CN104297694A - 电池荷电状态的获取方法和装置 - Google Patents

Abstract

本发明公开了一种电池荷电状态的获取方法和装置。其中，该获取方法包括：获取电池的工作状态；根据电池的工作状态确定用于估算电池荷电状态的估算方法；按照估算方法计算电池处于不同的工作状态下的电池荷电状态值。通过本发明，解决了现有技术中电池荷电状态的计算不准确的问题，提高了计算电池荷电状态的准确性。

Description

电池荷电状态的获取方法和装置

技术领域

本发明涉及电动汽车电池技术领域，具体而言，涉及一种电池荷电状态的获取方法和装置。

背景技术

锂电池已被广泛应用于工业、日常生活等领域，尤其是在电动汽车领域，未来电动汽车的电池越来越多的会从铅酸蓄电池向锂电池转变，对电池荷电状态(State of Charge，即SOC)的估算已成为电池管理的重要环节，知道电动汽车的电池荷电状态，对于电动汽车的充放电控制具有重要意义。但是，由于电池结构复杂，电池荷电状态受放电电流、电池内部温度、自放电、老化等因素的影响，使得SOC估算较困难。

现有技术中，在估算SOC时通常需要建立电池模型，由于电池是一个高度非线性的系统,所建立的电池模型不可能等效模拟电池的全部特征，电池模型总是存在着一定的简化，并且电池模型中的参数是变化的，影响参数变化的因素主要有：SOC的变化、充放电方向、充放电倍率以及电池的老化等。由于电池本身内部发生化学反应，以实现由化学能转变为电能的过程，随着时间的推移，电解液的损耗也会使电池的特性参数发生变化。现有技术中的电池模型只考虑了在某个单一因素的影响下SOC的变化，没有考虑到多种因素共同作用下SOC的变化情况，且在电池的整个工作过程中仅采用一种估算方法，导致电池模型误差较大，使得获取到的电池荷电状态不准确。

针对现有技术中电池荷电状态的计算不准确的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中电池荷电状态的计算不准确的问题，目前尚未提出有效的解决方案，为此，本发明的主要目的在于提供一种电池荷电状态的获取方法和装置，以解决上述问题。

为了实现上述目的，根据本发明的一个方面，提供了一种电池荷电状态的获取方法，该获取方法包括：获取电池的工作状态；根据电池的工作状态确定用于估算电池荷电状态的估算方法；按照估算方法计算电池处于不同的工作状态下的电池荷电状态值。

进一步地，根据电池的工作状态确定用于估算电池荷电状态的估算方法包括：若获取到的工作状态为静止状态，确定估算方法为第一估算方法，其中，第一估算方法包括开路电压法；若获取到的工作状态为恢复状态，确定估算方法为第二估算方法；若获取到的工作状态为充放电状态，确定估算方法为第三估算方法，其中，第三估算方法包括卡尔曼滤波法。

进一步地，估算方法为第三估算方法，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值包括：利用三阶等效电路建立电池的电池模型；确定电池模型的状态方程和测量方程；使用状态方程和测量方程计算电池的电池荷电状态值。

进一步地，估算方法为第二估算方法，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值包括：获取电池在进入恢复状态之前的工作状态；在电池在进入恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算电池荷电状态值，其中，第一公式为SOC_t为恢复状态下的电池荷电状态值，SOC_d为放电状态终止时的电池荷电状态值，M为在电池放电过程中的累积电量，t为电池在恢复状态下经历的时间，h为预设的恢复状态的持续时间，Q为电池的实际容量；在电池在进入恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算电池荷电状态值，其中，第二公式为SOC_t＝SOC_c+M×h×100％，SOC_c为充电状态终止时的电池荷电状态值。

进一步地，估算方法为第一估算方法，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值包括：获取电池的开路电压；读取开路电压对应的电池荷电状态值。

为了实现上述目的，根据本发明的另一方面，提供了一种电池荷电状态的获取装置，该获取装置包括：第一获取模块，用于获取电池的工作状态；第一确定模块，用于根据电池的工作状态确定用于估算电池荷电状态的估算方法；计算模块，用于按照估算方法计算电池处于不同的工作状态下的电池荷电状态值。

