CN112526349B - 基于电池荷电状态与温度联合估计的整车能量管理方法 - Google Patents

基于电池荷电状态与温度联合估计的整车能量管理方法 Download PDF

Info

Publication number
CN112526349B
CN112526349B CN202011377947.6A CN202011377947A CN112526349B CN 112526349 B CN112526349 B CN 112526349B CN 202011377947 A CN202011377947 A CN 202011377947A CN 112526349 B CN112526349 B CN 112526349B
Authority
CN
China
Prior art keywords
battery
temperature
state
time
model
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.)
Active
Application number
CN202011377947.6A
Other languages
English (en)
Other versions
CN112526349A (zh
Inventor
徐向阳
李光远
张辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202011377947.6A priority Critical patent/CN112526349B/zh
Publication of CN112526349A publication Critical patent/CN112526349A/zh
Application granted granted Critical
Publication of CN112526349B publication Critical patent/CN112526349B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G01R31/387—Determining ampere-hour charge capacity or SoC

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提出了一种基于电池荷电状态与温度联合估计的整车能量管理方法，属于电动汽车能量管理技术领域；具体为：首先、针对某个电动汽车的电池，搭建电池生热模型进行简化和离散化，得到对应的状态空间方程；然后，搭建动力电池温度时变的等效电路模型，进行简化和离散化，得到对应的状态空间方程；接着，利用电池温度模型，对电池生热模型进行改写；改写后采用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计；最后，将各时刻得到的电池荷电状态值SOC与电池工作温度T输入电动汽车能量管理***，设计基于规则的方法对电动汽车驱动***与热管理***的用电进行分配管理，本发明算法精度较高，实现更加有效的电动汽车能量进行管理。

