CN102540081B - 用于确定车载蓄电池荷电状态的方法 - Google Patents

Abstract

本发明涉及电源技术，特别涉及一种确定车载蓄电池荷电状态的方法。按照本发明，用于确定车载蓄电池荷电状态的方法包括下列步骤：输入蓄电池的工作电压、工作电流和工作温度；计算所述工作电压在所述蓄电池的标准工作电流下的工作电压修正值；利用各自的隶属函数确定所述工作电压修正值和所述工作温度的模糊值；利用模糊推理规则，根据所述工作电压修正值和所述工作温度的模糊值确定所述蓄电池的荷电状态的模糊值；以及利用反模糊算法，根据所述蓄电池的荷电状态的模糊值计算所述蓄电池的荷电状态。按照本发明的实施例，通过在SOC估算时引入模糊逻辑，可以充分利用实验曲线和经验数据，从而提高结果的准确性。

Description

用于确定车载蓄电池荷电状态的方法

技术领域

本发明涉及电源技术，特别涉及一种确定车载蓄电池荷电状态的方法。

背景技术

随着传统石化燃料能源的枯竭，发展混合动力汽车和电动汽车成为业界一种共同的选择。目前制约新型动力汽车推广使用的主要问题包括动力电池的容量以及使用寿命，在这种情况下，对电池的有效管理就显得愈发重要。

电池的管理包括以下三项关键技术：快速充电技术、均衡技术和电池剩余电量或荷电状态(SOC)的估算，其中SOC的估算尤为重要，因为唯有准确和可靠地获知电池的SOC，才能为用户提供合理的电池使用策略。

常用的SOC估算方法主要有开路电压法和电流积分法(也称为安时法)。

开路电压法的基本思想是首先建立一个反映电池工作时端电压、电流和电动势的关系模型，然后根据测量得到的电压和电流得到相应的电动势以利用电动势与SOC之间的关系曲线确定SOC。该方法的优点是简单易行，但是由于电池存在自恢复效应和“平台”现象而使得估算出来的SOC与实际值有时相差较大。

电流积分法将电池视为与外部进行能量交换的“黑箱”，通过对进出电池的电流在时间上的积分来记录电池电量的累计变化量。该方法由于不必考虑电池内部结构以及状态的变化，因此较开路电压法的适应性更强。但是不足之处是SOC初始值常常难以确定而且随着时间推移累计误差将不断增大，从而导致SOC值的计算结果误差变大。此外，在电流积分法计算SOC时需要对充放电系数有一个准确的估算，当电池工作环境变化较大时，充放电系数难以准确、及时地确定，这也会导致最终计算得到SOC结果存在较大的误差。

由上可见，迫切需要一种能够准确估算车载电池的SOC值的方法。

发明内容

本发明的一个目的是提供一种用于确定车载蓄电池荷电状态的方法，其可以在不耗费大量资源的前提下提高荷电状态的估算精度。

上述目的可以由下述技术方案实现。

一种用于确定车载蓄电池荷电状态的方法，包括下列步骤：

输入蓄电池的工作电压、工作电流和工作温度；

计算所述工作电压在所述蓄电池的标准工作电流下的工作电压修正值；

利用各自的隶属函数确定所述工作电压修正值和所述工作温度的模糊值；

利用模糊推理规则，根据所述工作电压修正值和所述工作温度的模糊值确定所述蓄电池的荷电状态的模糊值；以及

利用反模糊算法，根据所述蓄电池的荷电状态的模糊值计算所述蓄电池的荷电状态。

上述目的还可以由下述技术方案实现：

一种用于确定车载蓄电池荷电状态的方法，包括下列步骤：

输入蓄电池的工作电压、工作电流和工作温度；

如果汽车处于静止状态超过一个预设的时间并且所述蓄电池的工作电流小于一个预设的电流值时，则根据下式计算所述蓄电池的荷电状态SOC：

SOC＝η₁×[U_I+I×(R₀-R_r)]+η₂

其中其中U_I为所述蓄电池的工作电压，I为蓄电池的工作电流，R₀为蓄电池在电流I为零或接近于零时的欧姆内阻，R_r为蓄电池在电流I为零或接近于零时的极化内阻，η₁和η₂为常数；