进一步地，第一确定模块包括：第一确定子模块，用于在获取到的工作状态为静止状态的情况下，确定估算方法为第一估算方法，其中，第一估算方法包括开路电压法；第二确定子模块，用于在获取到的工作状态为恢复状态的情况下，确定估算方法为第二估算方法；第三确定子模块，用于在获取到的工作状态为充放电状态的情况下，确定估算方法为第三估算方法，其中，第三估算方法包括卡尔曼滤波法。

进一步地，估算方法为第三估算方法，计算模块包括：建立模块，用于利用三阶等效电路建立电池的电池模型；第二确定模块，用于确定电池模型的状态方程和测量方程；第一计算子模块，用于使用状态方程和测量方程计算电池的电池荷电状态值。

进一步地，估算方法为第二估算方法，计算模块包括：第二获取模块，用于获取电池在进入恢复状态之前的工作状态；第二计算子模块，用于在电池在进入恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算电池荷电状态值，其中，第一公式为SOC_t为恢复状态下的电池荷电状态值，SOC_d为放电状态终止时的电池荷电状态值，M为在电池放电过程中的累积电量，t为电池在恢复状态下经历的时间，h为预设的恢复状态的持续时间，Q为电池的实际容量；第三计算子模块，用于在电池在进入恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算电池荷电状态值，其中，第二公式为SOC_t＝SOC_c+M×h×100％，SOC_c为充电状态终止时的电池荷电状态值。

进一步地，估算方法为第一估算方法，计算模块包括：第三获取模块，用于获取电池的开路电压；读取模块，用于读取开路电压对应的电池荷电状态值。

采用本发明，在获取到电池的工作状态之后，根据获取到的电池的工作状态确定用于估算电池荷电状态的估算方法，并且按照该估算方法计算电池处于不同的工作状态下的电池荷电状态值。通过本发明实施例，将电池在整个工作过程中的工作状态进行划分，对电池的不同的工作状态采用不同估算方法，避免了现有技术中仅使用一种估算方法计算电池荷电状态的问题，以最大可能地消除了影响电池荷电状态估算的因素，解决了现有技术中电池荷电状态的计算不准确的问题，提高了计算电池荷电状态的准确性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的电池荷电状态的获取方法的流程图；

图2是根据本发明实施例的电池的工作状态的示意图；

图3是根据本发明实施例的三阶等效电路图；

图4是根据本发明实施例的电池模型的输入输出变量的示意图；

图5是根据本发明实施例的电池的开路电压与SOC值的关系曲线的示意图；

图6是根据本发明实施例的一种可选的电池荷电状态的获取方法的流程图；以及

图7是根据本发明实施例的电池荷电状态的获取装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1是根据本发明实施例的电池荷电状态的获取方法的流程图，如图1所示该获取方法包括如下步骤：

步骤S102，获取电池的工作状态。

步骤S104，根据电池的工作状态确定用于估算电池荷电状态的估算方法。

步骤S106，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值。

采用本发明实施例，在获取到电池的工作状态之后，根据获取到的电池的工作状态确定用于估算电池荷电状态的估算方法，并且按照该估算方法计算电池处于不同的工作状态下的电池荷电状态值。通过本发明实施例，将电池在整个工作过程中的工作状态进行划分，对电池的不同的工作状态采用不同估算方法，避免了现有技术中仅使用一种估算方法计算电池荷电状态的问题，以最大可能地消除了影响电池荷电状态估算的因素，解决了现有技术中电池荷电状态的计算不准确的问题，提高了计算电池荷电状态的准确性。

根据本发明上述实施例，根据电池的工作状态确定用于估算电池荷电状态的估算方法可以包括：若获取到的工作状态为静止状态，确定估算方法为第一估算方法，其中，第一估算方法可以包括开路电压法；若获取到的工作状态为恢复状态，确定估算方法为第二估算方法；若获取到的工作状态为充放电状态，确定估算方法为第三估算方法，其中，第三估算方法可以包括卡尔曼滤波法。

