CN105015360B - 汽车动力电池sof的监测方法 - Google Patents

Abstract

本发明提供了一种汽车动力电池SOF的监测方法，利用动态极限电流监测和静态极限电流监测相结合的方式，充分考虑电池工作过程中的内阻动态变化，使得监测出的SOF值更加准确。

Description

汽车动力电池SOF的监测方法

技术领域

本发明涉及汽车电池领域，具体涉及汽车动力电池SOF的监测方法。

背景技术

近年来，为应对汽车工业迅猛发展带来的环境污染、石油资源急剧消耗等影响，各国都在积极开展研究新能源汽车研究。汽车动力电池作为电动汽车的核心零部件，对整车的续驶里程、使用寿命、安全性能等有着直接的影响。表征汽车动力电池性能的主要有以下参数：

SOH:电池的健康度(State of Health)，是指在一定条件下，电池所能充入或者放出容量与标称容量的百分比；

SOC:电池的荷电状态(State of Charge)，反映电池的剩余容量状况；

SOF:电池的功能状态(State of Function)，即指在任何给定的充放电条件下，可以预测出的电池的充放电电流极限值、电压极限值及功率极限值；

BOL:(Begin of Life)，即刚出厂时，电池的初始状态；

EOL:(End of Life)，全寿命周期内，电池的当前状态；

其中，电池的SOF的监测直接影响着整车动力性的三指标：最高车速、加速时间及最大爬坡度。因此，需要找到一种适用于新能源汽车电池组功能状态检测的方法，在满足整车动力性的基础上，保障电池组稳定可靠的工作。

电池的SOF功能监测与电池SOC状态、电池单体允许的工作温度范围、单体电压工作范围、单体内阻变化、充放电电流及电池组的SOH相关。

现有的汽车动力电池SOF的监测方法主要为直接查表法：通过台架试验，采用恒功率测试法、混合脉冲功率法和工况法准确测试电池的充放电功率，形成一系列不同SOC、T(温度)下的对应的BOL充放电功率数据矩阵表，此法是一种静态监测法。在整车行驶过程中，整车控制器会根据当前电池状态信息查表计算电池最大允许的充放电功率和电流。此方法可计算出整车电池的功率特性，但不可预测未来时间内的电池功率输出性能。依靠经验查表所得的SOF数据，只反映出电池BOL状态下的SOF性能，并未考虑到电池使用一段时间后的性能衰减导致功率损失，且依靠经验查表，无法实现整车实时预测电池功能状态，无法准确反映电池的最大功率输入/输出性能，从而影响整车的动力性，甚至会导致车辆抛锚。动态极限监测是基于整车在不同使用工况条件下的一种电池模型进行监测，电池模型根据输入条件的计算，插入和转换成电流极限值，在监测充放电电流极限值时，应考虑电池工作电压极限值和功率损失。

发明内容

本发明的目的是提供一种实时、准确的汽车动力电池SOF的监测方法，即在不损害动力电池总成的前提下，在任意时刻均可监测出汽车动力电池的允许的充放电极限电流，并且该监测到的充放电极限电流更加接近电池的实际性能。

