CN103675703B - 一种用于电池荷电状态估计方法 - Google Patents
一种用于电池荷电状态估计方法 Download PDFInfo
- Publication number
- CN103675703B CN103675703B CN201310642274.6A CN201310642274A CN103675703B CN 103675703 B CN103675703 B CN 103675703B CN 201310642274 A CN201310642274 A CN 201310642274A CN 103675703 B CN103675703 B CN 103675703B
- Authority
- CN
- China
- Prior art keywords
- battery
- model
- totalizer
- estimation
- coefficient
- 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
Links
Abstract
一种用于电池荷电状态估计方法,通过电流传感器测量得到的电池电流值输入电池模型中,计算出计算所得的电池电压,将该值与测得的电池电压进行比较,得到其电压误差,并将该电压误差通过比例系数和积分系数反馈回电池模型中,校正电池模型,从而使所获得的荷电状态估计值能更加的精确;而由于反馈回电池模型的量中有电压误差的积分值,因而,该系统具有更强的鲁棒性,估计速度也将大大提高,本发明具有估计精度高、算法简单等优点。
Description
技术领域
本发明属于电池荷电状态估计技术领域,特别涉及一种用于电池荷电状态估计方法。
背景技术
随着能源危机的发展和环境问题的日益突出,作为绿色能源的一大重要组成部分的电动汽车,已引起世界各国的广泛关注。电池作为电动汽车核心部件之一,是电动汽车的驱动能源,是限制电动汽车发展的一大瓶颈,也是目前的一大研究热点。然而,电池本体研究涉及材料、电化学等多门学科的融合,虽已在实验室阶段取得一定成果,但实际可应用于电动汽车的牵引电池产品在短时间内很难得到跨越式的发展。如何在现有电池产品的基础上,尽可能地提高其使用安全性、使用效率和使用寿命,降低电池的使用成本,从而最终降低现有电池应用于电动汽车的市场推广难度成为目前亟待解决的问题。
电池的荷电状态(StateofCharge,SOC)作为电池的关键参数,对电池的监测、电动汽车的续驶里程估计等起到至关重要的作用。然而,不同于电池电压、电流等信号,电池的荷电状态是不可直接测量的量,没有一种传感器可以直接测得其值,因而,根据可测得的物理量,如电压、电流等,通过一定的算法估计电池的荷电状态是目前亟待解决的问题。根据文献资料显示,世界范围内已有大量电池荷电状态的估计方法,而其中,基于模型的荷电状态估计方法被认为是最流行也是最具前途的荷电状态估计方法。
然而,现有的基于模型的荷电状态方法均有其各自的缺点,不能很好的满足目前电动汽车等领域对电池荷电状态估计的要求。如卡尔曼滤波器方法能在电池模型存在高斯噪声时仍能较好的估计电池的荷电状态,但其需要精确的电池模型,且其运算量较大,在电动汽车等实时性要求较高的场合将大大提高系统的成本;龙伯格观测器方法虽然结构简单,运算量小,但其大大依赖于电池的模型精度,如果电池模型稍有误差,其估算误差也会大大加大。
综上所述,基于模型的方法由于其特殊结构,能有效的提高电池荷电状态的估计精度。然而,现有的基于模型的方法要么大大依赖于电池模型的精度,要么运算量大,算法过于复杂,没有一种较好的解决以上问题的算法。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种用于电池荷电状态估计方法,以降低其对模型精度的依赖,提高估计精度,简化算法,使算法能更好的应用于实际应用中。
为了达到上述目的,本发明采用的技术方案是:
一种用于电池荷电状态估计方法,包括以下步骤:
第一步,用电流传感器P和电压传感器R分别测得在电池负载O作用下电池Q上的电池电流T和电池电压y;
第二步,将电池电流T输入电池模型U中计算,并输出计算所得电池电压
第三步,将测得的电池电压y和计算所得电池电压分别输入比较器V进行比较,并获得电压误差S;
第四步,将电压误差S分别经过两个途径输入第三累加器3,第一途径为电压误差S乘上比例系数Kp,然后再输入第三累加器3;第二途径为电压误差S乘上积分系数Ki1,并经过一个积分环节再乘上积分系数Ki2,最后输入第三累加器3;
第五步,第三累加器3将以上两条途径所得值进行累加并输入电池模型U中的第一累加器1中。
所述电池模型U的计算过程为:测得的电池电流T分成两个途径输入第二累加器2,第一途径为电池电流T乘以第四模型系数D后输入第二累加器2;第二途径为电池电流T乘以第二模型系数B后输入第一累加器1,并经过一个积分环节再乘上第三模型系数C,最后输入第二累加器2,电池电流T乘以第二模型系数B后输入第一累加器1,经过上述积分环节的信号再乘以第一模型系数A再输入第一累加器1,第二累加器2处理过的数据即为计算所得电池电压
所述电流传感器P为霍尔电流传感器,或为分流器类可测量电流的器件。
所述电池Q为锂离子电池、铅酸电池、镍氢电池或镍铬电池等。
所述电池模型U为电化学模型、等效电路模型或数学模型。
所述比例系数Kp、积分系数Ki1为一维数值或多维数组。