如图2所示，在该实施例中可以将电池的工作状态划分为静止状态、充放电状态以及恢复状态。

其中，静止状态是指电池停止工作之后，完全恢复的状态，该静止状态是从恢复状态转化而来，可直接转入充放电状态，此状态下电池荷电状态(State of Charge，即SOC)的计算量可以作为充放电状态下SOC计算的初始值；充放电状态包括电池的充电状态和放电状态，该充放电状态由静止状态或恢复状态转化而来，可以直接转入恢复状态；恢复状态是指在电池的充电状态或放电状态结束之后，电池从放电状态或充电状态转到静止状态的过渡阶段。

通过本发明上述实施例，依据电池所处的状态将电池的整个工作过程划分为三种工作状态，在不同的工作状态下选择符合实际电池特性的估算方法，由于在不同的工作状态下影响SOC估算的因素不同，通过上述实施例，避免了在估算SOC时只采用一种估算方法导致的SOC不准确的问题，可以最大程度的消除影响SOC估算的因素，提高计算SOC的准确性。

在本发明上述实施例中，若工作状态为充放电状态，使用第三估算方法获取电池荷电状态值，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值可以包括：利用三阶等效电路建立电池的电池模型；确定电池模型的状态方程和测量方程；使用状态方程和测量方程计算电池的电池荷电状态值。

具体地，该第三估算方法可以为卡尔曼滤波法。采用卡尔曼滤波法计算电池荷电状态值需要建立电池模型，电池模型中的各个参数是预先设定的。

在本发明实施例中，选择图3所示的三阶等效电路作为电池模型，该电池模型复杂度适中，既能较好体现电池动态特性，便于计算SOC值，又易于在实际电池管理系统中应用。

如图3所示，该电池模型包括主反应支路和寄生支路2条支路，其中RC网络(即图3中的R1C1、R2C2和R3C3)和电压源Em构成主反应支路，电流Ip流经的电路为寄生支路。主反应支路考虑了电池内部的电极反应、能量散发和欧姆效应，寄生支路则主要考虑充电过程中的析气反应，并以代数形式表示。其中：环境温度Ti和电池电流I为模型的输入变量，电池电压V、放出的电量Q、SOC以及电解液温度T为模型的输出变量，模型的输入输出变量如图4所示。在仿真建模过程中，应尽量减小Ip值或P、N2点间的电压Vpn的值，即减小寄生支路对主反应支路的影响。通过上述电池模型得到仿真结果，并通过实际试验得到试验结果，通过比较分析仿真结果和试验结果，进一步确定和修正电池模型中的参数。电池模型的数学形式为：

状态方程：x_k+1＝A_kx_k+B_ku_k+w_k＝f(x_k,U_k)+W_k；

测量方程：y_k＝C_kx_k+V_k＝g(x_k,u_k)+V_k。

其中，U_k为系统输入，可以包含电流、温度、剩余电量和内阻等变量；y_k为系统输出，可以为电池的电压；f(x_k,u_k)，g(x_k,u_k)为电池模型确立的非线性方程，计算过程中要对该非线性方程进行线性化处理；x_k为系统的状态量且包括SOC；A_k为预设的模型状态参数；B_k为预设的模型状态参数；C_k为预设的模型状态参数；u_k为开路电压值；w_k为电池模型的预设的初始状态值；W_k为电池模型的预设的初始状态值；V_k为电池电压值。

在上述的电池模型状态方程中，依据如下公式SOC描述为状态矢量：

${\mathrm{SOC}}_{k+1}={\mathrm{SOC}}_k-\frac{{\mathrm{\ηi}}_k\mathrm{\Δt}}{C}.$

上述实施例中的卡尔曼滤波法是一个最优化自回归数据处理算法，其核心思想是对动力系统的状态做出最小方差意义上的最优估计。用于初始SOC估算时，卡尔曼滤波法将电池描述成由状态方程和测量方程组成的系统，而SOC则是系统的一个内部状态。