如果汽车处于运行状态或所述蓄电池的工作电流大于或等于所述预设的电流值，则根据下列方式计算所述蓄电池的荷电状态：

计算所述工作电压在所述蓄电池的标准工作电流下的工作电压修正值；

利用各自的隶属函数确定所述工作电压修正值和所述工作温度的模糊值；

利用模糊推理规则，根据所述工作电压修正值和所述工作温度的模糊值确定所述蓄电池的荷电状态的模糊值；以及

利用反模糊算法，根据所述蓄电池的荷电状态的模糊值计算所述蓄电池的荷电状态。

优选地，在上述方法中，按照下式计算所述工作电压在所述蓄电池的标准工作电流下的工作电压修正值U_I，m：

U_I，m＝U_I+(I-I₀)×λ(I)

其中，U_I为所述工作电流I下的所述工作电压，U_I，m为所述工作电压U_I的修正值，I为所述工作电流，I₀为所述标准工作电流，λ(I)为随所述工作电流变化的数值。

优选地，在上述方法中，所述标准工作电流为下列中的一种：

所述蓄电池的各种工作状况下的工作电流的算术平均值；

所述蓄电池的各种工作状态下的工作电流按照其对应的工作状态出现概率的加权平均值；

所述蓄电池的工作电流在一段时间内的平均值。

优选地，在上述方法中，所述λ(I)通过蓄电池在相同温度下不同工作电流的放电曲线获得。

优选地，在上述方法中，所述各自的隶属函数为三角形隶属函数、梯形隶属函数和高斯型隶属函数中的一种，所述反模糊化算法为最小最大法、最大最大法、重心法、二等分法和中间最大值法中的一种。

按照本发明的实施例，通过在SOC估算时引入模糊逻辑，可以充分利用实验曲线和经验数据，从而提高结果的准确性。此外，在本发明的实施例中，电池的工作电压被换算成为在标准工作电流下的修正值，从而巧妙地将电流变量与电压变量归结在一起，简化了模糊逻辑推理的规则。

从结合附图的以下详细说明中，将会使本发明的上述和其它目的及优点更加完全清楚。

附图说明

图1为蓄电池的一个物理模型的示意图。

图2为按照本发明一个实施例的SOC计算方法的流程图。

图3、4和5分别为图2所示实施例中的蓄电池工作电压修正值、工作温度和SOC状态的隶属函数示意图。

图6为按照本发明另一个实施例的SOC计算方法的流程图。

具体实施方式

下面将根据表示本发明实施方式的附图具体说明本发明。

在本说明书中，“连接”一词应当理解为在两个单元之间直接传送能量或信号，或者经一个或多个第三单元间接传送能量或信号，而且这里所称的信号包括但不限于以电、光和磁的形式存在的信号。

就电量的角度而言，蓄电池的荷电状态SOC可以定义如下：

$\mathrm{SOC}=\frac{Q}{Q_N-Q_a}=\frac{Q}{\mathrm{\ϵ}{Q}_N}---\left(1\right)$

其中，Q为电池当前的剩余容量，Q_N为蓄电池出厂时的额定容量，Q_a为电池衰减容量，ε为衰减因子，是一个小于1的变量，εQ_N表示表示蓄电池实际最多能放出的电量。由上可见SOC是一个取值范围在0-1范围内的变量。

研究表明，影响电池剩余容量的因素包括充放电倍率(即充放电电流)、自放电和温度等因素，其中，电流越大则能放出的电量越少。电池的自放电指的是是电池在存储过程中剩余容量下降的现象，导致自放电的因素有电极的腐蚀、活性物质的溶解、电极的歧化等。温度对电池剩余容量产生的影响则是因为电极材料的活性和电解液的电迁移率与温度密切相关，一般情况下，电池高温放电明显大于低温放电时的放电容量。

本发明的发明人经过深入研究之后发现，衰减因子ε随时间和/或充放电次数而发生的变化将在蓄电池的外特性方面充分体现出来，因此可以将SOC简化为由一个蓄电池的工作电压、工作电流和温度决定的状态量。

另外，本发明的发明人认识到难以在蓄电池的SOC与工作电压、工作电流和温度之间建立精确的数学模型，而且虽然衰减因子ε随时间的变化非常复杂并且变化量可能较大，但是这种变化却是一个大滞后的过程。基于上述认识，本发明的发明人引入模糊逻辑来刻画SOC与工作电压、工作电流和温度之间的关系。

