CN112305426B - 一种多约束条件下的锂离子电池功率状态估计*** - Google Patents

Abstract

本发明涉及一种多约束条件下的锂离子电池功率状态估计***，应用于具有微控制器以及存储器的锂电池储能设备，该估计***包括微控制器，通过微控制器控制的SOP估算器、电流表和电压表，以及用以存储微控制器所执行程序的存储器，所述SOP估算器根据所述微控制器的控制进行SOP估算，并向所述微控制器发送估算结果，所述SOP估算器依次通过离线模型构建步骤和在线算法实施步骤实现锂离子电池功率状态估计。与现有技术相比，本发明具有实现更高精度的SOP估计，保证锂电池SOC估计值的精确性和可靠性等优点。

Description

一种多约束条件下的锂离子电池功率状态估计***

技术领域

本发明涉及电池管理技术领域，尤其是涉及一种多约束条件下的锂离子电池功率状态估计***。

背景技术

因具有能量密度大、输出功率高、充放电寿命长等优点，锂离子电池已广泛应用于消费类电子、电动汽车、储能电站等领域。锂离子电池状态包括荷电状态(SOC，State ofCharge)、健康状态(SOH，State of Health)及功率状态(SOP，State of Power)。功率状态是锂离子电池***实施功率分配的必要参数，对于保障***高效、安全运行至关重要。目前，商用电池管理***大多缺乏SOP估算功能。为解决该问题，有研究提出考虑电流、电压、功率、温度等限制，结合电池等效电路模型，实时进行SOP估计。但由于该方法常存在泰勒展开误差，且缺乏多约束同步处理机制，SOP估计的精度和可靠性难以得到保证。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可实现高精度SOP估计的多约束条件下的锂离子电池功率状态估计***。

本发明的目的可以通过以下技术方案来实现：

一种多约束条件下的锂离子电池功率状态估计***，应用于具有微控制器以及存储器的锂电池储能设备，该估计***包括微控制器，通过微控制器控制的SOP估算器、电流表和电压表，以及用以存储微控制器所执行程序的存储器，所述SOP估算器根据所述微控制器的控制进行SOP估算，并向所述微控制器发送估算结果，所述SOP估算器依次通过离线模型构建步骤和在线算法实施步骤实现锂离子电池功率状态估计。

所述SOP估算器的离线模型构建步骤的具体步骤包括：

1.1)对锂离子电池进行开路电压实验，建立开路电压模型，确定开路电压与SOC的函数关系，确定开路电压；具体地：

111)以恒流恒压方式对锂离子电池充电至截止电压，并静置一定时间；

112)以1C倍率电流对电池持续放电至特定SOC后，静置1小时；放电电流定义为正值，充电电流定义为负值，整个过程中，锂离子电池的端电压及负载电流均以1Hz采样频率同步采集。

113)根据各静置点的SOC及其所对应的开路电压测量值，建立开路电压与SOC的函数关系，确定开路电压。

1.2)对锂离子电池进行峰值功率测试特性测试，并基于所测电压响应曲线数据建立等效电路模型，通过识别等效电路模型各参数，完成离线模型构建。

所述峰值功率测试特性测试对锂离子电池先充电至满充状态，随后以1C倍率放电至特定SOC，再以简化的DST工况进行充放电，最后分别以多次先正后负的倍率依次进行脉冲充放，每个脉冲电流持续10s，按此操作不断重复，直至到达放电截止电压。

所述等效电路模型包括开路电压，欧姆内阻以及一阶或多阶RC网络，所述开路电压根据步骤1.1)获取，所述一阶或多阶RC网络包括极化电阻和等效电容。

所述SOP估算器的在线算法实施步骤的具体步骤包括：

2.1)基于SOP的定义，在充放电过程中，对任意k时刻的电池峰值功率加以电流、电压、SOC、峰值功率的多参数约束限制，结合多参数约束限制以及等效电路模型，将放电SOP估计问题和充电SOP估计问题分别转化为寻找未来一段时间窗口L内可持续峰值功率的多约束非线性优化问题；

电流、电压、SOC、峰值功率的多参数约束限制的具体内容为：

式中，V_b,min和V_b,max分别为锂离子电池端电压设计的上、下限，I_min和I_max分别为锂离子电池设计电流的上、下限，SOC_min和SOC_max分别为SOC设计上、下限，P_min和P_max分别为锂离子电池可持续功率峰值设计上、下限。

SOP的放电估计转化为寻找未来一段时间窗口L内可持续放电峰值功率的多约束非线性优化的具体内容为：

对于放电过程，电流约束为不超过最大允许放电电流，端电压约束为介于放电截止电压和充电截止电压之间，SOC约束为放电截止SOC不大于1，峰值功率约束为不超过最大允许放电功率。