具体地，利用MATLAB软件对卡尔曼滤波法进行仿真，在系统初始阶段，取系统噪声和测量噪声为高斯白噪，由于电池实际端电压与基于数学模型的理论计算值之间存在较大的差距，导致SOC的值也存在较大的误差，系统对SOC进行较大幅度的修正，使得SOC较快地向实际值接近，实时比较电池电压的计算值与实际值，不断修正SOC，直到仿真结果收敛。考虑到模型误差的存在，为了提高SOC估算的准确性，可以对已有的SOC估算算法进行改进，主要体现在如下三个方面：从全过程的角度考虑，采用了常数增益，对SOC估算进行全程的滤波修正；为了在突变的开始时刻增大增益而在突变过后减小增益，设置了动态增益，通过指数函数来实现增益的动态变化，从而加快了突变开始的收敛速度；对观测误差(该观测误差可以通过迭代计算得到)方差进行动态修正，达到了很好的跟踪预测效果。

根据本发明上述实施例，基于电池管理系统的SOC估算流程可以包括如图6所示的步骤：

步骤S602：根据电池三阶模型，得到状态方程和测量方程。

步骤S604：对测量方程进行线性化处理，得到线性化模型。

步骤S606：基于电池管理系统的硬件程序，利用离散系统卡尔曼进行滤波过程，得到状态预测估计值和误差方差预测估计值以及滤波增益值。

步骤S608：通过实验数据和滤波增益(动态增益)校正预测估计，得到状态估计值。

其中，状态估计值即为本发明上述实施例中的SOC值。

步骤S610：将得到的状态估计值存储在电池管理系统中，为电动汽车的在线监测、控制策略分析以及安全性监测等服务。

通过本发明上述实施例，采用三阶电池模型和卡尔曼滤波法，对电池的充放电过程中的SOC进行估算，以“预测—计算校正系数—校正”的方式递推进行，得到每一步的SOC值。在本发明上述实施例中，考虑多种因素(如，电流、温度、剩余电量、内阻以及电压等)对SOC估算的影响，避免了现有技术中仅考虑单一因素影响SOC而产生的误差，提高了SOC估算的准确性。

在本发明上述实施例中，若工作状态为恢复状态，使用第二估算方法获取电池荷电状态值，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值可以包括：获取电池在进入恢复状态之前的工作状态；在电池在进入恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算电池荷电状态值，其中，第一公式为SOC_t为恢复状态下的电池荷电状态值，SOC_d为放电状态终止时的电池荷电状态值，M为在电池放电过程中的累积电量，t为电池在恢复状态下经历的时间，h为预设的恢复状态的持续时间，Q为电池的实际容量；在电池在进入恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算电池荷电状态值，其中，第二公式为SOC_t＝SOC_c+M×h×100％，SOC_c为充电状态终止时的电池荷电状态值。

具体地，在恢复状态下估算SOC主要考虑放电或充电结束后电池电量的改变量。从放电状态或充电状态进入恢复状态后，电池电量会随时间增加而有所增加，该变化的原因是在放电过程或充电过程中电池内部产生极化现象，部分电量没有用于实际的充放电而是慢慢累积起来，当电池停止工作后极化现象会慢慢消失，累积的电量也会恢复。

在上述实施例中，恢复阶段SOC的估算可以包括如下两个方面：

(1)若电池从放电状态进入恢复状态，则使用第一公式计算SOC值。

(2)若电池从充电状态进入恢复状态，则使用第二公式SOC_t＝SOC_c+M×h×100％计算SOC值。

上述的M值是根据放电状态和充电状态的不同预先设置的；h为预设的恢复状态的持续时间，其可以是8小时。

在本发明上述实施例中，考虑了对电池充放电过程中的极化现象对SOC值的影响，提出了针对该极化现象估算SOC的方法，按照第一公式计算电池从放电状态进入恢复状态后的SOC值，按照第二公式计算电池从放电状态进入恢复状态后的SOC值，在不同的工作状态下使用不同的方法估算SOC，提高了估算出的SOC值的准确性。

根据本发明上述实施例，若工作状态为恢复状态，使用第一估算方法获取电池荷电状态值，按照估算方法计算电池处于不同的工作状态下的电池荷电状态值可以包括：获取电池的开路电压；读取开路电压对应的电池荷电状态值。

