CN103869254A - 基于在线诊断自适应预测控制的锂电池组soc测定方法 - Google Patents
基于在线诊断自适应预测控制的锂电池组soc测定方法 Download PDFInfo
- Publication number
- CN103869254A CN103869254A CN201410057228.4A CN201410057228A CN103869254A CN 103869254 A CN103869254 A CN 103869254A CN 201410057228 A CN201410057228 A CN 201410057228A CN 103869254 A CN103869254 A CN 103869254A
- Authority
- CN
- China
- Prior art keywords
- soc
- lithium battery
- battery
- voltage
- charging
- 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.)
- Granted
Links
Images
Abstract
本发明公开了一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,该测得方法首先对锂电池组两端电压,电流及温度采样,再通过对电压,电流信号进行自适应优化处理,确定锂电池的内组和内阻R-SOC曲线,并将所述SOC反馈给PI模块进行比例调节和积分调节,将该调节结果与锂电池组电压信号一起控制在线自适应优化处理。通过所述测定方法可以提前对电池SOC值进行预判断,并在此基础上进行测量和判断,会提高SOC计算速度,而且通过自适应在线诊断功能,提高了测试的精度。
Description
技术领域
本发明涉及一种锂电池的SOC测算方法,具体涉及一种基于在线诊断自适应预测控制的锂电池组SOC测定方法。
背景技术
SOC的准确估算是HEV能量控制策略的依据,SOC估算与多方面的因素有关,SOC估算算法对SOC的估算精度有重大影响。
电池剩余能量相当于传统车的油量。荷电状态(SOC)的估算是了为了让用户及时了解系统运行状况。实时采集充放电电流、电压等参数,并通过相应的算法进行剩余电量的估计。
电量计量受到诸多因素的影响,主要有放电电流对电池容量的影响,以及温度电池组循环自放电对容量的影响,都要定量的加以补偿或修正。通常有以下几种影响:
(1)放电电流的影响。电流积分法对于工作电流比较稳定的系统,具有较好的估算精度"但是对于电流变化较大的系统,存在着一定的误差,需要一个更好的估算算法。
(2)温度的影响
不同温度下电池组的容量存在着一定的变化,因此需要在计量过程中考虑到温度的影响,而温度段的选择及校正因素直接影响到电量估算的精度。
(3)电池容量衰减的影响
电池的电量在循环过程中会逐渐减少,因此对电量的校正条件就需要不断的改变,这也是影响计量精度的一个重要因素。
目前常用的方法有:
1.安时法,即通过计算放电过程中的电流积分值,计算电池组的初始SOC值,测量SOC的基本方法在实际应用场合,由于不能确定电池组SOC初始值,无法精确获得电池组充电效率和放电倍率,不能保证电池组的充放电电流恒定,同时存在电流积分的累计误差,单独采用该方法SOC估算误差较大。
2.开路电压法,通过电池电压与放电时间的关系来估算SOC,但是测量结果受静置时间的影响较大。静置时间过短,电池电压没有完全恢复,不能正确的反映当前电池的开路电压;静置时间过长,自放电效应明显,实际SOC值比预定值偏低,对测量结果造成误差。
3.阻抗测量法,通过在电池组两端叠加一个交流信号,测量电池组的电压变化,计算电池组的交流阻抗,以此作为计算SOC的标准。这种方法存在的问题是电池组的交流阻抗只是在电池SOC很低或很高的时候变化率比较大,在SOC处于中间段时变化率很小,如果测量和计算误差会比较大。
发明内容
本发明要解决的问题是提供一种基于在线诊断自适应预测控制的锂电池组SOC测定方法。
一种基于在线诊断自适应预测控制的锂电池组SOC测定方法包括如下步骤:
1)对锂电池组的两端电压,充放电电流及电池温度进行采样,得到电池组的电压,充放电电流及温度信号r(k);
2)根据测得的电池电压,充放电电流及温度信号,对电池电压,充放电电流进行估算,得到电池经验曲线f(U,I);
3)对所述经验曲线f(U,I)进行在线自适应优化,得到优化后的电池电压,电流信号U(k),U(k)=f(U,I)*r(k);
4)根据所述U(k),确定锂电池的内组和内阻R-SOC曲线,,其中CN为电池额定容量;I为电池电流;μ为充放电效率;k为阻抗调整因子,R为电池内阻;
5)将所述SOC反馈给PI模块进行比例调节和积分调节,并该调节结果与锂电池组电压信号一起控制在线自适应优化处理。
所述对锂电池组的充放电电流采样时,采样周期为100ms。
所述对锂电池组的电池温度采样时,采样周期为30s。
所述
本发明的有益效果如下:
1.通过预测控制可以提前对电池SOC值进行预判断,并在此基础上进行测量和判断,会提高SOC计算速度。
