CN103675706B - 一种动力电池电荷量估算方法 - Google Patents

一种动力电池电荷量估算方法 Download PDF

Info

Publication number
CN103675706B
CN103675706B CN201310680956.6A CN201310680956A CN103675706B CN 103675706 B CN103675706 B CN 103675706B CN 201310680956 A CN201310680956 A CN 201310680956A CN 103675706 B CN103675706 B CN 103675706B
Authority
CN
China
Prior art keywords
soc
value
estimation
circuit voltage
open
Prior art date
Application number
CN201310680956.6A
Other languages
English (en)
Other versions
CN103675706A (zh
Inventor
张向文
周俊赵
许勇
党选举
伍锡如
莫太平
潘明
任风华
Original Assignee
桂林电子科技大学
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 桂林电子科技大学 filed Critical 桂林电子科技大学
Priority to CN201310680956.6A priority Critical patent/CN103675706B/zh
Publication of CN103675706A publication Critical patent/CN103675706A/zh
Application granted granted Critical
Publication of CN103675706B publication Critical patent/CN103675706B/zh

Links

Abstract

本发明为一种动力电池电荷量估算方法,步骤如下:Ⅰ、开路电压法取得SOC与开路电压的函数关系;Ⅱ、测得SOC的初值;Ⅲ、采样和取得无迹卡尔曼滤波的SOC估算初值;Ⅳ、根据电池状态方程和观测方程,进行无迹卡尔曼滤波的UT变换的Sigma点采样,得到观测量的预估值,估算动力电池下一时刻的SOC估算值和协方差。本发明采用开路电压法和无迹卡尔曼滤波相互配合进行SOC估算,估算的精度高,用开路电压法得到SOC初始值,并进行SOC估算修正,提高了估算精度,无迹卡尔曼滤波无线性化近似过程,减少了误差,计算速度快,提高了SOC估算效率。