用于电池荷电状态估计方法采用连续域的形式,在实际应用中将其进行离散化,不影响实施。
本发明将电压误差通过比例系数和积分系数反馈回电池模型中,校正电池模型,从而使所获得的状态估计值能更加的精确;而由于反馈回电压误差的积分量,从而使该系统具有更强的鲁棒性,估计速度也将大大提高,具有估计精度高、算法简单等优点。
附图说明
图1为本发明的流程图。
图2为本发明采用的电路模型的等效电路图。
图3为本发明实施例中电池初始荷电状态已知情况下的估计结果图。
图4为本发明实施例中电池初始荷电状态未知情况下的估计结果图。
具体实施方式
下面结合附图对本发明作详细描述。
参照图1,一种用于电池荷电状态估计方法,包括以下步骤:
第一步,用电流传感器P和电压传感器R分别测得在电池负载O作用下电池Q上的测得的电池电流T和电池电压y;
第二步,将测得的电池电流T输入电池模型U中计算,并输出计算所得电池电压
第三步,将测得的电池电压y和计算所得电池电压分别输入比较器V进行比较,并获得电压误差S;
第四步,将所得的电压误差S分别经过两个途径输入第三累加器3,第一途径为电压误差S乘上比例系数Kp,然后再输入第三累加器3;第二途径为电压误差S乘上积分系数Ki1,并经过一个积分环节再乘上积分系数Ki2,最后输入第三累加器3;
第五步,第三累加器3将以上两条途径所得值进行累加并输入电池模型U中的第一累加器1中。
所述的电池模型U的计算过程为:测得的电池电流T分成两个途径输入第二累加器2,第一途径为电池电流T乘以第四模型系数D后输入第二累加器2;第二途径为电池电流T乘以第二模型系数B后输入第一累加器1,并经过一个积分环节再乘上第三模型系数C,最后输入第二累加器2,电池电流T乘以第二模型系数B后输入第一累加器1,经过上述积分环节的信号再乘以第一模型系数A再输入第一累加器1,第二累加器2处理过的数据即为计算所得电池电压
所述电流传感器P为霍尔电流传感器,或为分流器类可测量电流的器件。
所述电池Q为锂离子电池、铅酸电池、镍氢电池或镍铬电池。
所述电池模型U为电化学模型、等效电路模型或数学模型。
所述比例系数Kp、积分系数Ki1为一维数值或多维数组。
用于电池荷电状态估计方法采用连续域的形式,在实际应用中将其进行离散化,不影响实施。
下面给出一个具体实施例:
需要说明的是,本实施例只是本发明的一种实施方式,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员可以根据本发明作出各种相应的改变和变形,但这些改变和变形均应属于本发明所附的权利要求的保护范围。
本实施例所采用的电池为锂离子电池,参照图2为本发明选用的电池模型(一阶RC模型),该模型可写成标准状态方程形式,如下式所示:
其中A、B、C、D分别为本发明所述的第一模型参数A、第二模型参数B、第三模型参数C和第四模型参数D。
本实施例中,电路传感器采用霍尔电流传感器,电池负载为模拟电动汽车行驶工况的电流需求,采用模数转换器采集电池两端的电压。电流传感器所采集得到的电流值输入如图2所示的电池模型中,并得到计算所得电池电压,该计算所得电池电压与测得的电池电压进行比较获得电压误差。比例系数和积分系数通过LQ或极点配置等方式获得,从而将电压误差的比例值和积分值反馈回电池模型中。
参照图3为本实施例在电池初始荷电状态已知的情况下估计所得荷电状态与参考荷电状态的比较情况,从图中可以看出,通过本发明,可以有效的估计电池的荷电状态,且估计精度较高。
参照图4为本实施例在电池初始荷电状态未知的情况下估计所得的荷电状态与参考荷电状态的比较情况,从图中可以看出,本发明可以有效的应对电池初始荷电状态未知的情况,并能在很短的时间内达到估计所得的荷电状态与参考荷电状态基本一致。并且,在估计过程达到稳定的情况下,整个估计的误差都非常小,具有很高的估计精度。
Claims (6)
1.一种用于电池荷电状态估计方法,其特征在于,包括以下步骤:
第一步,用电流传感器(P)和电压传感器(R)分别测得在电池负载(O)作用下电池(Q)上的测得的电池电流T和电池电压y;
第二步,将电池电流T输入电池模型(U)中计算,并输出计算所得电池电压
第三步,将测得的电池电压y和计算所得电池电压分别输入比较器(V)进行比较,并获得电压误差S;
第四步,将电压误差S分别经过两个途径输入第三累加器(3),第一途径为电压误差S乘上比例系数Kp,然后再输入第三累加器(3);第二途径为电压误差S乘上积分系数Ki1,并经过一个积分环节再乘上积分系数Ki2,最后输入第三累加器(3);
第五步,第三累加器(3)将以上两条途径所得值进行累加并输入电池模型(U)中的第一累加器(1)中;
所述的电池模型(U)的计算过程为:测得的电池电流T分成两个途径输入第二累加器(2),第一途径为电池电流T乘以第四模型系数D后输入第二累加器(2);第二途径为电池电流T乘以第二模型系数B后输入第一累加器(1),并经过一个积分环节再乘上第三模型系数C,最后输入第二累加器(2),电池电流T乘以第二模型系数B后输入第一累加器(1),经过上述积分环节的信号再乘以第一模型系数A再输入第一累加器(1),第二累加器(2)处理过的数据即为计算所得电池电压
2.根据权利要求1所述的一种用于电池荷电状态估计方法,其特征在于:所述电流传感器(P)为霍尔电流传感器,或为分流器类可测量电流的器件。
3.根据权利要求1所述的一种用于电池荷电状态估计方法,其特征在于:所述电池(Q)为锂离子电池、铅酸电池、镍氢电池或镍铬电池。
4.根据权利要求1所述的一种用于电池荷电状态估计方法,其特征在于:所述电池模型(U)为电化学模型、等效电路模型或数学模型。
5.根据权利要求1所述的一种用于电池荷电状态估计方法,其特征在于:所述比例系数Kp、积分系数Ki1为一维数值或多维数组。
6.根据权利要求1所述的一种用于电池荷电状态估计方法,其特征在于:用于电池荷电状态估计方法采用连续域的形式,在实际应用中将其进行离散化,不影响实施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310642274.6A CN103675703B (zh) | 2013-11-30 | 2013-11-30 | 一种用于电池荷电状态估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310642274.6A CN103675703B (zh) | 2013-11-30 | 2013-11-30 | 一种用于电池荷电状态估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103675703A CN103675703A (zh) | 2014-03-26 |
CN103675703B true CN103675703B (zh) | 2016-02-24 |
Family
ID=50313857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310642274.6A Active CN103675703B (zh) | 2013-11-30 | 2013-11-30 | 一种用于电池荷电状态估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103675703B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502859B (zh) * | 2014-12-31 | 2017-06-16 | 清华大学深圳研究生院 | 电池荷电量及电池健康状态的检测、诊断方法 |
CN105487017B (zh) * | 2016-01-22 | 2018-07-03 | 国网黑龙江省电力有限公司检修公司 | 一种变电站ups用阀控式密封铅酸蓄电池状态估计与预测方法 |
CN106872899B (zh) * | 2017-02-10 | 2019-06-18 | 泉州装备制造研究所 | 一种基于降维观测器的动力电池soc估计方法 |
EP3435101A1 (de) * | 2017-07-26 | 2019-01-30 | INVENOX GmbH | Verfahren und vorrichtung zur überwachung eines stabilen konvergenzverhaltens eines kalman-filters |
CN110308396B (zh) * | 2019-07-03 | 2020-09-25 | 华人运通(江苏)技术有限公司 | 电池状态监测方法、边缘处理器、系统及存储介质 |
CN111190109B (zh) * | 2020-01-07 | 2021-01-05 | 西北工业大学 | 一种无电流传感器的锂电池荷电状态估计方法 |
CN111505504B (zh) * | 2020-04-30 | 2022-07-19 | 中国科学院深圳先进技术研究院 | 一种电池荷电状态估计方法及估计器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1336857A1 (fr) * | 2002-02-13 | 2003-08-20 | Peugeot Citroen Automobiles SA | Système de détermination de l'état de charge d'une batterie, notamment pour véhicule automobile |
CN101551444A (zh) * | 2008-04-03 | 2009-10-07 | 现代自动车株式会社 | 用于估算电池剩余电量的方法 |
CN103328997A (zh) * | 2011-01-18 | 2013-09-25 | 康奈可关精株式会社 | 电池的充电率估计装置 |
CN103389468A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 电池荷电状态观测器 |
-
2013
- 2013-11-30 CN CN201310642274.6A patent/CN103675703B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1336857A1 (fr) * | 2002-02-13 | 2003-08-20 | Peugeot Citroen Automobiles SA | Système de détermination de l'état de charge d'une batterie, notamment pour véhicule automobile |
CN101551444A (zh) * | 2008-04-03 | 2009-10-07 | 现代自动车株式会社 | 用于估算电池剩余电量的方法 |
CN103328997A (zh) * | 2011-01-18 | 2013-09-25 | 康奈可关精株式会社 | 电池的充电率估计装置 |
CN103389468A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 电池荷电状态观测器 |
Non-Patent Citations (2)
Title |
---|
Sigma-point Kalman filter application on estimating battery SOC;Liye Wang等;《Vehicle Power and Propulsion Conference, 2009. VPPC "09. IEEE》;20091231;1592-1595 * |
电动汽车用锂离子电池荷电状态估计算法的研究;夏晴;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20120515(第05期);C042-660 * |
Also Published As
Publication number | Publication date |
---|---|
CN103675703A (zh) | 2014-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103675703B (zh) | 一种用于电池荷电状态估计方法 | |
CN103197251B (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
CN102680795B (zh) | 一种二次电池内阻的实时在线估计方法 | |
Dong et al. | Kalman filter for onboard state of charge estimation and peak power capability analysis of lithium-ion batteries | |
CN107037374B (zh) | 一种锂离子电池的soc和soh联合估计方法 | |
CN100492751C (zh) | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 | |
CN104502858B (zh) | 基于后向差分离散模型的动力电池soc估计方法与系统 | |
CN103257323B (zh) | 一种锂离子电池剩余可用能量的估计方法 | |
CN110286332B (zh) | 一种基于多新息理论的电动汽车动力电池soc估计方法 | |
CN105954679B (zh) | 一种锂电池荷电状态的在线估计方法 | |
CN106772081B (zh) | 基于扩展等效电路模型的电池极限充放电电流估计方法 | |
CN102937704A (zh) | 一种动力电池rc等效模型的辨识方法 | |
CN106842060A (zh) | 一种基于动态参数的动力电池soc估算方法及系统 | |
CN104535932A (zh) | 一种锂离子电池荷电状态估计方法 | |
CN103744026A (zh) | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 | |
CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
CN106154171A (zh) | 建立电池直流内阻函数的方法 | |
CN105044606B (zh) | 一种基于参数自适应电池模型的soc估计方法 | |
CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
CN103529398A (zh) | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 | |
CN106354962A (zh) | 基于分频表征的磷酸铁锂电池分数阶等效电路模型建立方法 | |
CN106932726A (zh) | 一种电芯健康状态检测方法 | |
CN110146823A (zh) | 一种基于信息融合的串联电池组soc估计方法 | |
CN104865533B (zh) | 车载电源soc高精度显示方法 | |
CN103135066A (zh) | 一种分段磷酸铁锂电池电量的测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170308 Address after: The East Economic Development Zone Sanmenxia city Henan province 472000 (Hill Village, piedmont) Patentee after: Henan Suda Electric Automobile Technology Co. Ltd. Address before: 710049 Xianning Road, Shaanxi, China, No. 28, No. Patentee before: Xi'an Jiaotong University |
|
TR01 | Transfer of patent right |