CN103683427A - 一种改进的蓄电池组充电系统及其soc估算方法 - Google Patents

一种改进的蓄电池组充电系统及其soc估算方法 Download PDF

Info

Publication number
CN103683427A
CN103683427A CN201310717764.8A CN201310717764A CN103683427A CN 103683427 A CN103683427 A CN 103683427A CN 201310717764 A CN201310717764 A CN 201310717764A CN 103683427 A CN103683427 A CN 103683427A
Authority
CN
China
Prior art keywords
soc
polarization
charging
value
battery
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.)
Pending
Application number
CN201310717764.8A
Other languages
English (en)
Inventor
吴铁洲
陈邦涛
徐元中
吴笑民
贺子立
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.)
Hubei University of Technology
Original Assignee
Hubei University of Technology
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 Hubei University of Technology filed Critical Hubei University of Technology
Priority to CN201310717764.8A priority Critical patent/CN103683427A/zh
Publication of CN103683427A publication Critical patent/CN103683427A/zh
Pending legal-status Critical Current

Links

Abstract

本发明公开了一种改进的蓄电池组模型及其SOC估算方法。通过先并联后串联连接方式,将电压源、蓄电池组、欧姆极化模块、电化学极化模块、浓差极化模块、蓄电池组负载电阻等模块连接起来,构成一个改进的蓄电池组模型;在此模型的基础上提出一种利用扩展卡尔曼滤波法(EKF)和安时法(AH)互补的EKF-AH混合算法。本发明改进的蓄电池组模型,除考虑了电池的动态特性外,还具体考虑了化学极化、浓差极化等因素的影响,更重要的是考虑了温度效应对电池的影响,利用串联的电压源来反应蓄电池的温度效应;本发明的SOC估算方法也考虑了温度效应对电池的影响,较之传统的估测算法的精度提高52%。