Description

-种动力电池电荷量估算方法
技术领域
[0001] 本发明设及电动汽车电池管理技术领域,具体为一种动力电池电荷量估算方法。
背景技术
[0002] 电池管理系统是实现电动汽车能源分配的关键组成部分,在电池管理系统中估算 电池电荷状态(SOC)是其关键技术之一。目前电动汽车的续航里程有限,在电动汽车行驶 的过程中,需要实时根据电池的剩余电量提示驾驶员当前的续航里程。在实际使用时,由于 电动汽车在起步、加速、匀速、减速和停车等动作的过程中,动力电池所对应的电流大小是 不一样的,而且动力电池本身的工作特性呈现高度非线性,再加上电池工作环境复杂和干 扰严重。且电池电荷量SOC的实时估算受到电池电压、溫度、电池老化程度和充放电效率等 多个状态参数的影响,因此要准确地估算SOC当前值非常困难。另外,由于电动汽车的整车 能量分配只有参考当前SOC的大小,才能提高电池的利用率,减少能量的浪费,从而增加电 动汽车的续航里程,所W提高SOC的估算精确度具有很高的实际意义和研究价值,成为当 前研究的热点。
[0003] 现有的SOC估算方法有很多种,主要有:开路电压法、放电试验法、安时计量法、负 载电压法、内阻法、卡尔曼滤波法和神经网络法等。但运些电池SOC估算方法均存在一定缺 陷。
[0004] 开路电压法在电池没有工作或者电流极小的情况下,测量得到电池的端电压,用 开路端电压与SOC关系求得S0C。开路电压法主要是用于电池的充放电开始或者结束过程, 动力电池在静置时的开路电压能够准确的估算出电池SOC的大小。由于电池在实际使用过 程中并不存在开路,只有在电池静置的时候才能使用,在电池使用中动态的情况下动力电 池的端电压不能用来估算电池的S0C。
[0005] 安时计量法通过对测量电流进行积分,从而求得SOC大小。其不足如下:首先,利 用安时计量法无法求得SOC初值;其次,安时计量法的估算精度受电流测量传感器的精度 影响很大;最后,安时计量法本身存在估算误差累计,所W安时计量法不能单独用于SOC估 算。
[0006] 为了解决SOC估算误差大和估算初值难的问题,2012年,罗玉涛、谢斌和何小颤在 华南理工大学学报(自然科学版)第40卷第12期,第79-84页上发表文章"电动汽车裡离 子电池组参数辨识与SOC估计",提出了一种能修正初始误差的电荷状态估算方法,即采用 扩展卡尔曼滤波与安时计量法相组合的估算方法。运种方法的结合可W有效的减少由于安 时计量法引起的估算误差累积,并在估算时对SOC初值没有太大的要求,由论文可W知道 经过一段时间SOC能够趋近于真实值。不过运种方法存在W下的问题:首先,扩展卡尔曼滤 波中要计算复杂的雅可比矩阵,运样会由于计算过程复杂增加估算时间;其次,要对非线 性的函数进行线性化,线性化的过程影响了估算过程的精度,也增加了估算误差;最后,给 定初值与实际值相差过大时,SOC估算误差就会增加且比较大,并且在趋近真实的过程中耗 时比较长。
发明内容
[0007] 本发明的目的是提供一种动力电池电荷量估算方法,本方法使用开路电压法和无 迹卡尔曼滤波相互配合进行SOC估算,由安时计量法和电池等效电路模型方程组合得到动 力电池的状态方程,电池端电压的方程为本方法的测量方程,实现SOC的估算。减少动力电 池SOC估算所需时间,减少因SOC初始值而引起的误差,提局估算精度。
[0008] 本发明设计的一种动力电池电荷量估算方法,具体包括如下步骤:
[0009] I、开路电压法取得SOC与开路电压的函数关系
[0010] 电池充满电,静置时间T,根据实验设置电池充电或放电后达到开路端电压稳定的 静置时间T,T=50~100分钟;至开路电压稳定后,测量电池开路电压;
[0011] 再对电池多次放电,每次放电使电池电量减少10%,电池放电后静置时间T后、开 路电压稳定,再测量电池开路电压,依次循环,得到电池开路电压和SOC的对应关系,最后 通过Matl油高阶曲线拟合得到SOC和开路电压的函数关系,
[0012] 〇JJk=F[SOCG0]
[001引式中:SOC似是k时刻SOC大小,OJJk为k时刻动力电池的开路电压。
[0014] 再由上述SOC和开路电压的函数关系建立电池开路电压与SOC对应的数据表。
[001引 II、测得SOC的初值
[0016] 启动电动汽车前,用备用电源供电,测得启动前动力电池的开路电压,再根据步骤 I所得的电池开路电压与SOC的函数关系,由所测启动前开路电压估算得到启动前的SOC 值,W此SOC值作为W下步骤中动力电池估算的初值。
[0017] 当取得电池开路电压与SOC对应的数据表,通过查表由所测启动前开路电压估算 得到启动前的SOC值。
[001引III、采样和取得SOC估算初值
[0019] 本发明的动力电池等效电路模型为极化电容和极化电阻并联的阻容电路串联动 力电池开路电压U。。、电容Cpb和电池内阻R。,连接负载后电路中总电流为I。电容Cpb模拟 电池吸收和放出电量的特性,并随着时间的积累而产生开路电压U。。变化。
[0020] 安时计量法计算公式如下:
Figure CN103675706BD00071
[0022] 式中SOC化-1)是k-1时刻SOC值,C。为动力电池额定容量,n为库伦效率。根据 动力电池等效电路模型得到的状态方程矩阵和测量方程,如下:
Figure CN103675706BD00072
[0024] yk=u〇c-aWk-ajjk-〇j〇)k+Wk