在基于模糊逻辑的模型中，模糊推理建立在表示为模糊规则的知识库上，模糊规则的多少取决于输入和输出物理量的个数以及所需的控制精度。例如对于常用的二输入、一输出的模型，若每个输入量划分为5个等级，则需要25条规则覆盖全部情况。随着输入和输出变量的个数的增加，推理规则将非线性地增加，这将耗费大量的计算资源，降低计算速度。本发明的发明人提出通过利用工作电流对工作电压进行修正，将SOC的数学模型简化为电压和温度两个变量，由此减少了计算复杂性。以下对此作进一步的描述。

一般情况下，对于车载蓄电池来说存在一个平均负载电流，它可以视为蓄电池的典型的工作电流或标准的工作电流。该标准的工作电流例如可以是：1)各种工作状况下的工作电流的算术平均值；或2)工作电流按照其对应的工作状态出现概率进行加权的平均值；或3)实际测量得到的一段时间内的工作电流的平均值。在本发明的一个实施例中，依据测量得到的工作电流，将测量得到的工作电压换算为标准工作电量下的工作电压(以下也称为工作电压的修正值)。

图1为蓄电池的一个物理模型的示意图。根据图1可以得到下列方程(2)：

U_I＝E-I×(R+R₁)    (2)

其中，E为蓄电池的电动势，I为测量得到的工作电流，U_I为工作电流I下测量得到的工作电压，R和R₁分别为蓄电池以工作电流I放电时的欧姆内阻和极化内阻。

上述工作电压U_I的修正值根据下列公式(3)计算得到：

U_I，m＝U_I+(I-I₀)×λ(I)    (3)

其中，U_I为工作电流I下测量得到的工作电压，U_I，m为工作电压U_I的修正值，I为测量得到的工作电流，I₀为标准工作电流，λ(I)为随工作电流变化的数值，其可以通过实验确定。

例如可以通过恒流放电实验测得的蓄电池在相同温度下不同工作电流的放电曲线(也即蓄电池工作电压与SOC的变化曲线或恒流放电曲线)，由下列公式(4)得到各种工作电流下相应的λ(I)：

$\mathrm{\λ}\left(I\right)=\frac{U_{I0}^{\mathrm{SOC}}-U_I^{\mathrm{SOC}}}{I-I_0}---\left(4\right)$

其中，I₀为标准工作电流，I为取其它值的工作电流，U^SOC _I为SOC取某一值时的工作电流I下的工作电压，U^SOC _I0为SOC取同一值时的标准工作电流I₀下的工作电压。

值得指出的是，发明人发现，对于恒流放电曲线中的任意两条曲线，在0-100％的SOC范围内，它们的垂直距离(也即不同工作电流下的同一SOC时的工作电压之差)基本保持不变，可以认为λ(I)与SOC不相关，因此在上式(4)中，可以选择任一个SOC下的U^SOC _I和U^SOC _I0来计算λ(I)。此外，由于λ(I)对于温度的变化不敏感，因此在上面计算工作电压的修正值时未考虑温度因素。

各种工作电流下的λ(I)可以以表格的方式存储在存储器内，以在计算工作电压的修正值时被调用。另一方面，也可以利用拟合算法，从多条恒流放电曲线获得λ(I)与工作电流之间的经验公式，这样，在计算修正值时可以利用经验公式得到λ(I)。

图2为按照本发明一个实施例的SOC计算方法的流程图。

参见图2，在步骤211中，输入蓄电池的工作电流I和在该工作电流下的工作电压U_I以及工作温度T。工作电流I和工作电压U_I可以由测量电路获得，工作温度T可以由安装在蓄电池附近或之上的温度传感器获得。测量电路和传感器可以连接入CAN总线，这样用于计算SOC的装置可以经总线获取上述工作状态的测量值。

接着进入步骤212，判断工作电流是否等于标准的工作电流，或者判断与标准的工作电流的差值是否在一个预设的范围内，如果判断结果为真，则进入步骤213，否则，进入步骤214。