在本发明的上述实施例中，在静止状态下采用开路电压法估算SOC。具体地，在静止状态下，电池的特点是电流为零且无极化现象，其SOC值与开路电压有很好的对应关系，因此能用开路电压法直接估算电池的SOC值，电池的开路电压与SOC值的关系曲线如图5所示。在获取到电池的开路电压之后，从图5所示的电池的开路电压与SOC值的关系曲线中读取与获取到的开路电压对应的电池荷电状态值。

通过本发明上述实施例，在静止状态下，电池容量主要受自放电现象的影响，使得电池电量会随着时间的增加而减少，而用开路电压与SOC值的对应关系来估算SOC，本身就可以消除自放电引起的电量损失的影响，从而能使SOC值更加准确地反映电池荷电状态。

采用本发明实施例，在不同工作状态下采用不同的估算方法，以消除在电池的不同的工作状态下不同因素导致的估算SOC的误差。具体地，在静止状态下采用开路电压法可以消除自放电引起的电量损失的影响；在计算恢复状态下的SOC值时，由于进入恢复状态之前的电池状态(即上述实施例中的充电状态和放电状态)不同，导致影响SOC的因素不同，分别采用第一公式和第二公式计算SOC；在充放电状态下，考虑多种因素(如，电流、温度、剩余电量、内阻以及电压等)对SOC值的影响，采用三阶电池模型和卡尔曼滤波法计算SOC值，避免了仅考虑单一因素影响SOC时产生的误差。通过上述实施例，在不同的电池的工作状态下采用不同的估算方法对SOC进行估算，避免了在估算SOC时只采用一种估算方法或只考虑单一因素导致SOC估算不准确的问题，可以最大程度的消除影响SOC估算的因素，提高计算SOC的准确性。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图7是根据本发明实施例的电池荷电状态的获取装置的示意图，如图7所示，该获取装置可以包括：第一获取模块10、第一确定模块30以及计算模块50。

其中，第一获取模块10用于获取电池的工作状态；第一确定模块30用于根据电池的工作状态确定用于估算电池荷电状态的估算方法；计算模块50用于按照估算方法计算电池处于不同的工作状态下的电池荷电状态值。

采用本发明实施例，在第一获取模块获取到电池的工作状态之后，第一确定模块根据获取到的电池的工作状态确定用于估算电池荷电状态的估算方法，并且计算模块按照该估算方法计算电池处于不同的工作状态下的电池荷电状态值。通过本发明实施例，将电池在整个工作过程中的工作状态进行划分，对电池的不同的工作状态采用不同估算方法，避免了现有技术中仅使用一种估算方法计算电池荷电状态的问题，以最大可能地消除了影响电池荷电状态估算的因素，解决了现有技术中电池荷电状态的计算不准确的问题，提高了计算电池荷电状态的准确性。

根据本发明上述实施例，第一确定模块30可以包括：第一确定子模块，用于在获取到的工作状态为静止状态的情况下，确定估算方法为第一估算方法，其中，第一估算方法可以包括开路电压法；第二确定子模块，用于在获取到的工作状态为恢复状态的情况下，确定估算方法为第二估算方法；第三确定子模块，用于在获取到的工作状态为充放电状态的情况下，确定估算方法为第三估算方法，其中，第三估算方法可以包括卡尔曼滤波法。

其中，静止状态是指电池停止工作之后，完全恢复的状态，该静止状态是从恢复状态转化而来，可直接转入充放电状态，此状态下电池荷电状态(State of Charge，即SOC)的计算量可以作为充放电状态下SOC计算的初始值；充放电状态包括电池的充电状态和放电状态，该充放电状态由静止状态或恢复状态转化而来，可以直接转入恢复状态；恢复状态是指在电池的充电状态或放电状态结束之后，电池从放电状态或充电状态转到静止状态的过渡阶段。