[00巧]式中XXk为k时刻系统状态二维向量,yk为k时刻系统观测向量,R。为电池内阻, Rpp为极化电阻,Cpp为极化电容,T=RppCpp, At为采样周期,Cpb为电容,y为动力电池等效电 路的端电压,U。。动力电池的开路电压,Upb为电容Cpb的电压,Upp为极化电容Cpp上的电压, u。为动力电池的内阻电压,表达式中k和k-1为采样时刻。V V k为观测噪声,Wk为系统噪 声。
[0026] 根据上述动力电池等效模型和安时计量法所得公式,对动力电池充放电效率进行 辨识,离散化后的动力电池的状态方程和观测方程如下:
[0027] 动力电池状态方程:
Figure CN103675706BD00081
[002引云力力电池观巧1]方程:Yk=Uoc- (Upb) k_扣邮)k_扣〇) k+Wk [0030] 简化动力电池状态方程与观测方程得:
[0031 ] Xk=f (Xk I, Ik i) + V Yk=h (Xk, Ik i) +Wk
[00础式中,Xk为k时刻系统状态立维向量,X k I为k-1时刻系统状态向量,SOC k为k时 亥Ij SOC大小,yk为k时刻系统观测向量,V k为观测噪声,W k为系统噪声,C。为电池容量。
[0033] 设置电池最小工作电流5,5 =(〇. 008~0. 012)C (A),其中C是W库伦为单位的 动力电池额定容量数值,当电流值小于或等于5时认为动力电池是小电流工作或者是停 止工作;
[0034] 队直定电压给动力电池充电,规定充电截止时的电流值为S,对实时采样电流大 小进行判断,当采样电流小于或等于设定电流值5时,开始电流采样时间计时,此时t=t。, 同时在计时过程中使用无迹卡尔曼滤波估算SOC值,当计时时间t大于或等于步骤I中动 力电池静置时间T、且电流还小于或等于最小设定电流S,采用开路电压法估算S0C,通过 开路电压估算所得SOC值作为初始S0C,用SOC (0)表示。通过SOC (0)对无迹卡尔曼滤波 估算方法的SOC进行修正,同时作为下一步无迹卡尔曼滤波的估算初值;当计时时间t小于 步骤I中动力电池静置时间T、采样电流大于S,则W前一步无迹卡尔曼滤波所得SOC估算 值作为当前无迹卡尔曼滤波的估算初值。
[0035] IV、根据电池状态方程和观测方程,进行无迹卡尔曼滤波的UT变换的Sigma点采 样,得到SOC估算值
[0036] IV -1、初始化无迹卡尔曼滤波
[0037] 而二巧.Y,,],气,二巧(V-有)的-,
[003引 X。为初始化值,焉为样本均值,P。为协方差。
[0039] 在启动电池管理系统时,按步骤II测得的SOC初值为无迹卡尔曼滤波初始化值X。。 而在无迹卡尔曼滤波继续进行过程中,前一步的SOC估算值作为当前的无迹卡尔曼滤波估 算初值。
Figure CN103675706BD00082
[0041] 其中 0. 0001<P"《1 ;0.0 OKP 22《1 ;〇. OOOKP 33《1 ;
[0042] 当出现计时时间t大于步骤I中动力电池静置时间T、且电流还小于最小设定电 流S,采用开路电压法估算所得SOC值作为当前的无迹卡尔曼滤波估算初值。
[0043] IV -2、S i gma采样点的计算
[0044] 采样点总共有2N+1个,N=Nx+Nv+N",Nx为动力电池状态方程状态向量维数,N V为状 态噪声维数,为观测噪声维数,由步骤III的动力电池状态方程和观测方程得:系统状态向 量维数N,=3,状态噪声维数Ny=3,测量噪声维数N"=l,故N=7。采样点为:
Figure CN103675706BD00091
[0048]其中:
[004引 为k-1时刻状态估算值,Pk 1为k-1时刻的协方差,在初始化时兩_,=而, Pk i=P。。人是控制每个采样点到均值之间的距离参数,称调节参数或比例因子; 入=a2(n+0-n,n是状态方程的维数,a是高阶换算因子,高阶换算因子a决定采样点状 态估算值布_1周围Sigma点的分布状态,0< a <1 ;
[0050] (去?+又做、是矩阵如?+人巧_1的第i行或列;
[0051] C为次级采样因子,C =3-n ;
[0052] IV-3、时间更新
[0053] 对步骤IV -2得到的Sigma采样点进行无迹卡尔曼滤波的UT变换。
[0054] 变换后的采样点为:
[0055] (丫 k 1) i=f (( X k 1) 1,Ik 1),i=〇, . . . 14
[0056] 用加权平均计算SOC状态变量的状态平均值的预估值荀和协方差的预估值Pkik 1,
Figure CN103675706BD00092
[005引其中为权重因子,
Figure CN103675706BD00093
[0062] 其中:Qk为扰动噪声协方差矩阵,
Figure CN103675706BD00094
[0064] 0《0. 1,0《Q22《0. 1,〇《Q33《0. 1,
[0065] 进行权重计算
Figure CN103675706BD00101
[0068] e是权重参数,e的取值为0或2,其值直接影响协方差的精度。
[0069] IV-4、测量更新
[0070] 对步骤III简化的观测方程进行Sigma点变换,得到观测量的采样点(Yk) 1,W及观 测量预估值奇。
Figure CN103675706BD00102
[0074] Py是观测量预估值的协方差值,Py是一维矩阵,
[00巧]其中R是测量噪声协方差矩阵,0.0 l < R《4。
[0076] IV -5、估算动力电池SOC估算值和协方差
Figure CN103675706BD00103
[0079] Xkik为状态估算值,Pkik为估算协方差,Gk为卡尔曼增益,Z k为k时刻电池端电压测 量值,通过W上步骤得到k时刻的状态估算值% =¾,估算协方差Pk=Pkik,从而得到SOC在 k时刻的估算值。