为实现上述目的本发明的实施例提供了如下技术方案：

一种汽车动力电池SOF的监测方法，包括：

基于汽车动力电池的欧姆极化、电化学极化、扩散极化的动态特征建立电池模型；

基于所述电池模型监测所述汽车动力电池的动态极限电流和静态极限电流；

取所述动态极限电流与所述静态极限电流的最小值作为电池充放电极限电流；

其中，监测所述汽车动力电池的所述动态极限电流的过程，包括：

电池管理系统将一列不同时刻的离散的电流矩阵输入电池模型，获得一列相应的电压矩阵输出；

根据所述电流矩阵、所述电压矩阵动态调整用于计算充放电预测电压的电压-电流线性关系式中的参数；

实时监测所述充放电预测电压，并结合不同SOC下对应的开路电压获得电池模型过电压；

通过预存的充放电台架试验数据获得实时的电池过电压；

根据所述电池过电压、所述充放电预测电压、不同SOC下对应的开路电压获得实时的电池内阻变化率；

将所述电池模型过电压、所述充放电预测电压和所述电池内阻变化率输入所述电池模型，获得动态极限电流。

优选地，监测所述汽车动力电池的所述静态极限电流的过程包括：

利用所述电池内阻变化率将充放电台架试验获得的电池BOL的充放电功率转化为电池EOL充放电功率；

根据电池EOL充放电功率及充放电极限电压，获得静态极限电流。

优选地，所述电流矩阵被所述电池管理系统按照如下关系式处理从而得到所述电压矩阵：

U＝OCV+I×R_AC+I×R_CT×e^-t/tao+I×R_WB1×e^-t/tao+I×R_WB2×e^-t/tao，

其中，U代表对应所述电流矩阵中的某一时刻的电流的电压，OCV代表对应不同SOC的开路电压，I代表所述电流矩阵中的电流，R_AC代表所述电池模型的交流阻抗，R_CT代表所述电池模型的电荷转移电阻，R_WB1、R_WB2代表所述电池模型的韦伯阻抗，t为所述电流矩阵中对应某一电流的某一时刻，tao为修正参数。

优选地，所述交流阻抗包括电池内的单体电池本身阻抗和单体电池之间的连接件的阻抗。

优选地，所述电池管理系统对所述电池过电压、所述充放电预测电压、不同SOC下对应的开路电压进行如下关系式的处理从而获得电池内阻变化率：

U₀-OCV＝U₁×(1+dR)+off；

U₁＝U_k-OCV；

其中，U₀代表充放电台架试验中的电池过电压，U₁代表所述电池模型过电压，dR代表所述电池内阻变化率，off为补偿值，U_k代表实时监测到的充放电预测电压。

优选地，所述电池BOL的充放电功率是在不同温度、不同SOC下测得的。

优选地，所述充放电极限电压根据不同温度设定。

优选地，在电池单体电压无异常且功率损失正常的条件下，对所述动态极限电流进行循环监测。

本发明的实施例采用的是动态极限电流监测与静态极限电流监测相结合的方式，基于一种电池模型，同时在动态极限电流计算、静态极限电流计算过程中能够实时地将不同时刻的不同的电池内阻变化率引入计算，即在监测过程中充分考虑了电池内阻变化，从而使得监测更加准确。

进一步地，本发明的实施例充分考虑电池SOC状态、温度、单体电压、单体内阻变化、SOH及功率损失等影响因素，实时预估电池的SOF功能。

附图说明

接下来将结合附图对本发明的具体实施例作进一步详细说明，其中：

图1是本发明的实施例的汽车动力电池SOF的监测方法的原理图；

图2是本发明的实施例的电池模型图；

图3是本发明的实施例的动态极限监测与静态极限监测输入示意图；

图4是本发明的实施例的电流矩阵—电压矩阵的对应关系图；

图5是本发明的实施例的不同时刻对应的电池电压曲线图；。

具体实施方式

电池的SOF监测值包括以下内容：实际和预测的充放电电流极限值、实际和预测的充放电电压极限值、SOC低端和高端极限值。一般汽车动力电池的充电电压极限值、放电电压极限值为设定值，例如充电电压极限值设定为4.2V，在0℃以上时放电电压极限值设定为3.0V，0℃以下时放电电压极限值设定为2.8V；SOC低端和高端极限值为电池SOC的工作窗口，其值为一个修正参数，例如30％-70％；因此本发明的实施例中SOF的监测主要是实时预测电池充放电电流极限值。

参考图1，本实施例的汽车动力电池SOF的监测方法的基本思路在于，基于所建立的电池模型，将动态极限监测方法与静态极限监测方法相结合，分别进行动态极限监测、静态极限监测后，取动态极限监测的极限电流值和静态极限监测的极限电流值的最小值作为汽车动力电池充放电极限电流。