SOP的充电估计转化为寻找未来一段时间窗口L内可持续充电峰值功率的多约束非线性优化的具体内容为：

对于充电过程，电流约束为不小于最大允许放电电流，端电压约束为介于放电截止电压和充电截止电压之间，SOC约束为充电截止SOC大于0，峰值功率约束为不小于最大允许放电功率。

2.2)根据检测电压和电流，在时间区间[k,k+L]内对多约束非线性优化问题进行求解，获取任意k时刻的放电SOP和充电SOP。

相较于现有技术，本发明以等效电路模型为基础，采用多约束优化算法，同步考虑最大允许充/放电流、最大允许充/放电压、充/放电截止SOC及最大允许充/放电功率等多个约束，可同时处理多个约束，且避免等效电路模型简化中的泰勒展开误差，可实现更高精度的SOP估计，从而保证锂电池SOC估计值的精确性和可靠性，最终提升电池管理***整体性能。

附图说明

图1为实施例中多约束条件下的锂离子电池功率状态估计***的结构示意图；

图中标号所示：

100、微控制器，102、存储器，104、电流和电压表，106、SOP估算器；

图2为实施例中多约束条件下的锂离子电池功率状态估计***的原理图；

图3为实施例中电流激励和电压响应波形图；

图4为实施例中锂离子电池的等效电路模型图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

实施例

本发明涉及一种多约束条件下的锂离子电池功率状态估计***，应用于具有微控制器以及存储器的锂电池储能设备，该估计***的结构如图1所示，包括微控制器100、存储器102、电流和电压表104和SOP估算器106。

微控制器100用于总体上控制SOP估算器106、电流和电压表104。存储器102用于存储微控制器100所执行程序。电流和电压表104根据微控制器100的控制来测量锂离子电池的电流和电压。SOP估算器106根据微控制器100的控制估算SOP，以及向微控制器100提供估算结果。SOP估算器106的建立包括离线模型构建和在线实施。

其中，SOP估算器的离线模型构建包括以下两个步骤：

步骤S11：对锂离子电池进行开路电压实验，建立开路电压模型。

本实施例以三元体系的锂离子电池为例，该三元体系电池的容量为16Ah。先以恒流恒压方式将电池充电至截止电压，并静置一定时间，静置的时间根据实验要求确认，通常可采用1小时；再以1C倍率电流对电池持续放电至特定SOC后，静置1小时，特定SOC可根据需要自行定义，通常可采用每间隔10％SOC。其中，放电电流定义为正值，充电电流定义为负值。整个过程中，电池端电压及负载电流均以1Hz采样频率同步采集，可满足测试要求。根据各静置点的SOC及其所对应的开路电压测量值，建立开路电压与SOC的函数关系，各静置点的SOC可自行定义，通常可采用每间隔10％SOC。本实施例中采用12阶多项式形式表示开路电压VOC与SOC的函数关系：

式中，所需辨识的参数为多项式系数β_1j，所需SOC根据电流积分法计算：

式中，SOC(0)为电池初始SOC值，C为电池容量，I为负载电流。结合关系式(1)和(2)，采用最小二乘法对β_1j进行参数辨识，确定开路电压与SOC的函数关系；采用最小二乘法对β_1j进行参数辨识为现有技术，在此不过多赘述。

步骤S12：对锂离子电池进行峰值功率测试特性测试，并基于所测数据建立等效电路模型。峰值功率测试特性测试如图3所示。对电池先充电至满充状态。之后，先以1C倍率放电至特定SOC，再以简化的DST工况进行充放电，最后分别以3C、-1C、5C、-2C、6C、-3C、7C、-4C倍率依次进行脉冲充放，每个脉冲电流持续10s。

不断重复以上步骤，直至到达放电截止电压。在高、中SOC区域，最大脉冲放电倍率为7C；在低SOC区域，受制于放电截止电压，最大脉冲放电倍率减小至5C。所得功率测试曲线SOC区间为[100％，3％]。所设充电截止电压为3.8V，放电截止电压为2.7V。

等效电路模型包括三部分：开路电压VOC，欧姆内阻R₀以及一阶或多阶RC网络，其中RC网络由极化电阻R₁和等效电容C₁组成，开路电压VOC由步骤S11确定。本实施例中采用一阶等效电路模型，如图4所示，其中V_b为电池电压，I为负载电流。该等效电路模型符合以下电压电流关系：

V_b＝VOC＝V₁-IR₀ (4)