[0080] 完成k时刻的状态变量和估算协方差的更新,然后返回到步骤IV-2,进行k+1时刻 的系统状态估算。
[0081] 与现有技术相比,本发明一种动力电池电荷量估算方法的优点为:1、采用开路电 压法和无迹卡尔曼滤波相互配合进行SOC估算,无迹卡尔曼滤波中的UT变换是计算随机变 量的非线性变换的一种方法,无迹卡尔曼滤波均值的计算准确度比扩展卡尔曼滤波要高, 而协方差的准确度与之相近;因此本法比采用扩展卡尔曼滤波对SOC估算的精度高;2、本 法根据动力电池开路端电压与SOC的函数关系,得到SOC初始值,并在小电流过程中对SOC 估算修正,提高了无迹卡尔曼滤波的估算精度,也减少了由于初值误差过大引起的SOC估 算误差,提高了本估算方法的整体精度;3、无迹卡尔曼滤波不需要计算扩展卡尔曼滤波中 的雅可比矩阵,也不需要线性化状态向量,减少由于线性化过程中引入的误差,而且计算 速度快,更节省动力电池SOC的估算时间,提高了 SOC估算效率。
附图说明
[0082] 图1为本动力电池电荷量估算方法实施例流程图;
[0083] 图2为开路电压法取得SOC与开路电压的函数关系的流程图;
[0084] 图3为图1中动力电池有效电路模型图;
[0085] 图4为图I中获得下一步无迹卡尔曼滤波SOC估算初值的方法流程图;
[0086] 图5为图1中无迹卡尔曼滤波SOC估算流程图。
具体实施方式
[0087] 本动力电池电荷量估算方法实施例,
[008引动力电池为憐酸铁裡电池组,额定容量Cn=SOAh。
[0089] 设置电池最小工作电流5 =(0. 008~0.012)C,本例5=0. 5 (A)。
[0090] 根据实验结果,设置电池充电或放电后达到开路端电压稳定的静置时间T=60分 钟,
[0091] 采样周期 At=IOOms
[0092] 本例流程如图1所示,包括如下步骤:
[0093] I、开路电压法取得SOC与开路电压的函数关系
[0094] 本例的开路电压法取得SOC与开路电压的函数关系如图2所示,电池充满电,静置 时间T=I小时,开路电压稳定后,测量电池开路电压巧对电池多次放电,每次放电使电池 电量减少10%,电池放电后静置相同的1小时后、开路电压稳定,再测量电池开路电压,依次 循环,得到电池开路端电压和SOC的对应关系,最后通过Matlab高阶曲线拟合得到SOC和 开路电压的函数关系,
[009引(Ujk=F[SOCG0]
[009引式中:SOC似是k时刻SOC大小,OJJk为k时刻动力电池的开路电压。
[0097] 再由SOC和开路电压的函数关系,建立电池开路电压与SOC对应的数据表,见表1。 表1中第一列A列为SOC的十位数除W 10,第一行B行SOC的个位和十分位数乘10,其余 的行和列中为对应A、B组合的SOC值的开路电压值U。。,S0C=A*10+B*0. 1。
[009引当所测得的动力电池端电压为U0c=76. 66V,通过从表得到此值所处的行A=Ai=I,所 处的列B=Be=0.00 ,那么得到的SOC为
[0099] S0C=A*10+B*0. 1=10。
[0100] 如果测得的开路电压值,处于两列之间,用插值法计算其对应的B值。如 U〇c=76. 68v查表得其所处行为A=Ai=I,所处列为Bo=0.00 与Bi=I. 00之间,取B= (B〇+Bi) /2=0. 5, S0C=A*10+B*0. 1=10. 05 ;
[0101] 表1电池开路电压与SOC对应的数据表
Figure CN103675706BD00111
[01 0引 II、测得SOC的初值
[0104]启动电动汽车前,用备用电源供电,测得动力电池的开路电压U〇c=79. 148V,再由步 骤I的表1,由所测开路电压查表得到启动前的SOC值为60, W此SOC值作为W下步骤中动 力电池估算的初值,即本例t=0时刻SOC(O) =60。
[0105] III、采样和取得无迹卡尔曼滤波的SOC估算初值
[0106] 本例的动力电池等效电路模型如图3所示,为极化电容和极化电阻并联的阻容电 路串联动力电池开路电压U。。、电容Cpb和电池内阻R。,连接负载后电路中总电流为I。电容 Cpb模拟电池吸收和放出电量的特性,并随着时间的积累而产生开路电压U。。变化。
[0107] 根据动力电池等效模型和安时计量法所得公式,对动力电池充放电效率进行辨 识,状态方程和观测方程如下:
[010引动力电池状态方程:
Figure CN103675706BD00121
|;0110]云力力电池观测方程:Yk=Uoc- (Upb) k_扣邮)k_扣〇) k+Wk,
[0111] 简化动力电池状态方程与观测方程得:
[011 引 Xk=f (Xk 1,Ik 1) + V k,yk=h (而,Ik 1) +Wk,
[011引式中,Xk为k时刻系统状态立维向量,X k I为k-1时刻系统状态向量,y k为k时刻 系统观测向量,Vk为观测噪声,Wk为系统噪声,C。为电池容量。本实施例的动力电池通过 实验得到库伦效率n =0.98, U。。为动力电池的开路电压,R PP为极化电阻,C PP为极化电容, T =RppCpp,A t为采样周期,U。为动力电池的内阻电压,C Pb为电容,U Pb为电容C Pb的电压,U PP 为极化电容Cpp上的电压,I k 1为k-1时刻的电流大小。