在步骤214中，例如通过查表的方式获得当前工作电路I下的λ(I)。

接着进入步骤215中，例如利用上式(4)计算工作电压U_I在标准工作电流下的工作电压修正值U_I，m。在完成步骤215之后进入步骤213。

在步骤213中，判断工作电压修正值U_I，m和工作温度T是否超出各自的预先确定的取值范围，如果它们都位于各自的预先确定的取值范围内，则进入步骤217，否则，则表明有异常情况出现，并因此进入步骤216。

在步骤216中，将生成警告消息，向用户提示蓄电池可能出现异常工作状况或者测量电路和传感器可能出现故障。

在步骤217中，利用工作电压修正值U_I，m和工作温度T各自的隶属函数确定它们的模糊值。

图3、4和5分别为本实施例中的工作电压修正值U_I，m、工作温度T和蓄电池SOC状态的隶属函数示意图。如图3-5所示，工作电压修正值、工作温度和SOC分别被划分为3个、3个和3个模糊子集，并且隶属函数都采用三角形隶属函数的形式。但是应该理解的是，所示的情形仅仅是示意性质的，实际上还可以采用更多或更少数量的模糊子集，并且隶属函数也可以采用其它的形式，例如包括但不限于梯形隶属函数和高斯型隶属函数。

接着进入步骤218中，利用模糊推理规则，根据上面步骤217中得到的工作电压修正值U_I，m和工作温度T的模糊值确定SOC的模糊值。

模糊推理的规则可以根据不同工作电流下SOC与电压的关系以及温度对放电曲线的影响制定，并且可以通过仿真实验反复进行修改。例如可以采用下列推理规则：

(1)如果工作电压的修正值的模糊值为L，则SOC的模糊值为L；

(2)如果工作电压的修正值的模糊值为M并且工作温度的模糊值为Cold，则SOC的模糊值为L；

(3)如果工作电压的修正值的模糊值为M并且工作温度的模糊值为Warm，则SOC的模糊值为M；

(4)如果工作电压的修正值的模糊值为M并且工作温度的模糊值为Hot，则SOC的模糊值为M；

(5)如果工作电压的修正值的模糊值为H并且工作温度的模糊值为Cold，则SOC的模糊值为M；

(6)如果工作电压的修正值的模糊值为H并且工作温度的模糊值为Warm，则SOC的模糊值为H；

(7)如果工作电压的修正值的模糊值为H并且工作温度的模糊值为Hot，则SOC的模糊值为H。

值得指出的是，上述推理规则仅仅是示意性质的，为了获得较好的SOC估算结果，需要根据仿真实验或实际实验进行优化。

随后进入步骤219，利用反模糊算法，根据上述步骤218中获得的SOC的模糊值计算蓄电池的SOC的精确数值。

接着进入步骤220，输出利用反模糊化算法计算得到的SOC值。

反模糊化算法有多种，包括但不限于最小最大法、最大最大法、重心法、二等分法和中间最大值法等。可以根据计算资源的可用程度以及要求的计算精度选择合适的反模糊算法。

图7为按照本发明另一个实施例的SOC计算方法的流程图。

本实施例与图2所示实施例的不同之处在于引入了一种“复合”的计算方法。即，首先将蓄电池分为两个状态，即蓄电池内部结构稳定并且流经的电流较小的状态(以下又称为状态1)和蓄电池内部结构不稳定或者流经的电流较大的状态(以下又称为状态2)，然后针对不同的状态采用不同的计算方法。

发明人经过研究发现，当汽车处于静止状态超过一段时间之后，蓄电池的内部结构一般比较稳定；发明人还发现，在汽车处于静止状态超过一段时间之后并且蓄电池的电流小于一定的电流值(该值可以根据实验确定并且对于一块蓄电池来说在蓄电池工作寿命期间基本上保持固定)时，采用下式(5)计算SOC的精度是令人满意的：

SOC＝η₁×[U_I+I×(R₀-R_r)]+η₂    (5)

其中U_I为所述蓄电池的工作电压，I为蓄电池的工作电流，R₀为蓄电池在电流I为零或接近于零时的欧姆内阻，R_r为蓄电池在电流I为零或接近于零时的极化内阻，η₁和η₂为常数。