通过本发明上述实施例，依据电池所处的状态将电池的整个工作过程划分为三种工作状态，在不同的工作状态下选择符合实际电池特性的估算方法，由于在不同的工作状态下影响SOC估算的因素不同，通过上述实施例，避免了在估算SOC时只采用一种估算方法导致的SOC不准确的问题，可以最大程度的消除影响SOC估算的因素，提高计算SOC的准确性。

在本发明上述实施例中，若工作状态为充放电状态，使用第三估算方法获取电池荷电状态值，计算模块50可以包括：建立模块，用于利用三阶等效电路建立电池的电池模型；第二确定模块，用于确定电池模型的状态方程和测量方程；第一计算子模块，用于使用状态方程和测量方程计算电池的电池荷电状态值。

具体地，该第三估算方法可以为卡尔曼滤波法。采用卡尔曼滤波法计算电池荷电状态值需要建立电池模型，电池模型中的各个参数是预先设定的。

上述实施例中的卡尔曼滤波法是一个最优化自回归数据处理算法，其核心思想是对动力系统的状态做出最小方差意义上的最优估计。用于初始SOC估算时，卡尔曼滤波法将电池描述成由状态方程和测量方程组成的系统，而SOC则是系统的一个内部状态。

具体地，利用MATLAB软件对卡尔曼滤波法进行仿真，在系统初始阶段，取系统噪声和测量噪声为高斯白噪声，由于电池实际端电压与基于数学模型的理论计算值之间存在较大的差距，导致SOC的值也存在较大的误差，系统对SOC进行较大幅度的修正，使得SOC较快地向实际值接近，实时比较电池电压的计算值与实际值，不断修正SOC，直到仿真结果收敛。考虑到模型误差的存在，为了提高SOC估算的准确性，可以对已有的SOC估算算法进行改进，主要体现在如下三个方面：从全过程的角度考虑，采用了常数增益，对SOC估算进行全程的滤波修正；为了在突变的开始时刻增大增益而在突变过后减小增益，设置了动态增益，通过指数函数来实现增益的动态变化，从而加快了突变开始的收敛速度；对观测误差方差进行动态修正，达到了很好的跟踪预测效果。

通过本发明上述实施例，采用三阶电池模型和卡尔曼滤波法，对电池的充放电过程中的SOC进行估算，以“预测—计算校正系数—校正”的方式递推进行，得到每一步的SOC值。在本发明上述实施例中，考虑多种因素(如，电流、温度、剩余电量、内阻以及电压等)对SOC估算的影响，避免了现有技术中仅考虑单一因素影响SOC而产生的误差，提高了SOC估算的准确性。

在本发明上述实施例中，若工作状态为恢复状态，使用第二估算方法获取电池荷电状态值，计算模块50可以包括：第二获取模块，用于获取电池在进入恢复状态之前的工作状态；第二计算子模块，用于在电池在进入恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算电池荷电状态值，其中，第一公式为SOC_t为恢复状态下的电池荷电状态值，SOC_d为放电状态终止时的电池荷电状态值，M为在电池放电过程中的累积电量，t为电池在恢复状态下经历的时间，h为预设的恢复状态的持续时间，Q为电池的实际容量；第三计算子模块，用于在电池在进入恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算电池荷电状态值，其中，第二公式为SOC_t＝SOC_c+M×h×100％，SOC_c为充电状态终止时的电池荷电状态值。

具体地，在恢复状态下，计算得到的SOC值可以作为充放电状态下SOC估算的初始值，在恢复状态下估算SOC主要考虑放电或充电结束后电池电量的改变量。从放电状态或充电状态进入恢复状态后，电池电量会随时间增加而有所增加，该变化的原因是在放电过程或充电过程中电池内部产生极化现象，部分电量没有用于实际的充放电而是慢慢累积起来，当电池停止工作后极化现象会慢慢消失，累积的电量也会恢复。