[0114] 如图4所示,W恒定电压给动力电池充电,本例充电截止时的电流值为5=0.5 (A)。在动力电池充放电过程中对实时采样电流大小进行判断,当采样电流的绝对值小于或 等于设定电流值5时,开始电流采样时间计时,t=te=0,同时在计时过程中使用无迹卡尔曼 滤波估算SOC值,当计时时间t大于或等于步骤I中动力电池静置时间T、且电流还小于或 等于最小设定电流S,说明动力电池为小电流工作或者是停止工作,则采用步骤I所得的 电池开路电压与SOC对应的数据表,查表得到SOC值,此SOC值作为初始SOC值,用SOC(O) 表示。通过SOC (0)对本估算方法的SOC进行修正,同时作为下一步无迹卡尔曼滤波的估 算初值。当计时时间t小于步骤I中动力电池静置时间T、采样电流值大于5,则W当前无 迹卡尔曼滤波所得SOC估算值作为下一步无迹卡尔曼滤波的估算初值。
[0115] IV、根据电池状态方程和观测方程,进行无迹卡尔曼滤波的UT变换的Sigma点采 样,得到SOC估算值
[0116] 如图5所示,
[0117] IV -1、初始化无迹卡尔曼滤波 [om] 焉=怎U,],巧=巧(而-如(而-而)r],
[0119] X。为初始化值,而为样本均值,P。为协方差。
[0120] 在启动电池管理系统时,W步骤II测得的SOC初值为无迹卡尔曼滤波初始化值X。,
Figure CN103675706BD00131
[0122]本例取 Pii=0.0 〇5 ;P22=0. 〇7 ;P33=〇. 〇〇5,
Figure CN103675706BD00132
[0124] 在无迹卡尔曼滤波继续进行过程中,前一步的SOC估算值作为当前的无迹卡尔曼 滤波估算初值。
[0125] 当出现计时时间t大于步骤I中动力电池静置时间T、且电流还小于或等于最小 设定电流S,采用开路电压法估算所得SOC值作为当前的无迹卡尔曼滤波估算初值。
[0126] IV-2、Sigma采样点的计算
[0127] 采样点总共有2N+1个,N=N,+Ny+N",N,为动力电池状态方程状态向量维数,N y为状 态噪声维数,为观测噪声维数,由步骤IV的动力电池状态方程和观测方程得:系统状态向 量维数N,=3,状态噪声维数Ny=3,测量噪声维数N"=l,故N=7。采样点为:
Figure CN103675706BD00133
[0131]其中:
[013引 1为k-1时刻状态估算值,Pk 1为k-1时刻的协方差,在初始化时起-1 =馬, Pk i=P。。人是控制每个采样点到均值之间的距离参数,称调节参数或比例因子; 入=a2(n+0-n,n是状态方程的维数,故n=3, a是高阶换算因子,高阶换算因子a决定 状态估算值电_1周围Sigma点的分布状态,0< a <1,通过实验得到本例动力电池a =0.0 l ;
[0133] (•^(打+入)巧_,),是矩阵•^(巧+ ^巧_1的第i行或列;
[0134] C为次级采样因子,由状态方程得知,其维数为3, C =3-n=0 ;
[0135] IV-3、时间更新
[0136] 对步骤VI -2得到的Sigma采样点进行无迹卡尔曼滤波的UT变换
[0137] 变换后的采样点为:
[013 引(Yki)i=f((Xki)i,Iki),i=0,...14
[0139] 用加权平均计算SOC状态变量的状态平均值的预估值I.和协方差的预估值Pkik 1,
Figure CN103675706BD00134
[0141] 其中:巧;*为权重因子,
Figure CN103675706BD00135
/=〇
Figure CN103675706BD00141
[0144] Qk为扰动噪声协方差矩阵,本例取Q 11=0. 0008媒2=〇. 007媒3=〇. 005,
Figure CN103675706BD00142
[0146] 进行权重计算
Figure CN103675706BD00143
[0149] 0是权重参数,0的大小直接影响协方差的精度,本实施例为了能够准确的估算 设 0=2。
[0150] IV-4、测量更新
[0151] 对步骤III的观测方程进行Sigma点变换,得到观测量的采样点(Yk) 1,W及观测量 预估值 ;〇:
Figure CN103675706BD00144
[0154] Py是观测量预估值的协方差值,其中R是测量噪声协方差矩阵,本例取R=O. 25。
[0155] IV -5、估算动力电池SOC的估算值和协方差,
Figure CN103675706BD00145
[0158] Xkik为状态估算值,Pkik为估算协方差,Gk为卡尔曼增益,Z k为k时刻的电池端电压 测量值,通过W上步骤得到k时刻的状态估算值苗,估算协方差Pk=Pkik,从而得到SOC 在k时刻和估算值。
[0159] 完成k时刻的状态变量和估算协方差的估算,然后返回步骤IV-2中,进行k+1时 刻的系统状态估算。
[0160] 当采用扩展卡尔曼滤波与安时计量法组合方法对动力电池电荷量进行估算时,扩 展卡尔曼滤波要对动力电池的状态方程和观测方程进行线性化,即进行Taylor展开,取其 一阶项,忽略高阶项,同时用雅克比(Jacobian)矩阵变换,得到线性化的状态方程。此过程 增加了估算误差和估算的难度。扩展卡尔曼滤波与安时计量法组合方法需要有自寻初值过 程,此过程需持续1个小时左右。
[0161] 本实施例的开路电压法结合无迹卡尔曼滤波估算SOC值,因无需线性化过程,简 化了估算过程也提高了估算精度。由开路电压法得到SOC初始值,并在小电流过程中对SOC 估算修正,进一步提高了无迹卡尔曼滤波的估算精度。
[0162] 上述实施例,仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体 个例,本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改 进等,均包含在本发明的保护范围之内。

Claims (6)

1. 一种动力电池电荷量估算方法,具体包括如下步骤: I、 开路电压法取得SOC与开路电压的函数关系 电池充满电,静置时间T,T = 50~100分钟,至开路电压稳定后,测量电池开路电压; 再对电池多次放电,电池放电后静置时间T后、开路电压稳定,再测量电池开路电压,依次 循环,得到电池开路电压和SOC的对应关系,最后通过Matlab高阶曲线拟合得到SOC和开 路电压的函数关系, (Uoc)k= F [SOC(k)] 式中:SOC(k)是k时刻SOC大小,(UJ^ k时刻动力电池的开路电压; II、 测得SOC的初值 启动电动汽车前,用备用电源供电,测得启动前动力电池的开路电压,再由步骤I所得 的电池开路电压与SOC对应的函数关系,由所测启动前开路电压估算得到启动前的SOC值, 以此SOC值作为以下步骤中动力电池估算的初值; III、 采样和取得无迹卡尔曼滤波的SOC估算初值 动力电池等效电路模型为极化电容和极化电阻并联的阻容电路串联动力电池开路电 压IV、电容Cpb和电池内阻R。,连接负载后电路中总电流为I,电容Cpb模拟电池吸收和放出 电量的特性,并随着时间的积累而产生开路电压IV变化; 根据上述动力电池等效模型和安时计量法所得公式,对动力电池充放电效率进行辨 识,离散化后的动力电池的状态方程和观测方程如下: 动力电池状态方程:
Figure CN103675706BC00021
云力力电池观测方程:yk= U oc- (Upb) k- (Upp) k- (U0) k+wk 简化动力电池状态方程与电池观测方程得: Xk= f (x k !, Ik j) + V k, yk= h (x k, Ik i) +wk, 式中,&为k时刻系统状态向量,x k i为k-1时刻系统状态向量,y # k时刻系统观测 向量,Vk为观测噪声,Wk为系统噪声,η为库伦效率,Rpp为极化电阻,C pp为极化电容,τ = RPPCPP,At为采样周期,U。为动力电池内阻R。的电压,Upb为电容C pb的电压Upb,Upp为极化 电容Cpp上的电压,C。为电池容量,I k k-Ι时刻的电流大小; 设置电池最小工作电流δ = (0. 008~0. 012)C,单位为安培,式中C是以库伦为单位 的动力电池额定容量数值,当电流值小于或等于S时认为动力电池是小电流工作或者是 停止工作; 以恒定电压给动力电池充电,充电截止时的电流值为δ,对实时采样电流大小进行判 断,当采样电流小于或等于设定电流值δ时,开始电流采样时间计时,此时t = t。,同时在 计时过程中使用无迹卡尔曼滤波估算SOC值,当计时时间t大于或等于步骤I中动力电池 静置时间T、且电流还小于或等于最小设定电流δ,采用开路电压法估算S0C,开路电压估 算所得SOC(O)值作为初始S0C,同时作为下一步无迹卡尔曼滤波的估算初值;当计时时间t 小于步骤I中动力电池静置时间T、采样电流大于δ,则以前一步无迹卡尔曼滤波所得SOC 估算值作为当前无迹卡尔曼滤波的估算初值; IV、根据电池状态方程和观测方程,进行无迹卡尔曼滤波的UT变换的Sigma点采样,得 到 SOC估算值; IV -1、初始化无迹卡尔曼滤波
Figure CN103675706BC00031
X(]为初始化值,1为样本均值,Pc为协方差; 在启动电池管理系统时,按步骤II测得的SOC初值为无迹卡尔曼滤波初始化值X。;而 在无迹卡尔曼滤波继续进行过程中,前一步的SOC估算值作为当前的无迹卡尔曼滤波估算 初值; 当出现计时时间t大于步骤I中动力电池静置时间T、且电流小于等于最小设定电流 δ,采用开路电压法估算所得SOC值作为当前的无迹卡尔曼滤波估算初值; IV -2、Sigma采样点的计算 采样点总共有2Ν+1个,N = Nx+Nv+Nw,Nx为动力电池状态方程状态向量维数,N ν为状态 噪声维数,凡为观测噪声维数,由步骤III的动力电池状态方程和观测方程得:系统状态向量 维数Nx= 3,状态噪声维数Nv= 3,测量噪声维数Nw= 1,故N= 7 ;采样点为
Figure CN103675706BC00032
其中: 为k-Ι时刻状态估算值,Pk i为k-Ι时刻的协方差,在初始化时L = %,: Pk P。; λ是控制每个采样点到均值之间的距离参数,称调节参数或比例因子;λ = α2(η+ζ)-η, η是状态方程的维数,α是高阶换算因子,高阶换算因子α决定状态估算值i周围Sigma 点的分布状态,〇〈α〈1 ;
Figure CN103675706BC00033
的第i行或列; ζ为次级采样因子,ζ = 3-n ; IV-3、时间更新 对步骤IV _2得到的sigma采样点进行无迹卡尔曼滤波的UT变换; 变换后的采样点为: (Yk i)i= f((x k i)i,Ik 1),i = 0,…14 用加权平均计算SOC状态变量的状态平均值的预估值氧和协方差的预估值Pklk p
Figure CN103675706BC00034
其中:W1"1为权重因子,
Figure CN103675706BC00035
Figure CN103675706BC00041
(\为扰动噪声协方差矩阵,进行权重计算
Figure CN103675706BC00042
β是权重参数,β彡0, β的大小直接影响协方差的精度; IV -4、测量更新 对步骤III简化的观测方程进行Sigma点变换,得到观测量的采样点(Yk)1,以及观测量 预估值芑. ,:
Figure CN103675706BC00043
Py是观测量预估值的协方差值,其中R是测量噪声协方差矩阵; IV -5、估算动力电池SOC的估算值和协方差,
Figure CN103675706BC00044
xk|k为状态估算值,Pklk为估算协方差,GkS卡尔曼增益,Z kSk时刻电池端电压测量 值,通过以上步骤得到k时刻的状态估算值元=,估算协方差Pk= P k|k,从而得到SOC在 k时刻的估算值; 完成k时刻的状态变量和估算协方差的更新,然后返回步骤IV-2中,进行k+Ι时刻的 系统状态估算。
2. 根据权利要求1所述的动力电池电荷量估算方法,其特征在于: 所述步骤I开路电压法取得SOC与开路电压的函数关系时,电池充满电后对电池多次 放电时,每次放电使电池电量减少10%,电池放电后静置时间T后、开路电压稳定,再测量 电池开路电压,依次循环,得到电池开路电压和SOC的对应关系。
3. 根据权利要求2所述的动力电池电荷量估算方法,其特征在于: 由SOC和开路电压的函数关系,建立电池开路电压与SOC对应的数据表,数据表中第一 列A列为SOC的十位数除以10,第一行B行为SOC的个位和十分位数乘以10,其余的行和 列中是对应A、B的SOC值的开路电压值1^,SOC = A*10+B*0. 1。
4. 根据权利要求1所述的动力电池电荷量估算方法,其特征在于: 所述步骤IV -1中协方差P。取值如下:
Figure CN103675706BC00051
5. 根据权利要求1所述的动力电池电荷量估算方法,其特征在于: 所述步骤IV -3中扰动噪声协方差矩阵(\取值如下
Figure CN103675706BC00052
6. 根据权利要求1所述的动力电池电荷量估算方法,其特征在于: 所述步骤IV -4中测量噪声协方差矩阵R的取值如下 0· Ol < R 彡 4〇
CN201310680956.6A 2013-12-13 2013-12-13 一种动力电池电荷量估算方法 CN103675706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310680956.6A CN103675706B (zh) 2013-12-13 2013-12-13 一种动力电池电荷量估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310680956.6A CN103675706B (zh) 2013-12-13 2013-12-13 一种动力电池电荷量估算方法

Publications (2)

Publication Number Publication Date
CN103675706A CN103675706A (zh) 2014-03-26
CN103675706B true CN103675706B (zh) 2016-04-13

Family

ID=50313860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310680956.6A CN103675706B (zh) 2013-12-13 2013-12-13 一种动力电池电荷量估算方法

Country Status (1)

Country Link
CN (1) CN103675706B (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439664B (zh) * 2013-08-22 2015-10-28 安徽安凯汽车股份有限公司 一种基于电流的纯电动汽车动力电池组容量标定方法
US9533598B2 (en) * 2014-08-29 2017-01-03 Ford Global Technologies, Llc Method for battery state of charge estimation
CN104280686B (zh) * 2014-10-13 2017-02-15 电子科技大学 一种蓄电池剩余电量检测方法
CN104483631A (zh) * 2014-12-12 2015-04-01 广西科技大学 一种噪声方差对soc滤波效果的测量方法
CN104537166B (zh) * 2014-12-19 2017-07-14 中国汽车技术研究中心 一种动力电池的等效电路模型的构建方法
CN104502858B (zh) * 2014-12-31 2017-07-14 桂林电子科技大学 基于后向差分离散模型的动力电池soc估计方法与系统
CN105068006A (zh) * 2015-06-24 2015-11-18 汪建立 一种基于库伦soc与电压soc相结合的快速学习方法
CN105182245A (zh) * 2015-09-08 2015-12-23 盐城工学院 基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法
CN105093129B (zh) * 2015-09-11 2017-12-19 国家电网公司 一种储能电池剩余容量检测方法
CN105116346A (zh) * 2015-09-15 2015-12-02 盐城工业职业技术学院 一种串联型锂离子电池系统及其荷电状态估计方法
CN105353314A (zh) * 2015-09-30 2016-02-24 盐城工学院 一种并联型电池系统荷电状态估计方法
CN105445671A (zh) * 2015-12-29 2016-03-30 北京航天测控技术有限公司 一种基于无迹粒子滤波的锂离子电池寿命预测方法
CN105629175A (zh) * 2015-12-29 2016-06-01 北京航天测控技术有限公司 一种基于无迹卡尔曼滤波的锂离子电池寿命预测方法
CN105790366B (zh) * 2016-04-19 2019-02-05 华北电力大学 超级电容组储能均压充放电控制系统及荷电状态估计方法
CN105974320B (zh) * 2016-04-27 2018-09-21 华中科技大学 一种液态或半液态金属电池荷电状态估计方法
CN106354901B (zh) * 2016-08-12 2019-10-22 北京宇航系统工程研究所 一种运载火箭质量特性及动力学关键参数在线辨识方法
CN106443478B (zh) * 2016-10-26 2019-03-01 河南师范大学 基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法
CN106553551B (zh) * 2016-11-18 2019-03-01 北京车和家信息技术有限公司 一种电池剩余能量获取方法、电池管理系统及电动汽车
CN108318819A (zh) * 2017-01-16 2018-07-24 上海蓝诺新能源技术有限公司 一种估算电池荷电状态的方法
CN106896324A (zh) * 2017-01-20 2017-06-27 东莞市德尔能新能源股份有限公司 一种soc估计方法
CN107632268A (zh) * 2017-09-20 2018-01-26 广东电网有限责任公司电力科学研究院 一种锂离子电池储能系统荷电状态在线标定方法及装置
CN107505578A (zh) * 2017-10-16 2017-12-22 西南交通大学 一种锂电池电荷状态估计的方法
CN107741569A (zh) * 2017-11-16 2018-02-27 温州大学 一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法
CN108928245A (zh) * 2018-05-17 2018-12-04 四川野马汽车股份有限公司 一种电动汽车动力电池soc的动态校准方法
CN109061481B (zh) * 2018-06-28 2020-10-09 奇瑞汽车股份有限公司 电池的荷电状态确定方法、装置及存储介质
CN109164392A (zh) * 2018-08-22 2019-01-08 清华大学深圳研究生院 一种动力电池的soc估算方法
CN109298351A (zh) * 2018-09-30 2019-02-01 清华大学深圳研究生院 一种基于模型学习的新能源车载电池剩余寿命估计方法
CN109239605B (zh) * 2018-11-01 2019-09-27 西南交通大学 一种磷酸铁锂动力电池soc估计方法
CN111257752B (zh) * 2018-11-30 2021-02-26 宁德时代新能源科技股份有限公司 剩余充电时间估算方法、装置、系统和存储介质
CN109444758A (zh) * 2018-12-03 2019-03-08 湖南金杯新能源发展有限公司 电池荷电状态估计方法、装置、存储介质及计算机设备
CN111289898A (zh) * 2018-12-06 2020-06-16 中国科学院大连化学物理研究所 一种金属/空气电池剩余电量估算方法
CN109917292B (zh) * 2019-03-28 2020-12-15 首都师范大学 一种基于daupf的锂离子电池寿命预测方法
CN110133507A (zh) * 2019-04-23 2019-08-16 杭州电子科技大学 一种基于narx-ukf算法的电池剩余电量估计方法
CN110082684A (zh) * 2019-05-13 2019-08-02 南京邮电大学 一种基于加权多新息扩展卡尔曼滤波的锂电池soc估计方法
CN110133510A (zh) * 2019-05-30 2019-08-16 陕西科技大学 一种锂离子电池荷电状态soc混合估计方法
CN110362787A (zh) * 2019-07-15 2019-10-22 碧桂园智慧物业服务集团股份有限公司 基于卡尔曼算法的压力变送器压力预测方法
WO2021035500A1 (zh) * 2019-08-27 2021-03-04 淄博火炬能源有限责任公司 用于48v轻混汽车锂离子电池的荷电状态在线估算系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001289924A (ja) * 2000-04-03 2001-10-19 Nippon Telegr & Teleph Corp <Ntt> リチウムイオン電池の容量推定方法、劣化判定方法および劣化判定装置ならびにリチウムイオン電池パック
CN102981125A (zh) * 2012-11-30 2013-03-20 山东省科学院自动化研究所 一种基于rc等效模型的动力电池soc估计方法
CN103439668A (zh) * 2013-09-05 2013-12-11 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001289924A (ja) * 2000-04-03 2001-10-19 Nippon Telegr & Teleph Corp <Ntt> リチウムイオン電池の容量推定方法、劣化判定方法および劣化判定装置ならびにリチウムイオン電池パック
CN102981125A (zh) * 2012-11-30 2013-03-20 山东省科学院自动化研究所 一种基于rc等效模型的动力电池soc估计方法
CN103439668A (zh) * 2013-09-05 2013-12-11 桂林电子科技大学 动力锂离子电池的电荷状态估算方法与系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Moving least squares-based multi-functional sensing technique for estimating viscosity and density of ternary solution;LIU Dan.at el;《Journal of Harbin Institute of Technology》;20090831;第16卷(第4期);460-464 *
基于扩展卡尔曼滤波的LiFePO4电池荷电状态估计;袁闪闪等;《电源技术》;20120331;第36卷(第3期);325-327 *

Also Published As

Publication number Publication date
CN103675706A (zh) 2014-03-26

Similar Documents

Publication Publication Date Title
Perez et al. Optimal charging of Li-ion batteries with coupled electro-thermal-aging dynamics
Wang et al. A method for state-of-charge estimation of LiFePO4 batteries at dynamic currents and temperatures using particle filter
Uddin et al. On the possibility of extending the lifetime of lithium-ion batteries through optimal V2G facilitated by an integrated vehicle and smart-grid system
Hu et al. Charging time and loss optimization for LiNMC and LiFePO4 batteries based on equivalent circuit models
Murnane et al. A closer look at state of charge (SOC) and state of health (SOH) estimation techniques for batteries
CN103439668B (zh) 动力锂离子电池的电荷状态估算方法与系统
Xiong et al. A data-driven based adaptive state of charge estimator of lithium-ion polymer battery used in electric vehicles
Lawder et al. Battery energy storage system (BESS) and battery management system (BMS) for grid-scale applications
CN105974323B (zh) 一种提高电动汽车soc估算精度的算法模型
Chaoui et al. Aging prediction and state of charge estimation of a LiFePO4 battery using input time-delayed neural networks
CN103399276B (zh) 一种锂离子电池容量估计及剩余循环寿命预测方法
CN103257323B (zh) 一种锂离子电池剩余可用能量的估计方法
Li et al. A comparative study of state of charge estimation algorithms for LiFePO4 batteries used in electric vehicles
Swierczynski et al. Lifetime Estimation of the Nanophosphate $\hbox {LiFePO} _ {4}\hbox {/C} $ Battery Chemistry Used in Fully Electric Vehicles
Meng et al. An overview and comparison of online implementable SOC estimation methods for lithium-ion battery
US9709632B2 (en) Method of estimating battery life, battery life estimation device, electric vehicle, and electric power supply apparatus
CN106909716B (zh) 计及容量损耗的磷酸铁锂电池建模及soc估计方法
Ramadan et al. Extended kalman filter for accurate state of charge estimation of lithium-based batteries: a comparative analysis
Li et al. State of charge estimation for LiMn2O4 power battery based on strong tracking sigma point Kalman filter
CN102445663B (zh) 一种电动汽车电池健康状态估算的方法
CN101430366B (zh) 电池荷电状态检测方法
CN103713262B (zh) 用于计算绿色车辆的可能行驶距离的系统和方法
Xiong et al. A data-driven adaptive state of charge and power capability joint estimator of lithium-ion polymer battery used in electric vehicles
Xiong et al. An electrochemical model based degradation state identification method of Lithium-ion battery for all-climate electric vehicles application
Li et al. Energy efficiency of lithium-ion battery used as energy storage devices in micro-grid

Legal Events

Date Code Title Description
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