对于一个采样周期Δt内，关系式(3)和(4)的离散化形式可表示为：

V_b,k＝V_OC(SOC_k)-V_1,k-I_kR_0,k (6)

其中，对于k时刻，电池电压为V_b,k，欧姆内阻为R_0,k，极化电阻为R_1,k，等效电容为C_1,k，极化电压为为V_1,k，时间常数τ_k＝R_kC_k。在本实施例中，Δt为1s。

在本实施例中，式(5)和(6)中电路参数R₀、R₁和C₁为SOC和电流I的函数，采用6阶多项式形式表示：

其中，所需辨识参数为多项式系数β_2i、β_3i、β_4i、β_5i、β_6i及β_7i。在辨识过程中，基于式(5)和(6)，采用最小二乘法对图3中的电压响应曲线进行拟合，获得β_2i、β_3i、β_4i、β_5i、β_6i及β_7i。至此，离线模型构建完成。

SOC估算器的在线实施包括以下两个步骤：

步骤S21：根据SOP的定义，充放电过程中，任意t时刻峰值功率_t,peak可定义为式(10)。其中，由于充电电流定义为负值，充电峰值功率表示为最小充电功率：

从优化策略角度出发，对于当前时刻k，SOP估计问题转可转化为寻找未来一段时间窗口L内可持续峰值功率的优化问题，优化目标可表示为式(11)：

当时间窗口很短时，电流可认为不变，表示为I_k+L。此时，受到欧姆压降和极化作用，放电过程中，电池端电压在窗口区间内持续下降，最小功率出现在末端时刻，表示为P_k+L；充电过程中，电池端电压在窗口区间内持续上升，窗口区间内最大功率出现在初始时刻，表示为P_k。相应地，电池峰值功率优化目标可转化为式(12)：

为保证电池运行安全，减缓电池老化速度，需对峰值功率加以电流、电压、SOC等限制。因此，在实施峰值功率估计时，需同时考虑以下多个约束：

其中，V_b,min和V_b,max为端电压设计上、下限，I_min和I_max为设计电流上、下限，SOC_min和SOC_max为SOC设计上、下限，P_min和P_max为电池可持续峰值设计上、下限。对于充电和放电过程，各参数上下限分别由厂家预先设置。

此时，结合等效电路模型及多参数约束，SOP估计问题可转化为时间窗口L内的多约束非线性优化问题。放电SOP估计问题可表示为多约束非线性优化问题P(1)，充电SOP估计问题可表示为多约束非线性优化问题P(2)：

放电过程：

s.t.P_k+L＝I_k+L V_b,k+L

式(1)，(2)，(5)-(9)，(13)

充电过程：

s.t.P_k+L＝I_k+L V_b,k+L

式(1)，(2)，(5)-(9)，(13)

其中，对于放电过程，电流约束为最大允许放电电流

端电压约束为放电截止电压

和充电截止电压

SOC约束为放电截止SOC，表示为

且不大于1，峰值功率约束为最大允许放电功率

对于充电过程，电流约束为最大允许放电电流

端电压约束为放电截止电压

和充电截止电压

SOC约束为充电截止SOC，表示为

且大于0，峰值功率约束为最大允许放电功率

步骤S22：根据检测电压和电流，采用本领域常用的适当的非线性优化算法，在时间区间[k,k+L]内对多约束非线性优化问题P(1)和P(2)求解，即可得任意k时刻的放电SOP和充电SOP。

本发明以等效电路模型为基础，采用优化策略，同步考虑最大允许充/放电流、最大允许充/放电压、充/放电截止SOC及最大允许充/放电功率等多个约束，相比于缺乏多约束同步处理机制的估计方法，可实现更高精度的SOP估计。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种多约束条件下的锂离子电池功率状态估计***，应用于具有微控制器以及存储器的锂电池储能设备，其特征在于，该估计***包括微控制器，通过微控制器控制的SOP估算器、电流表和电压表，以及用以存储微控制器所执行程序的存储器，所述SOP估算器根据所述微控制器的控制进行SOP估算，并向所述微控制器发送估算结果，所述SOP估算器依次通过离线模型构建步骤和在线算法实施步骤实现锂离子电池功率状态估计；

所述SOP估算器的在线算法实施步骤的具体步骤包括：

21)基于SOP的定义，在充放电过程中，对任意k时刻的电池峰值功率加以电流、电压、SOC、峰值功率的多参数约束限制，结合多参数约束限制以及等效电路模型，将放电SOP估计问题和充电SOP估计问题分别转化为寻找未来一段时间窗口L内可持续峰值功率的多约束非线性优化问题；