在上述实施例中，恢复阶段SOC的估算可以包括如下两个方面：

(1)若电池从放电状态进入恢复状态，则使用第一公式计算SOC值。

(2)若电池从充电状态进入恢复状态，则使用第二公式SOC_t＝SOC_c+M×h×100％计算SOC值。

上述的M值是根据放电状态和充电状态的不同预先设置的；h为预设的恢复状态的持续时间，其可以是8小时。

在本发明上述实施例中，考虑了对电池充放电过程中的极化现象对SOC值的影响，提出了针对该极化现象估算SOC的方法，按照第一公式计算电池从放电状态进入恢复状态后的SOC值，按照第二公式计算电池从放电状态进入恢复状态后的SOC值，在不同的工作状态下使用不同的方法估算SOC，提高了估算出的SOC值的准确性。

根据本发明上述实施例，若工作状态为恢复状态，使用第一估算方法获取电池荷电状态值，计算模块50可以包括：第三获取模块，用于获取电池的开路电压；读取模块，用于读取开路电压对应的电池荷电状态值。

在本发明的上述实施例中，在静止状态下采用开路电压法估算SOC。具体地，在静止状态下，电池的特点是电流为零且无极化现象，其SOC值与开路电压有很好的对应关系，因此能用开路电压法直接估算电池的SOC值，电池的开路电压与SOC值的关系曲线如图5所示。在获取到电池的开路电压之后，从图5所示的电池的开路电压与SOC值的关系曲线中读取与获取到的开路电压对应的电池荷电状态值。

通过本发明上述实施例，在静止状态下，电池容量主要受自放电现象的影响，使得电池电量会随着时间的增加而减少，而用开路电压与SOC值的对应关系来估算SOC，本身就可以消除自放电引起的电量损失的影响，从而能使SOC值更加准确地反映电池荷电状态。

采用本发明实施例，在不同工作状态下采用不同的估算方法，以消除在电池的不同的工作状态下不同因素导致的估算SOC的误差。具体地，在静止状态下采用开路电压法可以消除自放电引起的电量损失的影响；在计算恢复状态下的SOC值时，由于进入恢复状态之前的电池状态(即上述实施例中的充电状态和放电状态)不同，导致影响SOC的因素不同，分别采用第一公式和第二公式计算SOC；在充放电状态下，考虑多种因素(如，电流、温度、剩余电量、内阻以及电压等)对SOC值的影响，采用三阶电池模型和卡尔曼滤波法计算SOC值，避免了仅考虑单一因素影响SOC时产生的误差。通过上述实施例，在不同的电池的工作状态下采用不同的估算方法对SOC进行估算，避免了在估算SOC时只采用一种估算方法或只考虑单一因素导致SOC估算不准确的问题，可以最大程度的消除影响SOC估算的因素，提高计算SOC的准确性。

本实施例中所提供的各个模块与方法实施例对应步骤所提供的使用方法相同、应用场景也可以相同。当然，需要注意的是，上述模块涉及的方案可以不限于方法实施例中的内容和场景，且上述模块可以运行在计算机终端或移动终端，可以通过软件或硬件实现。

从以上的描述中，可以看出，本发明实现了如下技术效果：

采用本发明实施例，在获取到电池的工作状态之后，根据获取到的电池的工作状态确定用于估算电池荷电状态的估算方法，并且按照该估算方法计算电池处于不同的工作状态下的电池荷电状态值。通过本发明实施例，将电池在整个工作过程中的工作状态进行划分，对电池的不同的工作状态采用不同估算方法，避免了现有技术中仅使用一种估算方法计算电池荷电状态的问题，以最大可能地消除了影响电池荷电状态估算的因素，解决了现有技术中电池荷电状态的计算不准确的问题，提高了计算电池荷电状态的准确性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种电池荷电状态的获取方法，其特征在于，包括：