2.通过自适应在线诊断功能,可以提高测试的精度。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明;
图1为本发明测定方法装置结构原理图;
图2为本发明测定方法的方法框图;
图3为SOC计算方法结构框图。
具体实施方式
为更好地理解本发明,下面将通过具体的实施例进一步说明本发明的方案,本发明的保护范围应包括权利要求的全部内容,但不限于此。
首先介绍锂电池组模型,由于多电池串联电池组的放电容量由容量最低的单体电池所决定,即电池组的SOC等同于组内单体电池SOC的最小值。
N节电池串联的电池组内单体电池的负载电压计算公式如下:
V(n)=Voc(n)-iR(n)
其中,V(n)为电池组第n节电池Bn的负载电压,VOC(n)为Bn的开路电压,i表示电池组的放电电流,R(n)为Bn的内阻。对串联电池组,所有单体电池放电电流i相同,内阻R(n)相差很小。令单体电池的内阻近似为R,有:
Vmin=min(V(1),V(2),……V(N))=min(Voc(1)Voc(2),……Voc(N))-IR
Vavr是多节单体电池的平均电压值,对单体电池而言开路电压VOC与电池SOC存在单调递增的函数关系h。从而Vmin与电池组中单体电池SOC的最小值存在单调对应关系。Vmin的变化体现了电池组的SOC变化。
根据图1和2所示,本发明通过单片机对锂电池的组的两端电压,充/放电电流,以及电池温度进行采样,并将采样数据送入单片机进行SOC分析处理,最终输出SOC值。
其中,电流测量,温度信号,和开路电压测量采用直接的采样方式,电压值通过差分放大器进行采样,电流值通过霍尔元件采样,温度通过温度传感器采样。
当电池工作时,单片机发出指令,对每节电池的端电压进行采样,同时对串联的电池组进行工作电流采样,采样周期为100ms采样一次,并没隔30s对电池温度进行一次采样。
将采样得到值在单片机内部进行SOC计算,估计电池电量。
SOC计算框图如图3所示。
其中r(k)为SOC计算所需要的电池电压参数,电池充放电电流参数,电池温度参数,u(k)为通过在线自适应优化后的SOC输入参数,d(k)为测量时的扰动的输入。v(k)是通过电池数学模型计算出的SOC结果,y(k)为目标SOC输出。
在线自适应优化的实现方法如下:
根据输入的电池电压,电池充放电的电流及温度信号根据锂电池组模型计算出的经验曲线f(U,I),使得输入的电压电流符合实际,避免由于浮压和尖峰电流引起的误差。通过在线自适应优化后,可以得到优化后的电池电压,电流等信号,其实现在线自适应优化公式为:
U(k)=f(U,I)*r(k),
其中:
f(U,I)为经验曲线,来自于电池预测模型
r(k)为包含电池电压U,电池充放电电流I的信号,u(k)为优化后的输出电压U,中间环节输出电流I。
通过自适应优化能够对输入的电压电流进行自适应的矫正,防止由于测量误差引起的计算误差。
把优化后的电池电压U,电池充放电的电流I,进行计量过程处理,可以得到更准确的SOC值。
所述计量过程即是通过优化后的电池电压和电流值,计算出电池的内阻和内阻R—SOC曲线,
通过对单位时间内,流入流出电池组的电流进行累积,从而获得电池组每一轮放电能够放出的电子数量,如果充放电起始状态记为SOC0,那么当前状态的SOC为:
其中CN为电池额定容量;I为电池电流;μ为充放电效率;k为调整因子。
计算得到的SOC通过标准的PI模块进入反馈环节。所述PI模块采用标准的PI控制器。用于快速响应SOC的计算值。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (4)
1.一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,其特征在于,该测得方法包括如下步骤:
1)对锂电池组的两端电压,充放电电流及电池温度进行采样,得到电池组的电压,充放电电流及温度信号r(k);
2)根据测得的电池电压,充放电电流及温度信号,对电池电压,充放电电流进行估算,得到电池经验曲线f(U,I);
3)对所述经验曲线f(U,I)进行在线自适应优化,得到优化后的电池电压,电流信号U(k),U(k)=f(U,I)*r(k);
4)根据所述U(k),确定锂电池的内组和内阻R-SOC曲线,,其中CN为电池额定容量;I为电池电流;μ为充放电效率;k为阻抗调整因子,R为电池内阻;
5)将所述SOC反馈给PI模块进行比例调节和积分调节,并该调节结果与锂电池组电压信号一起控制在线自适应优化处理。
2.根据权利要求1所述的一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,其特征在于,所述对锂电池组的充放电电流采样时,采样周期为100ms。