参考图2，本实施例中的电池模型与电池在充放电过程中电池材料发生的电化学反应密切相关，反应了电池电化学反应的电化学特征：欧姆极化、电化学极化、扩散极化。电池模型可反映四个不同化学动态特征，分别为欧姆阻抗(一定SOC下内阻值)，一个与电荷转移电流相关的状态、两个与极限扩散电流相关的状态。四个动态特征分别由AC阻抗(R_AC)、电荷转移电阻(R_CT)、韦伯阻抗(R_WB1和R_WB2)来表征。这四个阻抗值与电池的SOC、T(温度)、I(电流)相关。该电池模型是基于单体电池测试数据进行修正和标定，AC阻抗(交流阻抗)值包括单体电池本身阻抗和单体与单体间的连接件阻抗值。通过此电池模型，可拟合一个电压与电流、时间的关系式:

U₁＝OCV+I×R_AC+I×R_CTe^-t/tao+I×R_WB1e^-t/tao+I×R_WB2e^-t/tao+dR×I…………[1]，

U＝OCV+I×R_AC+I×R_CT×e^-t/tao+I×R_WB1×e^-t/tao+I×R_WB2×e^-t/tao……………[2]，

其中，U₁为电池模型过电压；U代表对应一个电流矩阵中的某一时刻的电流的电压，这一点将在接下来进行详细描述；OCV代表对应不同SOC的开路电压；I代表电流矩阵中的电流；R_AC代表电池模型的交流阻抗；R_CT代表电池模型的电荷转移电阻；R_WB1、R_WB2代表电池模型的韦伯阻抗；t为电流矩阵中对应某一电流的某一时刻；tao为修正参数。

表1示例性地示出了一组汽车动力电池在充放电台架试验中获得的对应不同SOC值的OCV。

表1

例如，在表1中，能够查询到对应SOC为40％时放电OCV为232.77V。

由计算式[1]和计算式[2]可得：

I＝[U₁-U]/dR……………[3]，

基于电池模型图2的电池模型建立的动态极限监测与静态极限监测输入关系如图3所示。其中，动态极限监测以电池实际状态为依据，确定电池单体电压及功率状态，若电池单体电压无异常且功率损失正常，则说明此电池在接下来的时间内仍可正常工作，反复不断循环监测得出动态极限电流值。静态极限监测是通过台架试验及SOH状态，得出不同SOC、T及SOH下的功率数据矩阵表，通过查表可得其静态极限电流值。图3中输出端Min指动态极限电流与静态极限电流中的最小值，此最小值值即为电池充放电极限电流。

接下来，将具体描述动态极限电流监测与静态极限电流监测的过程。

一、动态极限电流监测：

如图4所示，在动力电池范围内，通过递归循环法，电池管理系统(BMS)以预定的时间间隔t将一列离散的电流矩阵I₁、I₂……I_k+1输入电池模型，通过计算式[2]可得一列相应的电压矩阵U₁(此U₁为对应I₁的电压值，而非前述的电池模型过电压)、U₂……U_k+1，并推算出任意一时刻的电压值。

在充电过程中，设定U_k+1为充电极限电压，例如4.2V，由此可计算出充电过程中未来某一时刻U_k值；在放电过程中，设定U_k+1为放电极限电压，例如在0℃以上时设定U_k+1为放电极限电压3.0V，在0℃及以下时，设定U_k+1为放电极限电压2.8V。由此通过线性插值可计算出放电过程中未来某一时刻的U_k值。将充电和放电的某一时刻U_K-1、I_K-1、U_K+1、I_K+1输入线性关系式[4]，计算出k和b，由此获得了用于计算任意时刻的充放电预测电压U_k的电压-电流线性关系式[4]，据此关系式能够计算出充电和放电的预测电压Uk值。线性关系式[4]如下：