Description

基于电池荷电状态与温度联合估计的整车能量管理方法
技术领域
本发明涉及基于电池荷电状态与温度联合估计的整车能量管理方法，属于电动汽车能量管理技术领域。
背景技术
全球电动汽车，尤其是纯电动汽车发展形势一片利好，但目前为止，公交车、出租车和租赁车才是世界上真正投入使用纯电动汽车的领军者，纯私人电动汽车市场还在崛起阶段。
纯电动汽车之所以到目前还没有完全推广的原因是复杂的，但究其最主要的还是纯电动汽车的能量源问题。纯电动汽车能量源效率的不足，使纯电动汽车续驶里程和动力性能成为行业发展的技术短板，构成了纯电动汽车进入大众消费的巨大障碍。
提高能量源效率的方法主要有两种：一是提高电池本体技术，二是提高能量***控制技术。
作为能量管理***被控对象之一的锂离子电池，需要对电池本体进行精确的描述与仿真。尤其是电池的荷电状态与电池的工作温度。荷电状态不能够直接测量，需要进行估计。电池工作温度虽然可以近似使用温度传感器获得，但是过多的温度传感器成本较高且精度较低，而且电池的实际工作温度与温度传感器测量的温度之间存在一定的误差。所以要想合理地进行能量管理，就必须对电池的荷电状态与电池工作温度进行精确的估计。
发明内容
为了满足能量管理***对电池本体进行精确的描述与仿真的要求，本发明提出了基于电池荷电状态与温度联合估计的整车能量管理方法，针对电池进行建模，设计联合估计器估计其荷电状态与温度，进而进行电动汽车能量的优化管理。
具体步骤如下：
步骤一、针对某个电动汽车的电池，搭建电池生热模型，并进行简化。
电池生热模型采用集中质量热模型，能量平衡方程为：
Figure GDA0003198308060000011
其中ρ是电池的密度；Cp是电池的比热容；T为电池温度；I为电池电流；Vbattery是电池的体积；Voc为电池开路电压；V为电池端电压；h为热交换系数；Abattery为电池表面积；T∞是室温；
简化过程为：将短时间内的电流设为恒定值，并将
Figure GDA0003198308060000021
简化为多项式，对模型进行线性化，得到：
Figure GDA0003198308060000022
步骤二、对简化后的电池生热模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程；
状态空间方程如下：
Tk＝ATTk-1+BT+rk
Figure GDA0003198308060000023
Figure GDA0003198308060000024
其中，Tk是k时刻电池的温度状态；AT是电池生热模型的状态转移矩阵；BT为电池生热模型的输入矩阵，rk是电池生热模型的过程噪声。
步骤三、搭建动力电池温度时变的等效电路模型，得到状态空间方程；
等效电路模型简称电池温度模型，具体为：电源两端依次串联极化电容和极化电阻组成的并联电路，电池的欧姆内阻Ri(T)，以及开路电压Voc。
等效电路模型随温度时变的参数包括：可用容量、欧姆内阻、极化电容和极化电阻。
状态空间方程表示为：
Figure GDA0003198308060000025
y＝Voc(SOC)+Vs+i·Ri(T)
x为电池温度模型的状态向量，x＝[SOC V*]T，SOC为电池的荷电状态，A为状态空间方程的传递矩阵，
Figure GDA0003198308060000026
Rs(T)为随温度变化的电池的极化内阻，Cs(T)为随温度变化的电池的极化电容；B为状态空间方程的输入矩阵，
Figure GDA0003198308060000027
η为电池充放电效率，Ct(T)为随温度变化的容量；u为电池温度模型的输入，取值为输入电流i；y为测得的电池端电压；Vs为极化电阻与极化电容组成的并联电路的端电压；Ri(T)为随温度变化的电池的欧姆内阻，i为电池充放电电流，在充电时为正，放电时为负。
步骤四、对简化后的等效电路模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程。
考虑过程噪声和测量噪声，得到离散化的电池等效电路模型的状态空间方程为：
xk+1＝Ad(T)·xk+Bd(T)·uk+wk
yk＝Voc,k(SOCk)+Vs,k+ikRi(T)+vk
其中，xk是k时刻的电池状态；yk是k时刻的测量输出；uk是k时刻电池温度模型的输入，取值为ik；wk为k时刻的过程噪声；Voc,k为k时刻的电池开路电压；SOCk为k时刻的电池荷电状态；ik是k时刻的输入变量，即电池的充放电电流；Vs,k是k时刻等效电路模型中的极化电压；vk为k时刻的测量噪声；Ad和Bd为离散化后的状态转移矩阵和输入矩阵，表示为：
Figure GDA0003198308060000031
步骤五、利用电池温度模型，对电池生热模型进行改写；
改写公式如下：
Tk＝AT(xk)Tk-1+BT(xk,yk)+rk
AT(xk)是由电池生热模型中的状态转移矩阵AT表示的状态函数；BT(xk,yk)是由电池生热模型中的矩阵BT表示的状态和输出的函数；
步骤六、利用改写的电池生热模型以及电池温度模型，采用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计。
具体步骤如下：
步骤601、针对t0时刻，设置迭代次数k＝0时的扩展卡尔曼滤波器的初始值，分别为：
温度估计值初始值
Figure GDA0003198308060000032
T0为随机设定的温度初值。
温度估计误差协方差矩阵初始值
Figure GDA0003198308060000033
状态估计值初始值
Figure GDA0003198308060000034
x0为随机设定的状态初值。
状态估计误差协方差矩阵初始值
Figure GDA0003198308060000035
步骤602、对于k≥1,利用k-1时刻的温度估计值
Figure GDA0003198308060000036
和温度估计误差协方差矩阵
Figure GDA0003198308060000037
分别计算k时刻的温度估计值
Figure GDA0003198308060000038
和温度估计误差协方差矩阵
Figure GDA0003198308060000039
计算公式为：
Figure GDA00031983080600000310
Figure GDA00031983080600000311
Figure GDA00031983080600000312
为k-1时刻电池生热模型过程噪声的协方差矩阵。
步骤603、对于k≥1,利用k-1时刻的状态估计值