Description

—种改进的蓄电池组充电系统及其SOC估算方法
技术领域
[0001] 本发明属于节能与新能源汽车领域,涉及一种改进的蓄电池组充电系统及其SOC估算方法。
背景技术
[0002] 随着汽车工业的迅猛发展,能源和环境问题日益突出。为了减少燃油汽车的能源消耗和污染的问题,混合动力汽车(HEV)应运而生,其动力蓄电池一般由多节锂电池串联,由于各单体电池的加工、使用的不一致性,电池组的外部特性监控成为亟待解决的一大关键问题。目前,蓄电池组的充电方式主要采用三段式充电方式,然而这种充电方式充电时间较长,不能满足人们希望快速充电的需求。现有的感应电动势(EMF)电池模型虽然考虑了化学极化、浓差极化等动态因素对电池的的影响,但却忽略了温度效应的影响。
[0003] 电池电量的荷电状态值(State of Charge, S0C)作为电池主要的特征参数,是近年来电池管理系统研究的重点和难点之一。目前电池电量检测技术主要包括安时法(AH)和扩展卡尔曼滤波法(EKF)等。安时法按某一放电倍率的电流将电池组彻底放电之后(一般取放电倍率H =1),计算放电过程中的电流积分值,可以精确计算蓄电池组的荷电状态,制约安时法的应用主要是SOC的初值通常是未知的,导致了安时法估算SOC误差大。扩展卡尔曼滤波法是一种递推线性最小方差估计,利用上一时刻的估计,再加上实时得到的量测来进行实时估计,能较快的收敛于模型值,但不能修正模型不准确而造成的误差。
发明内容
[0004] 本发明针对现有技术存在的缺陷,提供一种改进的蓄电池组充电系统及其SOC估
算方法。
[0005] 本发明的目的通过以下技术方案实现:
[0006] 一种改进的蓄电池组充电系统,将充电过程欧姆极化内阻Ri^h与放电过程欧姆极化内阻Rfi,dis并联,形成欧姆极化模块;将充电过程电化学极化内阻放电过程电化学极化内阻Rd,dis、充电过程电化学极化电容Cd,ch与放电过程电化学极化电容C4dis并联,形成电化学极化模块;将充电过程浓差极化内阻Rt 放电过程浓差极化内阻Rtdis、充电过程浓差极化电容Ctdl与放电过程浓差极化电容Ctdis并联,形成浓差极化模块;然后将蓄电池组、欧姆极化模块、电化学极化模块、浓差极化模块、蓄电池组负载电阻和用于反应蓄电池组的温度效应的电压源串联,即得到改进的蓄电池组充电系统。
[0007] 一种基于所述的改进的蓄电池组充电系统的SOC估算方法,包括如下步骤:
[0008] 步骤1:进行SOC估算前,将扩展卡尔曼滤波法估算得到的SOC与开路电压法所测的SOC进行比较,找出模型误差;
[0009] 步骤2:初始化,k=0,设置SOC1和SOC2初值,其中,k为自然数;
[0010] 步骤3:tk至tk+1时刻,以SOC1为初值,用扩展卡尔曼滤波法得到eSOQ值,同时根据模型误差对eSOQ值进行修正得到USOC1值;[0011] 步骤4:tk+1至tk+2时刻,以USOC1值为初值,用安时法计算tk+2时刻的电池SOC2值,并输出,同时用扩展卡尔曼滤波法估算tk+2时刻的电池eS0C2值,根据模型误差对eS0C2值进行修正得到eSOQ ;
[0012] 步骤5:k=k+l,返回步骤3。
[0013] 所述的SOC1为25% ;所述的SOC2为25%。
[0014] 本发明的蓄电池组改进思路是:由于相同容量的蓄电池组和单体蓄电池,在发生化学反应时,蓄电池组的活性物质相结合的速度快于电池单体,蓄电池组的极化效应要低于相同容量的单体蓄电池;蓄电池组的接触电阻、欧姆电阻、极板等效电容均大于相同容量的单体蓄电池。系统的可靠性是指一个系统能正常工作的概率,它与系统中各个部件的连
接方式及其可靠性有关,通过串联可靠度公式
Figure CN103683427AD00041
与并联可靠度公式
Figure CN103683427AD00042
冰算对比分析,蓄电池组先并联后串联的可靠度要大于先串联后并联的
可靠度。对于先并联后串联连接方式,蓄电池组的可靠度高于单体蓄电池,而电池组先串联后并联蓄的可靠度低于单体蓄电池,因此电池组在组合过程中尽量采用先并联后串联的方式。
[0015] 本发明相对于现有技术具有如下优点和有益效果:
[0016] (I)本发明提出的EKF-AH混合算法,利用扩展卡尔曼滤波法(EKF)和安时法(AH)互补,考虑了温度效应对电池的影响,提高蓄电池组的SOC估测的精度,较之传统的估测算法的精度提高52%
[0017] (2)本发明使用了先并联后串联的方式,与先串联后并联的方式相比,改进的蓄电池组充电系统的可靠度提高了近12%。
附图说明
[0018] 图1为改进的蓄电池组充电系统模型电路图。