在本实施例中，对于状态2，则采用与图2所示实施例相同的方式计算SOC。

参见图6，在步骤611中，输入蓄电池的工作电流I和在该工作电流下的工作电压U_I以及和工作温度T。

接着进入步骤612，判断汽车处于静止状态是否超过一个预设的时间并且工作电流I是否小于一个预设的电流值，如果判断结果为真，则进入步骤613，否则进入步骤614。

在步骤613中，根据式(5)计算蓄电池的荷电状态SOC。随后进入步骤615，输出计算得到的SOC值。

在步骤614中，判断工作电流是否等于标准的工作电流，或者判断与标准的工作电流的差值是否在一个预设的范围内，如果判断结果为真，则进入步骤616，否则，进入步骤617。

在步骤617中，例如通过查表的方式获得当前工作电路I下的λ(I)。

接着进入步骤618中，例如利用上式(4)计算工作电压U_I在标准工作电流下的工作电压修正值U_I，m。在完成步骤618之后进入步骤617。

在步骤617中，判断工作电压修正值U_I，m和工作温度T是否超出各自的预先确定的取值范围，如果它们都位于各自的预先确定的取值范围内，则进入步骤619，否则，则表明有异常情况出现，并因此进入步骤620。

在步骤620中，将生成警告消息，向用户提示蓄电池可能出现异常工作状况或者测量电路和传感器可能出现故障。

在步骤619中，利用工作电压修正值U_I，m和工作温度T各自的隶属函数确定它们的模糊值。

接着进入步骤621中，利用模糊推理规则，根据上面步骤619中得到的工作电压修正值U_I，m和工作温度T的模糊值确定SOC的模糊值。

随后进入步骤622，利用反模糊算法，根据上述步骤621中获得的SOC的模糊值计算蓄电池的SOC的精确数值。

接着进入步骤615，输出计算得到的SOC值。

由于可以在不背离本发明基本特征的精神下，以各种形式实施本发明，因此本实施方式是说明性的而不是限制性的，由于本发明的范围由所附权利要求定义，而不是由说明书定义，因此落入权利要求的边界和界限内的所有变化，或这种权利要求边界和界限的等同物因而被权利要求包涵。

Claims (5)

1.一种用于确定车载蓄电池荷电状态的方法，其特征在于，包括下列步骤：

输入蓄电池的工作电压、工作电流和工作温度；

如果汽车处于静止状态超过一个预设的时间并且所述蓄电池的工作电流小于一个预设的电流值时，则根据下式计算所述蓄电池的荷电状态SOC：

SOC＝η₁×[U_I+I×(R₀-R_r)]+η₂

其中U_I为所述蓄电池的工作电压，I为蓄电池的工作电流，R₀为蓄电池在电流I为零或接近于零时的欧姆内阻，R_r为蓄电池在电流I为零或接近于零时的极化内阻，η₁和η₂为常数；

如果汽车处于运行状态或所述蓄电池的工作电流大于或等于所述预设的电流值，则根据下列方式计算所述蓄电池的荷电状态：

计算所述工作电压在所述蓄电池的标准工作电流下的工作电压修正值；

利用各自的隶属函数确定所述工作电压修正值和所述工作温度的模糊值；

利用模糊推理规则，根据所述工作电压修正值和所述工作温度的模糊值确定所述蓄电池的荷电状态的模糊值；以及

利用反模糊算法，根据所述蓄电池的荷电状态的模糊值计算所述蓄电池的荷电状态。

2.如权利要求1所述的方法，其中，按照下式计算所述工作电压在所述蓄电池的标准工作电流下的工作电压修正值U_I，m：

U_I，m＝U_I+(I-I₀)×λ(I)

其中，U_I为所述工作电流I下的所述工作电压，U_I，m为所述工作电压U_I的修正值，I为所述工作电流，I₀为所述标准工作电流，λ(I)为随所述工作电流变化的数值。

3.如权利要求2所述的方法，其中，所述标准工作电流为下列中的一种：

所述蓄电池的各种工作状况下的工作电流的算术平均值；

所述蓄电池的各种工作状态下的工作电流按照其对应的工作状态出现概率的加权平均值；

所述蓄电池的工作电流在一段时间内的平均值。

4.如权利要求2所述的方法，其中，所述λ(I)通过蓄电池在相同温度下不同工作电流的放电曲线获得。

5.如权利要求2所述的方法，其中，所述各自的隶属函数为三角形隶属函数、梯形隶属函数和高斯型隶属函数中的一种，所述反模糊算法为最小最大法、最大最大法、重心法、二等分法和中间最大值法中的一种。