Figure GDA00031983080600000313
和状态估计误差协方差矩阵
Figure GDA00031983080600000314
分别计算k时刻的状态估计值
Figure GDA0003198308060000041
和状态估计误差协方差矩阵
Figure GDA0003198308060000042
计算公式如下：
Figure GDA0003198308060000043
Figure GDA0003198308060000044
Ad为电池等效电路模型中的状态转移矩阵；Bd为电池等效电路模型中的输入矩阵；
Figure GDA0003198308060000045
为k-1时刻的电池温度模型过程噪声的协方差矩阵。
步骤604、利用k时刻的状态估计值
Figure GDA0003198308060000046
温度估计值
Figure GDA0003198308060000047
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure GDA0003198308060000048
和新的状态估计误差协方差矩阵
Figure GDA0003198308060000049
具体为：首先，利用k时刻的状态估计误差协方差矩阵
Figure GDA00031983080600000410
和电池温度模型测量噪声的协方差矩阵
Figure GDA00031983080600000411
计算k时刻状态估计的卡尔曼增益矩阵
Figure GDA00031983080600000412
Figure GDA00031983080600000413
其中，
Figure GDA00031983080600000414
然后，利用k时刻的卡尔曼增益矩阵
Figure GDA00031983080600000415
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure GDA00031983080600000416
Figure GDA00031983080600000417
最后、利用k时刻的新的状态估计值
Figure GDA00031983080600000418
计算新的估计误差协方差矩阵
Figure GDA00031983080600000419
Figure GDA00031983080600000420
I为单位矩阵。
步骤605、利用k时刻的新的状态估计值
Figure GDA00031983080600000421
提取k时刻的电池荷电状态SOC；
k时刻的电池荷电状态SOCk为：
Figure GDA00031983080600000422
步骤606、利用k时刻的温度估计值
Figure GDA00031983080600000423
新的状态估计值
Figure GDA00031983080600000424
和电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure GDA00031983080600000425
和温度估计误差协方差矩阵
Figure GDA00031983080600000426
首先，利用k时刻的温度估计误差协方差矩阵
Figure GDA00031983080600000427
和测量噪声的协方差矩阵
Figure GDA00031983080600000428
计算k时刻的温度估计的卡尔曼增益矩阵
Figure GDA00031983080600000429
Figure GDA00031983080600000430
其中，
Figure GDA00031983080600000431
然后，利用k时刻的温度测量值Tyk，卡尔曼增益矩阵
Figure GDA0003198308060000051
新的状态估计值
Figure GDA0003198308060000052
和电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure GDA0003198308060000053
Figure GDA0003198308060000054
最后，利用k时刻的新的温度估计值
Figure GDA0003198308060000055
计算新的估计误差协方差矩阵
Figure GDA0003198308060000056
Figure GDA0003198308060000057
步骤607、利用新的温度估计值
Figure GDA0003198308060000058
提取k时刻的电池温度；
Figure GDA0003198308060000059
步骤608、同理，利用每个时刻的状态估计值
Figure GDA00031983080600000510
与温度估计值
Figure GDA00031983080600000511
提取各时刻相应的电池荷电状态SOCk和电池工作温度Tk。
步骤七、将各时刻得到的电池荷电状态值SOC与电池工作温度T输入电动汽车能量管理***，设计基于规则的方法对电动汽车驱动***与热管理***的用电进行分配管理；
整个电动汽车***将功率分别分配给驱动***与热管理***，利用各时刻的电池荷电状态值SOC与电池工作温度T，决定满足驱动***或者热管理***的功率需求优先级。
基于规则的方法描述如下：
1.车辆起步时刻，判断动力电池工作温度T是否低于20℃，或者高于40℃，如果是，优先满足热管理***，否则，电池工作温度T在最优工作区间，即20℃-40℃，优先满足驱动***。
2.汽车急加速时刻，此时加速度大于±3m/s2，优先满足驱动***。
3.汽车爬坡行驶时刻，此时坡度大于5％，优先满足驱动***。
4.汽车正常速度行驶时刻，即加速度小于等于±3m/s2，且坡度小于等于5％，优先满足热管理***需求。
5.判断电池荷电状态值是否小于等于20％，如果是，优先满足驱动***；否则，优先满足热管理***。
本发明的优点在于：
基于电池荷电状态与温度联合估计的整车能量管理方法，设计了精度较高的荷电状态与温度联合估计算法，在此基础上实现更加有效的电动汽车能量进行管理。
附图说明
图1为本发明基于电池荷电状态与温度联合估计的整车能量管理方法流程图；
图2为本发明搭建的温度变化的Thevenin等效电路模型示意图；
图3为本发明使用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计的流程图。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明作进一步详细的说明。
