：

定义如下拉格朗日函数，求解函数的最大条件，使其最小化。

其中α_i为拉格朗日乘子。优化条件可以总结为：

由此可得：

通过求解上式可得：

式中，K(x,x_i)为核函数，本发明专利中采用径向基核函数对模型进行求解，其表达式为：

根据未寿命终止电池在使用中，对从电压阈值V1到电压阈值V2的充电时间t进行整合，输入到老化中进行估计，得到目标估计参数电池最大放电容量。

当参与训练的电池历史数据越多，得到的电池最大放电容量估计值越精确。

实施例四

如图5所示，本实施例是对实施例一中的方法步骤的进一步说明。在本实施例中，步骤S104，包括：

S1041、基于所述锂离子电池一阶等效电流模型，根据第一预设算法辨识得到的欧姆电阻、极化内阻、极化电容及开路电压，根据第二预设算法估计的电池容量，利用第三预设算法获取k时刻锂离子电池的剩余电量；其中，所述第三预设算法为基于自适应H无穷滤波算法。

在具体应用中，基于所述锂离子电池一阶等效电流模型，根据第一预设算法辨识得到的欧姆电阻、极化内阻、极化电容及开路电压，根据第二预设算法估计的电池容量，利用第三预设算法获取k时刻锂离子电池的剩余电量；其中，所述第三预设算法为基于自适应H无穷滤波算法。

基于自适应H无穷滤波的参数辨识过程，如下所示：

其中：

设定滤波相关初始值，包括t＝0时刻的状态向量

状态估计误差协方差P⁺ _h,0、***噪声和量测噪声协方差矩阵的初始值Q_h,0和R_h,0以及对称正定矩阵S_h,0,λ_h,0。

状态先验估计：

误差协方差的先验估计：

对称正定矩阵更新：

信息更新：

自适应测量噪声矩阵：

更新H无穷增益：

自适应过程噪声矩阵更新：

更新状态量：

更新协方差矩阵：

通过上述步骤可动态估计k时刻锂离子电池剩余电量。

本实施例通过对当前时刻锂离子电池的开路电压、欧姆电阻、极化内阻、极化电容、电池容量通过自适应H无穷滤波算法估计电池剩余电量，提高了在电池温度变化及电池老化后对锂离子电池的剩余电量进行估计的准确率。

实施例五

如图6所示，本实施例提供一种锂离子电池SOC估计装置100，用于执行实施例一中的方法步骤。本实施例提供的锂离子电池SOC估计装置装置100，包括：

电流电压实时获取模块101，用于实时获取锂离子电池电流、电压；

参数计算模块102，用于根据第一预设算法实时计算得到所述锂离子电池的欧姆电阻、极化内阻、极化电容及开路电压；其中，所述第一预设算法为基于改进的带遗忘因子的最小二乘算法。

特定电压充电时间获取模块103，用于获取锂离子电池特定电压充电时间；

容量值计算模块104，用于根据第二预设算法获取所述锂离子电池的最大放电容量；其中，所述第二预设算法为基于最小二乘支持向量机算法。

SOC计算模块105，用于基于所述锂离子电池的一阶等效电路模型根据第三预设算法对所述k时刻锂离子电池的电流、端电压、最大放电容量和所述辨识参数进行计算，获取k时刻锂离子电池的SOC；其中，所述第三预设算法为基于自适应H无穷滤波算法。

Claims

1.一种锂离子电池SOC估计的方法，其特征在于，包括以下步骤：

步骤1：根据电池运行时采集得到的电流、端电压，采用改进带遗忘因子的最小二乘算法实时获取所述锂离子电池的欧姆内阻、极化内阻、极化电容及开路电压，包括：

读取所述锂离子电池的端电压，充放电电流；

建立锂离子电池的一阶等效电路模型；

基于所述锂离子电池的一阶等效电路模型和实时采集得到的电流、电压值，根据改进带遗忘因子的最小二乘法实时获取所述锂离子电池的欧姆内阻、极化内阻、极化电容及开路电压；

改进带遗忘因子的最小二乘算法涉及了额外的迭代过程，在小电流或CC恒流充电情况下，带遗忘因子的最小二乘法暂时终止，通过历史模型参数的加权平均得到新的参数；

步骤2：根据锂离子电池不同循环寿命下的充电电压数据及容量值序列，对充电电压数据及容量值序列进行预处理，得出特定电压范围充电时间(t)作为步骤3的参数；其中，对充电电压数据及容量值序列进行预处理的方法，是记录电池在不同老化情况下从电压阈值1充电至电压阈值2的充电时间，得到特定电压范围充电时间序列(T)；

步骤3：运行径向基核函数的最小二乘支持向量机(LS-SVM)方法寻找关联关系，对步骤2中的容量值序列以及特定电压范围充电时间(t)进行训练，得到训练完成的老化模型；

2.如权利要求1所述的锂离子电池SOC估计方法，其特征在于，步骤3中，老化模型输入为单次循环特定电压范围充电时间，输出为当前电池容量值。

3.如权利要求1所述的锂离子电池SOC估计方法，其特征在于，所述根据自适应H无穷滤波算法对所述锂离子电池的欧姆内阻、极化内阻、极化电容、开路电压、容量、电流及端电压及进行计算，实时获取所述锂离子电池的SOC。

4.一种锂离子电池SOC估计的设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述方法的步骤。