U_k＝kI_k+b……………[4]。

通过上述描述可知，电压-电流线性关系式[4]中的参数k和b是随着时间的变化而被动态调整的。

单体最高内阻变化率dR是采用模组阻抗衰减监测法进行计算的，得出充放电过程中的电池的dR及补偿值off。

图5为汽车动力电池台架试验的曲线图，主要测试不同时刻对应的模组电压的变化趋势，命名为U-t曲线。图中的U_台架为对电池充放电过程中的输出电压的实测值。通过曲线图5，可获得实时的的电池过电压值U₀。不同SOC下的OCV值可由测试的电池SOC-OCV曲线获得，电池SOC-OCV曲线是通过台架试验获得，例如通过表1绘制的SOC-OCV曲线。由计算式[5]及[6]可计算出dR和off值。

U₀-OCV＝U₁×(1+dR)+off………[5]，

U₁＝U_k-OCV…………………[6]，

其中，U₀代表充放电台架试验中的电池过电压，U₁代表电池模型过电压，dR代表电池内阻变化率，dR为随着OCV的不同而动态变化的量，off为补偿值，U_k代表根据电压-电流线性关系式[4]计算得到的充放电预测电压。

这样，根据充放电预测电压U_k、不同SOC下对应的开路电压OCV，利用计算式[6]计算得到了电池模型过电压U₁，电池过电压U₀能够从充放电台架试验获得的图5中得到，将不同时刻的U₀、U₁和OCV输入计算式[5]就能够计算电池内阻变化率dR和补偿值off。

在获得了电池模型过电压U₁、充放电预测电压U_k和电池内阻变化率dR后，计算式[3]中的U被能够代表任意时刻的U_k所取代，这样就能够根据计算式[3]计算出动态极限电流I₁，I₁＝【U₁-U_k】/dR，并且能够通过计算式[1]预测出未来某一时刻的极限电流。

二、静态极限电流监测：

在获得电池内阻变化率dR、充放电台架试验获得的电池BOL的充放电功率表、充放电极限电压后，计算静态极限电流。

其中，dR的计算方法上文中已给出，充放电台架试验获得的电池BOL的一个示例性充放电功率表如表2所示，

表2

(kw)

BOL的充放电功率表2是电池初始状态下，不同温度、不同SOC下电池BOL的10s的充放电功率值W。例如在表2中，在0℃、SOC为70％时，电池的10s放电功率值为60kw。

而充放电极限电压U(极限)如上文所描述的，为设定值，例如在0℃时放电极限电压U(极限)为3.0V。

利用电池内阻变化率dR、充放电台架试验获得的电池BOL的充放电功率表，就能够换算得到不同温度不同SOC下电池组EOL的充放电功率值W’，换算关系如下：

W’＝W(1-dR)……[7]，

例如，在0℃、SOC为70％时，BOL下测得的电池的10s放电功率值为60kw，但实际上电池内阻已经变化，由100欧姆上升到120欧姆，即电池内阻变化率为20％，此时通过计算式[7]计算得到的EOL下的电池的10s放电功率值为48kw。这样，通过换算，就能够将表2转化为表3。

表3

因此，实际的静态极限电流I₂就能够按照计算式[8]进行计算：

I₂＝W(1-dR)/U(极限)……[8]，

其中，I₂代表静态极限电流，W代表电池BOL的充放电功率表中的功率，U(极限)代表充放电极限电压。

这样，动态极限电流I₁、静态极限电流I₂均已被求出，取动态极限电流I₁与静态极限电流I₂的最小值作为电池充放电极限电流，汽车动力电池SOF被监测出。

可见，本实施例采用的是动态极限电流监测与静态极限电流监测相结合的方式，基于一种电池模型，同时在动态极限电流计算、静态极限电流计算过程中能够实时地将不同时刻的不同的电池内阻变化率dR引入计算，在监测过程中充分考虑了电池内阻变化，从而使得监测更加准确，并且在监测过程中，充分考虑了电池SOC状态、温度、单体电压、SOH及功率损失等影响因素，实时预估电池的SOF功能。