放电过程：

s.t.P_k+L＝I_k+L V_b,k+L

V_n,k＝V_OC(SOC_k)-V_1,k-I_kR_0,k

充电过程：

s.t.P_k+L＝I_k+L V_b,k+L

V_b,k＝V_OC(SOC_k)-V_1,k-I_kR_0,k

其中，对于放电过程，电流约束为最大允许放电电流

端电压约束为放电截止电压

和充电截止电压

SOC约束为放电截止SOC，表示为

且不大于1，峰值功率约束为最大允许放电功率

对于充电过程，电流约束为最大允许放电电流

端电压约束为放电截止电压

和充电截止电压

SOC约束为充电截止SOC，表示为

且大于0，峰值功率约束为最大允许放电功率

VOC为开路电压；β_1j为所需辨识的参数为多项式系数；SOC(0)为电池初始SOC值，C为电池容量，I为负载电流；对于k时刻，电池电压为V_b,k，欧姆内阻为R_0,k，极化电阻为R_1,k，等效电容为C_1,k，极化电压为V_1,k，时间常数τ_k＝R_kC_k；Δt为1s；电路参数R₀、R₁和C₁为SOC和电流I的函数；多项式系数β_2i、β_3i、β_4i、β_5i、β_6i及β_7i为所需辨识参数；V_b,min和V_b,max为端电压设计上、下限，I_min和I_max为设计电流上、下限，SOC_min和SOC_max为SOC设计上、下限，P_min和P_max为电池可持续峰值设计上、下限；

22)根据检测电压和电流，在时间区间[k,k+L]内对多约束非线性优化问题进行求解，获取任意k时刻的放电SOP和充电SOP。

2.根据权利要求1所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，所述SOP估算器的离线模型构建步骤的具体步骤包括：

11)对锂离子电池进行开路电压实验，建立开路电压模型，确定开路电压与SOC的函数关系，确定开路电压；

12)对锂离子电池进行峰值功率测试特性测试，并基于所测电压响应曲线数据建立等效电路模型，通过识别等效电路模型各参数，完成离线模型构建。

3.根据权利要求2所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，步骤11)的具体内容为：

111)以恒流恒压方式对锂离子电池充电至截止电压，并静置一定时间；

112)以1C倍率电流对电池持续放电至特定SOC后，静置1小时；

113)根据各静置点的SOC及其所对应的开路电压测量值，建立开路电压与SOC的函数关系，确定开路电压。

4.根据权利要求3所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，步骤112)中，放电电流定义为正值，充电电流定义为负值，整个过程中，锂离子电池的端电压及负载电流均以1Hz采样频率同步采集。

5.根据权利要求2所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，步骤12)的具体内容为：

对锂离子电池进行峰值功率测试特性测试，并基于所测数据建立等效电路模型，所述峰值功率测试特性测试对锂离子电池先充电至满充状态，随后以1C倍率放电至特定SOC，再以简化的DST工况进行充放电，最后分别以多次先正后负的倍率依次进行脉冲充放，每个脉冲电流持续10s，按此操作不断重复，直至到达放电截止电压。

6.根据权利要求5所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，所述等效电路模型包括开路电压，欧姆内阻以及一阶或多阶RC网络，所述开路电压根据步骤11)获取，所述一阶或多阶RC网络包括极化电阻和等效电容。

7.根据权利要求1所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，电流、电压、SOC、峰值功率的多参数约束限制的具体内容为：

式中，V_b,min和V_b,max分别为锂离子电池端电压设计的上、下限，I_min和I_max分别为锂离子电池设计电流的上、下限，SOC_min和SOC_max分别为SOC设计上、下限，P_min和P_max分别为锂离子电池可持续功率峰值设计上、下限。

8.根据权利要求1所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，SOP的放电估计转化为寻找未来一段时间窗口L内可持续放电峰值功率的多约束非线性优化的具体内容为：

对于放电过程，电流约束为不超过最大允许放电电流，端电压约束为介于放电截止电压和充电截止电压之间，SOC约束为放电截止SOC不大于1，峰值功率约束为不超过最大允许放电功率。

9.根据权利要求1所述的多约束条件下的锂离子电池功率状态估计***，其特征在于，SOP的充电估计转化为寻找未来一段时间窗口L内可持续充电峰值功率的多约束非线性优化的具体内容为：

对于充电过程，电流约束为不小于最大允许放电电流，端电压约束为介于放电截止电压和充电截止电压之间，SOC约束为充电截止SOC大于0，峰值功率约束为不小于最大允许放电功率。

Images