获取电池的工作状态；

根据所述电池的所述工作状态确定用于估算电池荷电状态的估算方法；

按照所述估算方法计算所述电池处于不同的所述工作状态下的电池荷电状态值。

2.根据权利要求1所述的获取方法，其特征在于，根据所述电池的所述工作状态确定用于估算电池荷电状态的估算方法包括：

若获取到的所述工作状态为静止状态，确定所述估算方法为第一估算方法，其中，所述第一估算方法包括开路电压法；

若获取到的所述工作状态为恢复状态，确定所述估算方法为第二估算方法；

若获取到的所述工作状态为充放电状态，确定所述估算方法为第三估算方法，其中，所述第三估算方法包括卡尔曼滤波法。

3.根据权利要求2所述的获取方法，其特征在于，所述估算方法为所述第三估算方法，按照所述估算方法计算所述电池处于不同的所述工作状态下的电池荷电状态值包括：

利用三阶等效电路建立所述电池的电池模型；

确定所述电池模型的状态方程和测量方程；

使用所述状态方程和所述测量方程计算所述电池的所述电池荷电状态值。

4.根据权利要求2所述的获取方法，其特征在于，所述估算方法为所述第二估算方法，按照所述估算方法计算所述电池处于不同的所述工作状态下的电池荷电状态值包括：

获取所述电池在进入所述恢复状态之前的工作状态；

在所述电池在进入所述恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算所述电池荷电状态值，其中，

所述第一公式为所述SOC_t为所述恢复状态下的所述电池荷电状态值，所述SOC_d为所述放电状态终止时的电池荷电状态值，所述M为在所述电池放电过程中的累积电量，所述t为所述电池在所述恢复状态下经历的时间，所述h为预设的所述恢复状态的持续时间，所述Q为所述电池的实际容量；

在所述电池在进入所述恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算所述电池荷电状态值，其中，

所述第二公式为SOC_t＝SOC_c+M×h×100％，所述SOC_c为所述充电状态终止时的电池荷电状态值。

5.根据权利要求2所述的获取方法，其特征在于，所述估算方法为所述第一估算方法，按照所述估算方法计算所述电池处于不同的所述工作状态下的电池荷电状态值包括：

获取所述电池的开路电压；

读取所述开路电压对应的所述电池荷电状态值。

6.一种电池荷电状态的获取装置，其特征在于，包括：

第一获取模块，用于获取电池的工作状态；

第一确定模块，用于根据所述电池的所述工作状态确定用于估算电池荷电状态的估算方法；

计算模块，用于按照所述估算方法计算所述电池处于不同的所述工作状态下的电池荷电状态值。

7.根据权利要求6所述的获取装置，其特征在于，所述第一确定模块包括：

第一确定子模块，用于在获取到的所述工作状态为静止状态的情况下，确定所述估算方法为第一估算方法，其中，所述第一估算方法包括开路电压法；

第二确定子模块，用于在获取到的所述工作状态为恢复状态的情况下，确定所述估算方法为第二估算方法；

第三确定子模块，用于在获取到的所述工作状态为充放电状态的情况下，确定所述估算方法为第三估算方法，其中，所述第三估算方法包括卡尔曼滤波法。

8.根据权利要求7所述的获取装置，其特征在于，所述估算方法为所述第三估算方法，所述计算模块包括：

建立模块，用于利用三阶等效电路建立所述电池的电池模型；

第二确定模块，用于确定所述电池模型的状态方程和测量方程；

第一计算子模块，用于使用所述状态方程和所述测量方程计算所述电池的所述电池荷电状态值。

9.根据权利要求7所述的获取装置，其特征在于，所述估算方法为所述第二估算方法，所述计算模块包括：

第二获取模块，用于获取所述电池在进入所述恢复状态之前的工作状态；

第二计算子模块，用于在所述电池在进入所述恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算所述电池荷电状态值，其中，

所述第一公式为所述SOC_t为所述恢复状态下的所述电池荷电状态值，所述SOC_d为所述放电状态终止时的电池荷电状态值，所述M为在所述电池放电过程中的累积电量，所述t为所述电池在所述恢复状态下经历的时间，所述h为预设的所述恢复状态的持续时间，所述Q为所述电池的实际容量；

第三计算子模块，用于在所述电池在进入所述恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算所述电池荷电状态值，其中，

所述第二公式为SOC_t＝SOC_c+M×h×100％，所述SOC_c为所述充电状态终止时的电池荷电状态值。

10.根据权利要求7所述的获取装置，其特征在于，所述估算方法为所述第一估算方法，所述计算模块包括：

第三获取模块，用于获取所述电池的开路电压；

读取模块，用于读取所述开路电压对应的所述电池荷电状态值。