[0019] 图2为电流、温度的充放电试验效果图。
[0020] 图3为EKF-AH混合算法示意图。
[0021 ] 图4为EKF算法充电收敛性试验效果图。
[0022] 图5为EKF算法放电收敛性试验效果图。
[0023] 图6~8为不同温度时用改进前的模型和改进后的模型估算SOC与开路电压法(OCV)生物SOC对比图;图6为(TC时;图7为25°C时;图8为50°C时。
具体实施方式
[0024] 下面结合附图及实施例对本发明作进一步详细的描述。
[0025] 本发明提供的改进的蓄电池组充电系统,其模型电路图如图1所示。将充电过程欧姆极化内阻Ri^h与放电过程欧姆极化内阻Rhdis并联,形成欧姆极化模块;将充电过程电化学极化内阻Rd,ch>放电过程电化学极化内阻Rd,dis、充电过程电化学极化电容Cd,ch与放电过程电化学极化电容Cd,dis并联,形成电化学极化模块;将充电过程浓差极化内阻Rt 放电过程浓差极化内阻Rtdis、充电过程浓差极化电容Ctdl与放电过程浓差极化电容Ctdis并联,形成浓差极化模块;然后将蓄电池组、欧姆极化模块、电化学极化模块、浓差极化模块、蓄电池组负载电阻和用于反应蓄电池组的温度效应的电压源串联,即得到改进的蓄电池组充电系统。
[0026] 本发明除考虑了电池的动态特性外,还具体考虑了化学极化、浓差极化等因素的影响,更重要的是考虑了温度效应对电池的影响,利用串联的电压源来反应蓄电池的温度效应。
[0027] 本发明提供的蓄电池组充电系统,以十个串联的单体蓄电池为测试对象,蓄电池组在不同的电流和不同的温度下进行充放电试验所得的关系曲线如图2所示,改进的蓄电池组模型考虑了蓄电池组的温度效应,更能准确地表达电池的电化学行为。本发明蓄电池组充电系统的可靠度较之先串联后并联的方式提高了近12%。
[0028] 本发明基于上述改进的蓄电池组充电系统,提出了一种估算SOC的EKF-AH混合算法,如图3所示,具体包括以下步骤:
[0029] 步骤1:S0C估算前,以改进的蓄电池组充电系统为基础,用EKF法估算SOC与开路电压法所测SOC进行比较,找出模型误差;
[0030] 步骤2:初始化,k=0,设置50(^=25%, S0C2=25%,其中,k为自然数;
[0031] 步骤3:tk至tk+1时刻,以SOC1为初值,用卡尔曼滤波法计算得到eSOQ值,同时根据模型误差对该结果进行修正得到USOC1值;
[0032] 步骤4:tk+1至tk+2时刻,以USOC1值为初值,用安时法计算tk+2时刻的电池SOC2值,并输出;同时用卡尔曼滤波法估算tk+2时刻的电池eS0C2值,根据模型误差对该结果进行修正得到 USOC1 ;
[0033] 步骤5:k=k+l,返回步骤3。
[0034] 设定SOC初值为25%,进行EKF算法充电收敛性试验,结果如图4所示,造成充电时电池端电压估算误差减小的原因是卡尔曼滤波器会通过调整SOC来改变预测的电池端电压,并使预测的电压值符合实际值。因此,如果模型不够准确,卡尔曼滤波器将会使计算结果误差增大。事实上,并不是卡尔曼滤波器的计算结果发散而使误差增大,正是卡尔曼滤波器的收敛性使计算结果收敛到观测方程所述的改进模型上。
[0035] 设定SOC初值为25%,进行EKF算法放电收敛性试验,结果如图5所示,放电末期的偏大的误差造成的主要原因是没有考虑到放电倍率的问题。由于电池“放空”的定义为:以某一倍率电流将电池放电至截止电压,认为电池己经放空。这里定义以0.5C放电至单体IV,认为电池己经放空。事实上,由于电池本身的化学特性,即使己经满足“放空”条件的电池,在静置之后以更小的电流放电,仍然可以放出一定的电量。
[0036] (TC时改进前和改进后的蓄电池组充电系统模型分别采用EKF算法估算出S0C,并与开路电压法的SOC进行对比,结果如图6所示;25°C时改进前和改进后的蓄电池组充电系统模型分别采用EKF算法估算出S0C,并与开路电压法的SOC进行对比,结果如图7所示;50°C时改进前和改进后的蓄电池组充电系统模型分别采用EKF算法估算出S0C,并与开路电压法的SOC进行对比,结果如图8所示。
[0037] 上述实施例中,利用EKF法和AH法互补,采用扩展卡尔曼滤波方法和安时法相结合的EKF-AH法估算S0C,蓄电池组的SOC估测的精度较传统的估测算法的精度提高52%。
[0038] 上面结合附图对 本发明的实施方式作了详细说明,但是本发明比并不限于上述实施方式,在本领域的普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (3)