3.根据权利要求1所述的一种基于在线诊断自适应预测控制的锂电池组SOC测定方法,其特征在于,所述对锂电池组的电池温度采样时,采样周期为30s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410057228.4A CN103869254B (zh) | 2014-02-20 | 2014-02-20 | 基于在线诊断自适应预测控制的锂电池组soc测定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410057228.4A CN103869254B (zh) | 2014-02-20 | 2014-02-20 | 基于在线诊断自适应预测控制的锂电池组soc测定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103869254A true CN103869254A (zh) | 2014-06-18 |
CN103869254B CN103869254B (zh) | 2018-04-17 |
Family
ID=50907995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410057228.4A Active CN103869254B (zh) | 2014-02-20 | 2014-02-20 | 基于在线诊断自适应预测控制的锂电池组soc测定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103869254B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899461A (zh) * | 2015-06-16 | 2015-09-09 | 科力远混合动力技术有限公司 | 一种镍氢动力电池包荷电量的计算方法 |
CN111060828A (zh) * | 2019-12-30 | 2020-04-24 | 华人运通(江苏)技术有限公司 | 一种电池状态监控方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000258513A (ja) * | 1999-03-09 | 2000-09-22 | Nissan Motor Co Ltd | 電気自動車用二次電池のsoc演算方法 |
JP2001085071A (ja) * | 1999-09-13 | 2001-03-30 | Toyota Motor Corp | 組電池の温度検出装置および温度検出方法 |
JP2006340447A (ja) * | 2005-05-31 | 2006-12-14 | Fuji Heavy Ind Ltd | 蓄電デバイスの制御装置 |
US20070001679A1 (en) * | 2005-06-30 | 2007-01-04 | Il Cho | Method and apparatus of estimating state of health of battery |
JP2007292648A (ja) * | 2006-04-26 | 2007-11-08 | Toyota Motor Corp | 二次電池の充電状態推定装置 |
CN100447577C (zh) * | 2002-07-12 | 2008-12-31 | 丰田自动车株式会社 | 电池(组)充电状态估计装置 |
CN101624050A (zh) * | 2009-08-03 | 2010-01-13 | 奇瑞汽车股份有限公司 | 一种混合动力电池soc自适应控制方法 |
CN101965522A (zh) * | 2008-01-11 | 2011-02-02 | Sk能源株式会社 | 在电池管理系统中测量电池的充电状态的方法及其装置 |
CN101966820A (zh) * | 2010-08-26 | 2011-02-09 | 清华大学 | 一种自适应修正的锂离子电池荷电状态在线监控方法 |
-
2014
- 2014-02-20 CN CN201410057228.4A patent/CN103869254B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000258513A (ja) * | 1999-03-09 | 2000-09-22 | Nissan Motor Co Ltd | 電気自動車用二次電池のsoc演算方法 |
JP2001085071A (ja) * | 1999-09-13 | 2001-03-30 | Toyota Motor Corp | 組電池の温度検出装置および温度検出方法 |
CN100447577C (zh) * | 2002-07-12 | 2008-12-31 | 丰田自动车株式会社 | 电池(组)充电状态估计装置 |
JP2006340447A (ja) * | 2005-05-31 | 2006-12-14 | Fuji Heavy Ind Ltd | 蓄電デバイスの制御装置 |
US20070001679A1 (en) * | 2005-06-30 | 2007-01-04 | Il Cho | Method and apparatus of estimating state of health of battery |
JP2007292648A (ja) * | 2006-04-26 | 2007-11-08 | Toyota Motor Corp | 二次電池の充電状態推定装置 |