本发明基于电池荷电状态与温度联合估计的整车能量管理方法，解决了电动汽车能量管理对电池建模与仿真高精度的要求。如图1所示，具体步骤如下：
步骤一、针对某个电动汽车的电池，搭建电池生热模型，并进行简化。
电池生热模型采用集中质量热模型，在集中质量热模型中，忽略电池温度的空间分布，于是温度T只是时间t的函数。集中质量热模型的能量平衡方程为：
Figure GDA0003198308060000061
其中ρ是电池的密度；Cp是电池的比热容；T为电池温度；I为电池电流；Vbattery是电池的体积；Voc为电池开路电压；V为电池端电压；h为热交换系数；Abattery为电池表面积；T∞是室温；
简化过程为：将短时间内的电流设为恒定值，并将
Figure GDA0003198308060000062
简化为多项式，对模型进行线性化，得到：
Figure GDA0003198308060000063
步骤二、对简化后的电池生热模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程；
考虑噪声，状态空间方程如下：
Tk＝ATTk-1+BT+rk
Figure GDA0003198308060000064
Figure GDA0003198308060000065
其中，Tk是k时刻电池的温度状态；AT是电池生热模型的状态转移矩阵；BT为电池生热模型的输入矩阵，值由电池等效电路模型决定。rk是电池生热模型的过程噪声。
步骤三、搭建动力电池温度时变的等效电路模型，得到状态空间方程；
等效电路模型简称电池温度模型，如图2所示，具体为：电源两端依次串联极化电容和极化电阻组成的并联电路，电池的欧姆内阻Ri(T)，以及开路电压Voc。
考虑电池温度模型参数受到温度的影响，将参数设置为随温度变化的可变参数，包括：可用容量、欧姆内阻、极化电容和极化电阻。
电池参数(可用容量、欧姆内阻、极化电容电阻等)对温度较为敏感，电池生热与电池的工作状态息息相关。想要将电池生热纳入能量管理范围内，合理地进行电池生热的估计是必不可少的。与Thevenin等效电路模型相比，新的模型可用容量、欧姆内阻、极化电容电阻等均为温度时变的量。在这里认为开路电压与荷电状态的关系与温度无关，因为其温度敏感度远低于其他随温度变化的量。
将模型搭建为状态方程的形式，取电池温度模型的状态向量x＝[SOC V*]T，输出y＝V，输入u＝i，状态空间方程表示为：
Figure GDA0003198308060000071
y＝Voc(SOC)+Vs+i·Ri(T)
SOC为电池的荷电状态，A为状态空间方程的传递矩阵，
Figure GDA0003198308060000072
Rs(T)为随温度变化的电池的极化内阻，Cs(T)为随温度变化的电池的极化电容；B为状态空间方程的输入矩阵，
Figure GDA0003198308060000073
η为电池充放电效率，Ct(T)为随温度变化的容量；u为电池模型的输入，取值为输入电流i；y为测得的电池端电压；Vs为极化电阻与极化电容组成的并联电路的端电压；Ri(T)为随温度变化的电池的欧姆内阻，i为电池充放电电流，在充电时为正，放电时为负。
步骤四、对简化后的等效电路模型进行离散化，选择采样时间间隔Ts＝1s，考虑过程噪声和测量噪声，得到离散化的电池等效电路模型的状态空间方程。
状态空间方程为：
xk+1＝Ad(T)·xk+Bd(T)·uk+wk
yk＝Voc,k(SOCk)+Vs,k+ikRi(T)+vk
其中，xk是k时刻的电池状态；yk是k时刻的测量输出；uk是k时刻电池模型的输入，取值为ik；wk为k时刻的过程噪声；Voc,k为k时刻的电池开路电压；SOCk为k时刻的电池荷电状态；ik是k时刻的输入变量，即电池的充放电电流；Vs,k是k时刻等效电路模型中的极化电压；vk为k时刻的测量噪声；wk和vk是均值为零，且互不相关的两个高斯白噪声；Ad和Bd为离散化后的状态转移矩阵和输入矩阵，表示为：
Figure GDA0003198308060000074
步骤五、利用电池等效电路模型，对电池生热模型进行改写；
由于电池生热模型中的状态转移矩阵AT与电池等效电路模型中的电池开路电压Voc(SOC)有关，即与电池等效电路模型中的状态x＝[SOC V*]T有关，可以表示为状态的函数，AT＝AT(xk)；BT与电池等效电路模型中的电池开路电压Voc(SOC)和电池端电压V有关，即与电池等效电路模型中的状态x＝[SOC V*]T和输出y＝V有关，可以表示为状态和输出的函数，BT＝BT(xk,yk)；因此改写公式如下：
Tk＝AT(xk)Tk-1+BT(xk,yk)+rk
步骤六、利用改写的电池生热模型以及温度时变的等效电路模型，采用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计。
采用电池生热模型以及温度时变的Thevenin等效电路模型，分别在温度估计EKF的时间更新以及状态估计EKF的时间更新中进行估计，包括：DEKF初始化，温度估计EKF的时间更新，状态估计EKF的时间更新，状态估计EKF的测量更新，电池荷电状态SOC提取，温度估计EKF的测量更新以及电池温度提取。
具体步骤如下：
步骤601、针对t0(k＝0)时刻，设置迭代次数k＝0时的扩展卡尔曼滤波器的初始值，分别为：
温度估计值初始值
Figure GDA0003198308060000081
T0为随机设定的温度初值。
温度估计误差协方差矩阵初始值
Figure GDA0003198308060000082
状态估计值初始值
Figure GDA0003198308060000083
x0为随机设定的状态初值。
状态估计误差协方差矩阵初始值
Figure GDA0003198308060000084
步骤602、对于k≥1,利用k-1时刻的温度估计值
Figure GDA0003198308060000085
和温度估计误差协方差矩阵
Figure GDA0003198308060000086
分别计算k时刻的温度先验估计值
Figure GDA0003198308060000087
和温度估计误差协方差矩阵先验估计值
Figure GDA0003198308060000088
Figure GDA0003198308060000089
Figure GDA00031983080600000810
Figure GDA00031983080600000811
为k-1时刻的电池生热模型过程噪声的协方差矩阵。
步骤603、对于k≥1,利用k-1时刻的状态先验估计值
Figure GDA00031983080600000812
和状态估计误差协方差矩阵
Figure GDA00031983080600000813
分别计算k时刻的状态估计值
Figure GDA00031983080600000814
和状态估计误差协方差矩阵先验估计值
Figure GDA00031983080600000815
计算公式如下：
Figure GDA00031983080600000816
Figure GDA00031983080600000817
Ad为电池等效电路模型中的状态转移矩阵；
Figure GDA0003198308060000091
为k-1时刻的温度模型过程噪声的协方差矩阵。
步骤604、利用k时刻的状态估计值
Figure GDA0003198308060000092
温度估计值
Figure GDA0003198308060000093
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure GDA0003198308060000094
和新的状态估计误差协方差矩阵
Figure GDA0003198308060000095
具体为：首先利用k时刻的状态估计误差协方差矩阵
Figure GDA0003198308060000096
k时刻的测量噪声的协方差矩阵
Figure GDA0003198308060000097
计算k时刻的状态估计的卡尔曼增益矩阵
Figure GDA0003198308060000098
Figure GDA0003198308060000099
Figure GDA00031983080600000910
为
Figure GDA00031983080600000911
的估计值；
Figure GDA00031983080600000912
然后，利用k时刻的卡尔曼增益矩阵
Figure GDA00031983080600000913
和k时刻的电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure GDA00031983080600000914
Figure GDA00031983080600000915
最后，计算k时刻的新的状态估计值
Figure GDA00031983080600000916
的估计误差协方差矩阵
Figure GDA00031983080600000917
Figure GDA00031983080600000918
I为单位矩阵。
步骤605、利用k时刻的新的状态估计值
Figure GDA00031983080600000919
提取k时刻的电池荷电状态SOC；
k时刻的电池荷电状态SOCk为：
Figure GDA00031983080600000920
步骤606、利用k时刻的温度估计值
Figure GDA00031983080600000921
k时刻更新过的状态估计值
Figure GDA00031983080600000922
和k时刻的电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure GDA00031983080600000923
和温度估计误差协方差矩阵
Figure GDA00031983080600000924
首先，利用k时刻的温度估计误差协方差矩阵
Figure GDA00031983080600000925
k时刻的测量噪声的协方差矩阵
Figure GDA00031983080600000926
计算k时刻的温度估计的卡尔曼增益矩阵
Figure GDA00031983080600000927
Figure GDA00031983080600000928
其中，
Figure GDA00031983080600000929
然后，利用k时刻的温度测量值Tyk，k时刻的卡尔曼增益矩阵
Figure GDA00031983080600000930
k时刻的更新的状态估计值
Figure GDA00031983080600000931
和k时刻的电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure GDA00031983080600000932
Figure GDA00031983080600000933
最后，计算k时刻的新的温度估计值
Figure GDA00031983080600000934
的温度估计误差协方差矩阵
Figure GDA00031983080600000935
Figure GDA00031983080600000936
步骤607、利用新的温度估计值
Figure GDA0003198308060000101
提取k时刻的电池温度；
Figure GDA0003198308060000102
Figure GDA0003198308060000103
为电池温度Tk的估计值；
步骤608、同理，利用每个时刻的状态估计值
Figure GDA0003198308060000104
与温度估计值
Figure GDA0003198308060000105
提取各时刻相应的电池荷电状态SOCk和电池工作温度Tk。
步骤七、基于精确估计的电池荷电状态值SOC与电池工作温度T，设计基于规则的方法实现纯电动汽车整车能量管理；
采用基于规则的方法对电动汽车驱动***与热管理***的用电进行分配管理，整个电动汽车***在功率分配角度可以分为驱动***与热管理***。利用精确估计的电池荷电状态值SOC与电池工作温度T，来决定优先满足驱动***或者热管理***的功率需求。
工作过程可描述如下：
1)、车辆起步时刻，判断动力电池工作温度T是否低于20℃，或者高于40℃，如果是，优先满足热管理***，否则，电池工作温度T在最优工作区间，即20℃-40℃，优先满足驱动***。
2)、汽车急加速时刻，此时加速度大于±3m/s2，优先满足驱动电机高功率需求。
3)、汽车爬坡行驶时刻，此时坡度大于5％，优先满足驱动电机高功率需求。
4)、汽车正常速度行驶时刻，即加速度小于等于±3m/s2，且坡度小于等于5％，优先满足热管理***需求，提高充放电效率，再满足保证驱动电机普通功率需求。
5)、判断电池荷电状态值是否小于等于20％，如果是，优先满足驱动***；否则，优先满足热管理***。

Claims (3)

1.基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，具体步骤如下：
步骤一、针对某个电动汽车的电池，搭建电池生热模型，并进行简化；
电池生热模型采用集中质量热模型，能量平衡方程为：
Figure FDA0003295218230000011
其中ρ是电池的密度；Cp是电池的比热容；T为电池温度；I为电池电流；Vbattery是电池的体积；Voc为电池开路电压；V为电池端电压；h为热交换系数；Abattery为电池表面积；T∞是室温；
简化过程为：将短时间内的电流设为恒定值，并将
Figure FDA0003295218230000012
简化为多项式，对模型进行线性化，得到：
Figure FDA0003295218230000013
步骤二、对简化后的电池生热模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程；
状态空间方程如下：
Tk＝ATTk-1+BT+rk
Figure FDA0003295218230000014
Figure FDA0003295218230000015
其中，Tk是k时刻电池的温度状态；AT是电池生热模型的状态转移矩阵；BT为电池生热模型的输入矩阵，rk是电池生热模型的过程噪声；
步骤三、搭建动力电池温度时变的等效电路模型，得到状态空间方程；
状态空间方程表示为：
Figure FDA0003295218230000016
y＝Voc(SOC)+Vs+i·Ri(T)
x为电池温度模型的状态向量，x＝[SOC V*]T，SOC为电池的荷电状态，A为状态空间方程的传递矩阵，
Figure FDA0003295218230000017
Rs(T)为随温度变化的电池的极化内阻，Cs(T)为随温度变化的电池的极化电容；B为状态空间方程的输入矩阵，
Figure FDA0003295218230000018
η为电池充放电效率，Ct(T)为随温度变化的容量；u为电池温度模型的输入，取值为输入电流i；y为测得的电池端电压；Vs为极化电阻与极化电容组成的并联电路的端电压；Ri(T)为随温度变化的电池的欧姆内阻，i为电池充放电电流，在充电时为正，放电时为负；Voc为开路电压；
步骤四、对简化后的等效电路模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程；
考虑过程噪声和测量噪声，得到离散化的电池等效电路模型的状态空间方程为：
xk+1＝Ad(T)·xk+Bd(T)·uk+wk
yk＝Voc,k(SOCk)+Vs,k+ikRi(T)+vk
其中，xk是k时刻的电池状态；yk是k时刻的测量输出；uk是k时刻电池温度模型的输入，取值为ik；wk为k时刻的过程噪声；Voc,k为k时刻的电池开路电压；SOCk为k时刻的电池荷电状态；ik是k时刻的输入变量，即电池的充放电电流；Vs,k是k时刻等效电路模型中的极化电压；vk为k时刻的测量噪声；Ad和Bd为离散化后的状态转移矩阵和输入矩阵，表示为：
Figure FDA0003295218230000021
步骤五、利用电池温度模型，对电池生热模型进行改写；
改写公式如下：
Tk＝AT(xk)Tk-1+BT(xk,yk)+rk
AT(xk)是由电池生热模型中的状态转移矩阵AT表示的状态函数；BT(xk,yk)是由电池生热模型中的矩阵BT表示的状态和输出的函数；
步骤六、利用改写的电池生热模型以及电池温度模型，采用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计；
所述步骤具体为：
步骤601、针对t0时刻，设置迭代次数k＝0时的扩展卡尔曼滤波器的初始值，分别为：
温度估计值初始值
Figure FDA0003295218230000022
T0为随机设定的温度初值；
温度估计误差协方差矩阵初始值
Figure FDA0003295218230000023
状态估计值初始值
Figure FDA0003295218230000024
x0为随机设定的状态初值；
状态估计误差协方差矩阵初始值
Figure FDA0003295218230000025
步骤602、对于k≥1,利用k-1时刻的温度估计值
Figure FDA0003295218230000026
和温度估计误差协方差矩阵
Figure FDA0003295218230000027
分别计算k时刻的温度估计值
Figure FDA0003295218230000028
和温度估计误差协方差矩阵
Figure FDA0003295218230000029
计算公式为：
Figure FDA0003295218230000031
Figure FDA0003295218230000032
Figure FDA0003295218230000033
为k-1时刻电池生热模型过程噪声的协方差矩阵；
步骤603、对于k≥1,利用k-1时刻的状态估计值
Figure FDA0003295218230000034
和状态估计误差协方差矩阵
Figure FDA0003295218230000035
分别计算k时刻的状态估计值
Figure FDA00032952182300000334
和状态估计误差协方差矩阵
Figure FDA0003295218230000036
计算公式如下：
Figure FDA0003295218230000037
Figure FDA0003295218230000038
Ad为电池等效电路模型中的状态转移矩阵；Bd为电池等效电路模型中的输入矩阵；
Figure FDA0003295218230000039
为k-1时刻的电池温度模型过程噪声的协方差矩阵；
步骤604、利用k时刻的状态估计值
Figure FDA00032952182300000310
温度估计值
Figure FDA00032952182300000311
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure FDA00032952182300000312