1.一种改进的蓄电池组充电系统,其特征在于,将充电过程欧姆极化内阻Rhdl与放电过程欧姆极化内阻Ri^dis并联,形成欧姆极化模块;将充电过程电化学极化内阻放电过程电化学极化内阻Rd,dis、充电过程电化学极化电容Cd,ch与放电过程电化学极化电容Cd,dis并联,形成电化学极化模块;将充电过程浓差极化内阻Rtc;h、放电过程浓差极化内阻Rk,dis、充电过程浓差极化电容Ctdl与放电过程浓差极化电容Ctdis并联,形成浓差极化模块;然后将蓄电池组、欧姆极化模块、电化学极化模块、浓差极化模块、蓄电池组负载电阻和用于反应蓄电池组的温度效应的电压源串联,即得到改进的蓄电池组充电系统。
2.一种基于权利要求1所述的改进的蓄电池组充电系统的SOC估算方法,其特征在于,包括如下步骤: 步骤1:进行SOC估算前,将扩展卡尔曼滤波法估算得到的SOC与开路电压法所测的SOC进行比较,找出模型误差; 步骤2:初始化,k=0,设置SOC1和SOC2初值,其中,k为自然数; 步骤3:tk至tk+1时刻,以SOC1为初值,用扩展卡尔曼滤波法得到eSOq值,同时根据模型误差对eSOQ值进行修正得到USOC1值; 步骤4:tk+1至tk+2时刻,以USOC1值为初值,用安时法计算tk+2时刻的电池SOC2值,并输出,同时用扩展卡尔曼滤波法估算tk+2时刻的电池eS0C2值,根据模型误差对eS0C2值进行修正得到eSOQ ; 步骤5:k=k+l,返回步骤3。
3.根据权利要求3所述的改进的蓄电池组充电系统的SOC估算方法,其特征在于,所述的SOC1为25% ;所述的SOC2为25%。`
CN201310717764.8A 2013-12-23 2013-12-23 一种改进的蓄电池组充电系统及其soc估算方法 Pending CN103683427A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310717764.8A CN103683427A (zh) 2013-12-23 2013-12-23 一种改进的蓄电池组充电系统及其soc估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310717764.8A CN103683427A (zh) 2013-12-23 2013-12-23 一种改进的蓄电池组充电系统及其soc估算方法