CN101965522A (zh) * | 2008-01-11 | 2011-02-02 | Sk能源株式会社 | 在电池管理系统中测量电池的充电状态的方法及其装置 |
CN101624050A (zh) * | 2009-08-03 | 2010-01-13 | 奇瑞汽车股份有限公司 | 一种混合动力电池soc自适应控制方法 |
CN101966820A (zh) * | 2010-08-26 | 2011-02-09 | 清华大学 | 一种自适应修正的锂离子电池荷电状态在线监控方法 |
Non-Patent Citations (3)
Title |
---|
朱小平等: "基于自适应理论的锂离子电池SOC估计", 《电气技术》 * |
王君平等: "基于自适应滤波的电动汽车动力电池荷电状态估计方法", 《机械工程学报》 * |
田晓辉等: "车用锂离子动力电池SOC的预测研究", 《电源技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899461A (zh) * | 2015-06-16 | 2015-09-09 | 科力远混合动力技术有限公司 | 一种镍氢动力电池包荷电量的计算方法 |
CN111060828A (zh) * | 2019-12-30 | 2020-04-24 | 华人运通(江苏)技术有限公司 | 一种电池状态监控方法和装置 |
CN111060828B (zh) * | 2019-12-30 | 2022-01-11 | 华人运通(江苏)技术有限公司 | 一种电池状态监控方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103869254B (zh) | 2018-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107991623B (zh) | 一种考虑温度和老化程度的电池安时积分soc估计方法 | |
EP3764114A1 (en) | Method, device and system for estimating remaining charging time and a storage medium | |
CN101625397B (zh) | 一种电池剩余电量的混合快速估计方法 | |
CN106716158B (zh) | 电池荷电状态估算方法和装置 | |
CN101598769B (zh) | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 | |
CN102662148B (zh) | 在线反馈式蓄电池soc预测方法 | |
CN104881550B (zh) | 动力电池运行温度的自适应预测方法 | |
CN102608540B (zh) | 一种用于动力电池soc估计的库伦效率测定方法 | |
CN107664751A (zh) | 一种蓄电池实时荷电状态的测算方法及测算装置 | |
CN109061515B (zh) | 一种电池的充放电电量测量方法 | |
CN105425164A (zh) | 全钒液流电池荷电状态在线监测方法及系统 | |
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 | |
CN104459551A (zh) | 一种电动汽车动力电池能量状态估算方法 | |
EP3647802B1 (en) | Remaining battery energy estimation device, remaining battery energy estimation method, and program | |
CN102289557B (zh) | 一种电池模型参数与剩余电量联合异步在线估计方法 | |
CN103424710A (zh) | 用于监测电池组中的老化单体的性能变化的方法和系统 | |
CN104184182A (zh) | 电池管理系统及其驱动方法 | |
CN102468521A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN102565710A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
CN101814640A (zh) | 改进型动力锂离子电池cc-cv充电方法 | |
CN103969596B (zh) | 船用锂离子动力电池荷电状态的计算与校正装置及方法 | |
CN102169168B (zh) | 一种基于粒子滤波的电池剩余电量估计方法 | |
CN105277791B (zh) | 直流小电流二次放电蓄电池内阻在线检测方法 | |
CN109541485A (zh) | 一种动力电池的soc估算方法 | |
CN106597289A (zh) | 电池健康状态测算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |