CN105116344B - 基于二进制编码的电池开路电压估算方法 - Google Patents

Abstract

本发明公开了基于二进制编码的电池开路电压预测方法，属于电动汽车技术领域，包括：一阶RC等效电路模型参数辨识阶段、电池开路电压预测阶段；一阶RC等效电路模型参数辨识阶段包括：步骤1，建立描述电池动态特性的一阶RC等效电路模型；步骤2，依据实际采集的电池电流及电压信号，基于最小二乘法预测模型参数；电池开路电压预测阶段包括：步骤3，建立描述电池静置特性的多阶RC等效电路模型；步骤4，以一阶RC等效电路模型参数辨识阶段辨识的R₁C₁作为基准R₀C₀；步骤5，令多阶RC等效电路模型中的R_iC_i＝2ⁱR₀C₀；步骤6，依据最小二乘法辨识电池开路电压。本发明引入二进制编码原理预测电池开路电压，解决了多阶等效电路模型非线性度高，耦合性高不利于求解的问题。

Description

基于二进制编码的电池开路电压估算方法

技术领域

本发明属于电动汽车技术领域，具体涉及电动汽车动力电池开路电压估算。

背景技术

为了防止电动汽车动力电池组过充过放，延长电池组使用寿命，从而提高整车性能和安全性，一般要求电池管理系统能够实时准确的预估电池荷电状态(State ofCharge,SOC)。

目前，电池SOC估算方法包括电池容量测试法、安时积分法、开路电压法、卡尔曼滤波法、神经网络法和模糊控制算法等。电池容量测试法测试时间长、效率低，不适用于在线应用。神经网络法选择电池电压、充放电电流、环境温度、总放电量及内阻等参数作为输入，SOC作为输出，基于训练建立输入输出参数间的关系，实现了电池SOC的估算，但该方法的精度受输入参数、模型、训练数据和训练方法的影响。模糊控制法利用模糊推理的方法来估计电池的SOC，并以电池模型参数为模糊输入量，SOC为模糊输出量，该方法的精度受制于模糊推理系统的设计；卡尔曼滤波方法通过建立电池状态及测量方程，利用递推算法对电池组SOC实现最小方差意义上的最优估算，其估算精度受制于电池模型和电池开路电压与SOC间关系的描述精度；但上述算法由于运算量较大对系统处理器速度要求较高。电池开路电压与SOC间有唯一的对应关系，且与电池寿命影响不大，开路电压法精度较高，但需静止较长时间以达到平衡。安时积分法在电池管理系统中也得到了普遍应用，但该方法最大缺陷是，在实际应用场合电池的充放电效率难以测定，另外，因电池的自放电及老化导致容量衰减，无法确定SOC的初始值，同时还存在积分的累积误差等。

从上面的分析发现，因电池开路电压与SOC间存在唯一的对应关系，目前比较常用的电池SOC估算方法是安时积分法结合开路电压法或充电结束时SOC修正，但该算法的难点在于电池开路电压的预测。

针对磷酸铁锂电池，多阶RC等效电路模型因没有分支，结构简单，因而被广泛采用，另外，一阶RC等效电路模型即可恰当的描述磷酸铁锂电池使用过程中的动态特性。从电池电压静置曲线可以看出，电池开路电压预测模型中除了短时间常数的RC模块、还应包含若干更长时间常数的RC模块，多阶等效电路模型非线性度高，耦合效果不利于求解。

发明内容

针对上述多阶RC等效电路模型非线性度高、耦合效果不利于求解的问题，本发明提出了基于二进制编码的电池开路电压预测方法。采用的技术方案为：

基于二进制编码的电池开路电压预测方法，包括：一阶RC等效电路模型参数辨识阶段和电池开路电压预测阶段；

所述一阶RC等效电路模型参数辨识阶段包括如下步骤：

步骤1，建立描述电池动态特性的一阶RC等效电路模型；所述一阶RC等效电路模型由描述电池动态特性的电阻R₁、电容C₁并联后再与欧姆内阻R₀、电池开路电压E_m串联组成；

步骤2，依据实际采集的电池电流及电压信号，基于最小二乘法预测电池模型参数；

所述电池开路电压预测阶段包括如下步骤：

步骤3，建立描述电池静置特性的多阶RC等效电路模型；多阶RC等效电路模型由若干个R_iC_i并联电路相串联后再与欧姆内阻R₀、电池开路电压E_m串联组成，其中i＝1,2,3…n；

步骤4，以所述一阶RC等效电路模型参数辨识阶段辨识的R₁C₁作为基准R₀C₀；

步骤5，令多阶RC等效电路模型表达式中的R_iC_i＝2ⁱR₀C₀；其中i为描述电池静置特性的最佳阶次；

步骤6，依据最小二乘法辨识电池开路电压。

进一步地，所述步骤1中的等效电路模型的表达式为：

其中E_m为电池开路电压，为欧姆内阻R₀上压降，用于描述R₁C₁并联电路的压降，I为串联电流。

进一步地，所述步骤2中所述的电池模型参数包括：电池开路电压E_m，欧姆内阻R₀，描述电池动态特性的电阻R₁、电容C₁。

进一步地，所述步骤3中的所述的多阶RC等效电路模型为：

其中，用于描述R_iC_i上的压降。

进一步地，所述步骤5中所述的最佳阶次为7阶次。

和现有技术相比，本发明的有益效果：

本发明的有益效果是引入了二进制编码原理预测电池开路电压，解决了多阶等效电路模型非线性度高，耦合性高不利于求解的问题。

附图说明

图1为多阶RC等效电路模型原理图；

图2为电池电压静置阶段实测曲线；

图3为基于一阶RC等效电路模型预测及试验静置的电池开路电压；

图4为基于多阶RC等效电路模型预测及试验静置的电池开路电压；

图5为基于多阶RC等效电路模型预测及试验静置的电池开路电压的局部放大图。

具体实施方式

本发明提出的基于二进制编码的电池开路电压预测方法包括一阶RC等效电路模型参数辨识、电池开路电压预测。

上述一阶RC等效电路模型参数辨识阶段包括如下过程：

(1)首先建立描述电池动态特性的一阶RC等效电路模型；所述一阶RC等效电路模型由描述电池动态特性的电阻R₁、电容C₁并联后再与欧姆内阻R₀、电池开路电压E_m串联组成；一阶RC等效电路模型表达式为：

其中E_m为电池开路电压，为欧姆内阻R₀上的压降，用于描述R₁C₁并联电路上的压降，I为串联电流；

(2)然后依据实际采集的电池电流及电压信号，基于最小二乘法预测电池模型参数，所述电池模型参数包括：E_m，R₀，R₁，C₁。

上述电池开路电压预测阶段包括如下过程：

(1)当电池进入静置阶段，如图2所示，电池电压先以较快的速率恢复，随后进入较平缓的恢复阶段，导致基于一阶RC等效电路模型预测及试验静置的电池开路电压存在较大偏差，如图3所示。

为此，建立描述电池静置特性的多阶RC等效电路模型；如图1所示，所述多阶RC等效电路模型由若干个R_iC_i并联电路相串联后再与欧姆内阻R₀、电池开路电压E_m串联组成，其中i＝1,2,3…n，多阶RC等效电路模型表达式为：

其中用于描述R_iC_i并联电路上的压降；

(2)然后以一阶RC等效电路模型参数辨识阶段辨识的R₁C₁作为基准R₀C₀；

(3)再令多阶RC等效电路模型表达式中的R_iC_i＝2ⁱR₀C₀，其中i为描述电池静置特性的最佳阶次，如图4和图5所示，当为7阶次时最佳；

(4)最后依据最小二乘法辨识电池开路电压。

多阶RC等效电路模型表达式可变成：

利用一个有限项采样值A＝(a₁,a₂,...,a_N)描述R₀C₀，其中a_j表示R₀C₀网络在j时刻对单位阶跃响应的采样值，N为R₀C₀网络输出值达到稳定所需的时域长度。k时刻电池端电压的多阶RC等效电路模型表达式为：

最小二乘法的含义即求解模型参数E_m，R₀，R₁，C₁，使Q(E_m,R₀,R_i)取得极值。而Q(E_m,R₀,R_i)取得极值的必要条件为其中求解的E_m值即为电池开路电压。

以上仅用于描述本发明的技术方案，并不用于限定本发明的保护范围，在不违背本发明实质内容和精神的前提下，所作任何修改或等同替换等都将落入本发明的保护范围内。

Claims (4)

1.基于二进制编码的电池开路电压预测方法，其特征在于，包括：一阶RC等效电路模型参数辨识阶段和电池开路电压预测阶段；

所述一阶RC等效电路模型参数辨识阶段包括如下步骤：

步骤1，建立描述电池动态特性的一阶RC等效电路模型；所述一阶RC等效电路模型由描述电池动态特性的电阻R₁、电容C₁并联后再与欧姆内阻R₀、电池开路电压E_m串联组成；

步骤2，依据实际采集的电池电流及电压信号，基于最小二乘法预测电池模型参数，所述模型参数包括：电池开路电压E_m，欧姆内阻R₀，描述电池动态特性的电阻R₁、电容C₁；

所述电池开路电压预测阶段包括如下步骤：

步骤3，建立描述电池静置特性的多阶RC等效电路模型；所述多阶RC等效电路模型由若干个R_iC_i并联电路相串联后再与欧姆内阻R₀、电池开路电压E_m串联组成，其中i＝1,2,3…n；

步骤4，以所述一阶RC等效电路模型参数辨识阶段辨识的R₁C₁作为基准R₀C₀；

步骤5，令多阶RC等效电路模型表达式中的R_iC_i＝2ⁱR₀C₀；其中i为描述电池静置特性的最佳阶次；

步骤6，依据最小二乘法辨识电池开路电压。

2.根据权利要求1所述的基于二进制编码的电池开路电压预测方法，其特征在于，所述 步骤1中的等效电路模型的表达式为：其中E_m 为电池开路电压，V_R0为欧姆内阻R₀上压降，V_R1用于描述R₁C₁并联电路的压降，I为串联电流。

3.根据权利要求1所述的基于二进制编码的电池开路电压预测方法，其特征在于，所述步骤3中的所述的多阶RC等效电路模型为：

其中，V_Ri用于描述R_iC_i上的压降。

4.根据权利要求1所述的基于二进制编码的电池开路电压预测方法，其特征在于，所述步骤5中所述的最佳阶次为7阶次。