Publications (1)

Publication Number Publication Date
CN103683427A true CN103683427A (zh) 2014-03-26

Family

ID=50320081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310717764.8A Pending CN103683427A (zh) 2013-12-23 2013-12-23 一种改进的蓄电池组充电系统及其soc估算方法

Country Status (1)

Country Link
CN (1) CN103683427A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537166A (zh) * 2014-12-19 2015-04-22 中国汽车技术研究中心 一种动力电池的等效电路模型方法
CN105487016A (zh) * 2016-01-21 2016-04-13 深圳市沃特玛电池有限公司 一种soc估值方法及其系统
CN107515374A (zh) * 2017-07-31 2017-12-26 湖北工业大学 一种应用于agv车soc估算动态调整滤波增益的方法
CN107843847A (zh) * 2017-10-31 2018-03-27 武汉科技大学 一种基于ekf算法的蓄电池soc在线估测方法
CN109991553A (zh) * 2017-12-29 2019-07-09 微宏动力系统(湖州)有限公司 一种电池soc的估算方法
CN110077282A (zh) * 2019-05-16 2019-08-02 上海楞次新能源汽车科技有限公司 新能源汽车的燃料电池在线寿命检测方法、系统和装置
CN110231567A (zh) * 2019-07-16 2019-09-13 奇瑞新能源汽车股份有限公司 一种电动汽车soc估算算法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625397A (zh) * 2009-08-06 2010-01-13 杭州电子科技大学 一种电池剩余电量的混合快速估计方法
CN102062841A (zh) * 2009-11-11 2011-05-18 北汽福田汽车股份有限公司 动力电池荷电状态的估测方法及系统
CN103020445A (zh) * 2012-12-10 2013-04-03 西南交通大学 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN103293485A (zh) * 2013-06-10 2013-09-11 北京工业大学 基于模型的蓄电池荷电状态估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625397A (zh) * 2009-08-06 2010-01-13 杭州电子科技大学 一种电池剩余电量的混合快速估计方法
CN102062841A (zh) * 2009-11-11 2011-05-18 北汽福田汽车股份有限公司 动力电池荷电状态的估测方法及系统
CN103020445A (zh) * 2012-12-10 2013-04-03 西南交通大学 一种电动车车载磷酸铁锂电池的soc与soh预测方法
CN103293485A (zh) * 2013-06-10 2013-09-11 北京工业大学 基于模型的蓄电池荷电状态估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴铁洲: "HEV锂离子电池组管理关键技术研究", 《中国博士学位论文全文数据库》 *
林成涛等: "电动汽车电池非线性等效电路模型的研究", 《汽车工程》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537166A (zh) * 2014-12-19 2015-04-22 中国汽车技术研究中心 一种动力电池的等效电路模型方法
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
CN105487016A (zh) * 2016-01-21 2016-04-13 深圳市沃特玛电池有限公司 一种soc估值方法及其系统
CN107515374A (zh) * 2017-07-31 2017-12-26 湖北工业大学 一种应用于agv车soc估算动态调整滤波增益的方法
CN107515374B (zh) * 2017-07-31 2020-04-03 湖北工业大学 一种应用于agv车soc估算动态调整滤波增益的方法
CN107843847A (zh) * 2017-10-31 2018-03-27 武汉科技大学 一种基于ekf算法的蓄电池soc在线估测方法
CN109991553A (zh) * 2017-12-29 2019-07-09 微宏动力系统(湖州)有限公司 一种电池soc的估算方法
CN109991553B (zh) * 2017-12-29 2021-01-15 微宏动力系统(湖州)有限公司 一种电池soc的估算方法
CN110077282A (zh) * 2019-05-16 2019-08-02 上海楞次新能源汽车科技有限公司 新能源汽车的燃料电池在线寿命检测方法、系统和装置
CN110231567A (zh) * 2019-07-16 2019-09-13 奇瑞新能源汽车股份有限公司 一种电动汽车soc估算算法

Similar Documents

Publication Publication Date Title
CN103399277B (zh) 一种动力电池实际容量估算方法
CN103683427A (zh) 一种改进的蓄电池组充电系统及其soc估算方法
Dai et al. Online cell SOC estimation of Li-ion battery packs using a dual time-scale Kalman filtering for EV applications
US10393819B2 (en) Method and apparatus for estimating state of battery
CN103698713B (zh) 一种锂离子电池健康状态评估方法
CN102088118B (zh) 一种电池管理系统、电动车及荷电状态的估算方法
US20150226811A1 (en) Apparatus and method for estimating internal resistance of battery pack
CN104391252B (zh) 一种汽车铅酸蓄电池健康状态检测方法
CN104502858A (zh) 基于后向差分离散模型的动力电池soc估计方法与系统
Kim et al. OCV hysteresis effect-based SOC estimation in extended Kalman filter algorithm for a LiFePO 4/C cell
CN106908732B (zh) 一种锂离子电池等效电路模型参数辨识方法和装置
Tsang et al. State of health detection for Lithium ion batteries in photovoltaic system
CN106340689A (zh) 一种电池组系统容量自学习的方法
CN106772104A (zh) 一种动力电池soc值估算方法
CN103675698A (zh) 动力电池荷电状态估计装置及其估计方法
CN104950263A (zh) 汽车动力电池soc的估算方法
CN109143108A (zh) 一种基于电化学阻抗谱的锂离子电池soh的估计方法
CN102540081A (zh) 用于确定车载蓄电池荷电状态的方法
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN103529397A (zh) 一种估算电池电量的方法及电池电量管理系统
CN111308356A (zh) 一种带加权的安时积分的soc估算方法
Wang et al. State-of-art survey of fractional order modeling and estimation methods for lithium-ion batteries
Eddahech et al. Lithium-ion cell modeling from impedance spectroscopy for EV applications
JP2004045235A (ja) 内部抵抗推定方法、充電状態推定方法及びエンジン始動判定方法
CN106772097B (zh) 一种利用充电机矫正soc的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
C10 Entry into substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140326

C02 Deemed withdrawal of patent application after publication (patent law 2001)