虽然本发明是结合以上实施例进行描述的，但本发明并不限定于上述实施例，而只受权利要求的限定，本领域普通技术人员能够容易地对本实施例进行等效替换或者变型，但并不离开本发明的实质构思和范围。

Claims (8)

1.一种汽车动力电池SOF的监测方法，其特征在于，包括：

基于汽车动力电池的欧姆极化、电化学极化、扩散极化的动态特征建立电池模型；

基于所述电池模型监测所述汽车动力电池的动态极限电流和静态极限电流；

取所述动态极限电流与所述静态极限电流的最小值作为电池充放电极限电流；

其中，监测所述汽车动力电池的所述动态极限电流的过程，包括：

电池管理系统将一列不同时刻的离散的电流矩阵输入电池模型，获得一列相应的电压矩阵输出；

根据所述电流矩阵、所述电压矩阵动态调整用于计算充放电预测电压的电压-电流线性关系式中的参数；

实时监测所述充放电预测电压，并结合不同SOC下对应的开路电压获得电池模型过电压；

通过预存的充放电台架试验数据获得实时的电池过电压；

根据所述电池过电压、所述充放电预测电压、不同SOC下对应的开路电压获得实时的电池内阻变化率；

将所述电池模型过电压、所述充放电预测电压和所述电池内阻变化率输入所述电池模型，获得动态极限电流。

2.根据权利要求1所述的汽车动力电池SOF的监测方法，其特征在于，监测所述汽车动力电池的所述静态极限电流的过程包括：

利用所述电池内阻变化率将充放电台架试验获得的电池BOL的充放电功率转化为电池EOL充放电功率；

根据电池EOL充放电功率及充放电极限电压，获得静态极限电流。

3.根据权利要求1所述的汽车动力电池SOF的监测方法，其特征在于，所述电流矩阵被所述电池管理系统按照如下关系式处理从而得到所述电压矩阵：

U＝OCV+I×R_AC+I×R_CT×e^-t/tao+I×R_WB1×e^-t/tao+I×R_WB2×e^-t/tao，

其中，U代表对应所述电流矩阵中的某一时刻的电流的电压，OCV代表对应不同SOC的开路电压，I代表所述电流矩阵中的电流，R_AC代表所述电池模型的交流阻抗，R_CT代表所述电池模型的电荷转移电阻，R_WB1、R_WB2代表所述电池模型的韦伯阻抗，t为所述电流矩阵中对应某一电流的某一时刻，tao为修正参数。

4.根据权利要求3所述的汽车动力电池SOF的监测方法，其特征在于，所述交流阻抗包括电池内的单体电池本身阻抗和单体电池之间的连接件的阻抗。

5.根据权利要求1所述的汽车动力电池SOF的监测方法，其特征在于，所述电池管理系统对所述电池过电压、所述充放电预测电压、不同SOC下对应的开路电压进行如下关系式的处理从而获得电池内阻变化率：

U₀-OCV＝U₁×(1+dR)+off；

U₁＝U_k-OCV；

其中，U₀代表充放电台架试验中的电池过电压，U₁代表所述电池模型过电压，dR代表所述电池内阻变化率，off为补偿值，U_k代表实时监测到的充放电预测电压。

6.根据权利要求2所述的汽车动力电池SOF的监测方法，其特征在于，所述电池BOL的充放电功率是在不同温度、不同SOC下测得的。

7.根据权利要求6所述的汽车动力电池SOF的监测方法，其特征在于，所述充放电极限电压根据不同温度设定。

8.根据权利要求1所述的汽车动力电池SOF的监测方法，其特征在于，在电池单体电压无异常且功率损失正常的条件下，对所述动态极限电流进行循环监测。