和新的状态估计误差协方差矩阵
Figure FDA00032952182300000313
具体为：首先，利用k时刻的状态估计误差协方差矩阵
Figure FDA00032952182300000314
和电池温度模型测量噪声的协方差矩阵
Figure FDA00032952182300000315
计算k时刻状态估计的卡尔曼增益矩阵
Figure FDA00032952182300000316
Figure FDA00032952182300000317
其中，
Figure FDA00032952182300000318
然后，利用k时刻的卡尔曼增益矩阵
Figure FDA00032952182300000319
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure FDA00032952182300000320
Figure FDA00032952182300000321
最后、利用k时刻的新的状态估计值
Figure FDA00032952182300000322
计算新的估计误差协方差矩阵
Figure FDA00032952182300000323
Figure FDA00032952182300000324
I为单位矩阵；
步骤605、利用k时刻的新的状态估计值
Figure FDA00032952182300000325
提取k时刻的电池荷电状态SOC；
k时刻的电池荷电状态SOCk为：
Figure FDA00032952182300000326
步骤606、利用k时刻的温度估计值
Figure FDA00032952182300000327
新的状态估计值
Figure FDA00032952182300000328
和电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure FDA00032952182300000329
和温度估计误差协方差矩阵
Figure FDA00032952182300000330
首先，利用k时刻的温度估计误差协方差矩阵
Figure FDA00032952182300000331
和测量噪声的协方差矩阵
Figure FDA00032952182300000332
计算k时刻的温度估计的卡尔曼增益矩阵
Figure FDA00032952182300000333
Figure FDA0003295218230000041
其中，
Figure FDA0003295218230000042
然后，利用k时刻的温度测量值Tyk，卡尔曼增益矩阵
Figure FDA0003295218230000043
新的状态估计值
Figure FDA0003295218230000044
和电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure FDA0003295218230000045
Figure FDA0003295218230000046
最后，利用k时刻的新的温度估计值
Figure FDA0003295218230000047
计算新的估计误差协方差矩阵
Figure FDA0003295218230000048
Figure FDA0003295218230000049
步骤607、利用新的温度估计值
Figure FDA00032952182300000410
提取k时刻的电池温度；
Figure FDA00032952182300000411
步骤608、同理，利用每个时刻的状态估计值
Figure FDA00032952182300000412
与温度估计值
Figure FDA00032952182300000413
提取各时刻相应的电池荷电状态SOCk和电池工作温度Tk；
步骤七、将各时刻得到的电池荷电状态值SOC与电池工作温度T输入电动汽车能量管理***，设计基于规则的方法对电动汽车驱动***与热管理***的用电进行分配管理。
2.如权利要求1所述的基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，所述步骤三中等效电路模型简称电池温度模型，具体为：电源两端依次串联极化电容和极化电阻组成的并联电路，电池的欧姆内阻Ri(T)，以及开路电压Voc；
等效电路模型随温度时变的参数包括：可用容量、欧姆内阻、极化电容和极化电阻。
3.如权利要求1所述的基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，整个电动汽车***将功率分别分配给驱动***与热管理***，利用各时刻的电池荷电状态值SOC与电池工作温度T，决定满足驱动***或者热管理***的功率需求优先级；
基于规则的方法描述如下：
a、车辆起步时刻，判断动力电池工作温度T是否低于20℃，或者高于40℃，如果是，优先满足热管理***，否则，电池工作温度T在最优工作区间，即20℃-40℃，优先满足驱动***；
b、汽车急加速时刻，此时加速度大于±3m/s2，优先满足驱动***；汽车爬坡行驶时刻，此时坡度大于5％，优先满足驱动***；
c、汽车正常速度行驶时刻，即加速度小于等于±3m/s2，且坡度小于等于5％，优先满足热管理***需求；
d、判断电池荷电状态值是否小于等于20％，如果是，优先满足驱动***；否则，优先满足热管理***。
CN202011377947.6A 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法 Active CN112526349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011377947.6A CN112526349B (zh) 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011377947.6A CN112526349B (zh) 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法

Publications (2)

Publication Number Publication Date
CN112526349A CN112526349A (zh) 2021-03-19
CN112526349B true CN112526349B (zh) 2021-11-12

Family

ID=74996022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011377947.6A Active CN112526349B (zh) 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法

Country Status (1)

Country Link
CN (1) CN112526349B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238150B (zh) * 2021-05-24 2022-10-04 哈尔滨工业大学 基于状态估计算法的电池实时发热功率获取方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1987508A (zh) * 2006-12-26 2007-06-27 天津力神电池股份有限公司 锂离子电池热安全性能预测方法
CN104409789A (zh) * 2014-11-24 2015-03-11 哈尔滨工业大学 一种具有温度保护功能的电池组电量不均衡状态下的充电方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN110954831A (zh) * 2019-12-06 2020-04-03 重庆大学 一种多时间尺度的方形锂电池soc和sot联合估计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7266587B2 (ja) * 2017-09-14 2023-04-28 アーベーベー・シュバイツ・アーゲー 再充電可能なバッテリを制御するための方法およびシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1987508A (zh) * 2006-12-26 2007-06-27 天津力神电池股份有限公司 锂离子电池热安全性能预测方法
CN104409789A (zh) * 2014-11-24 2015-03-11 哈尔滨工业大学 一种具有温度保护功能的电池组电量不均衡状态下的充电方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN110954831A (zh) * 2019-12-06 2020-04-03 重庆大学 一种多时间尺度的方形锂电池soc和sot联合估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电动汽车动力电池温度在线估计方法;孙金磊 等;《电工技术学报》;20170430;第32卷(第7期);第197-203页 *

Also Published As

Publication number Publication date
CN112526349A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
CN111007399B (zh) 基于改进生成对抗网络的锂电池荷电状态预测方法
Ye et al. A model-based adaptive state of charge estimator for a lithium-ion battery using an improved adaptive particle filter
Meng et al. Lithium polymer battery state-of-charge estimation based on adaptive unscented Kalman filter and support vector machine
CN111929581B (zh) 一种动力锂电池内外部温度预测方法
CN111337832B (zh) 一种动力电池多维度融合soc和soh在线联合估算的方法
CN108594135A (zh) 一种用于锂电池均衡充放电控制的soc估算方法
CN110824363B (zh) 一种基于改进ckf的锂电池soc和soe联合估算方法
CN110688808B (zh) 一种动力电池模型的粒子群及lm优化混合迭代辨识方法
CN111060824B (zh) 一种基于模型与算法分步融合的荷电状态估计方法
CN109061506A (zh) 基于神经网络优化ekf的锂离子动力电池soc估计方法
CN110795851B (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN104535934B (zh) 在线前馈补偿的动力电池电荷状态估计方法与***
CN111060834A (zh) 一种动力电池健康状态估算方法
Huang et al. Soc estimation of li-ion battery based on improved ekf algorithm
CN108761340A (zh) 基于噪声干扰的强跟踪容积卡尔曼滤波的电池估算方法
CN109633479B (zh) 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法
CN105717460A (zh) 一种基于非线性观测器的动力电池soc估计方法和***
CN114184962B (zh) 一种多算法融合的锂离子电池soc和soh联合估算方法
CN111650517B (zh) 一种电池荷电状态估算方法
CN114660464A (zh) 一种锂离子电池荷电状态估算方法
CN113702843A (zh) 一种基于郊狼优化算法的锂电池参数辨识与soc估计方法
CN112526349B (zh) 基于电池荷电状态与温度联合估计的整车能量管理方法
CN115407205A (zh) 考虑温度影响的多时间尺度soc和soh协同估计方法
CN115656838A (zh) 一种基于布谷鸟算法的电池soc估算方法
CN114217234B (zh) 一种基于ide-asrckf的锂离子电池参数辨识与soc估计方法

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