CN105353312A - 一种动力电池soc的预测方法 - Google Patents
一种动力电池soc的预测方法 Download PDFInfo
- Publication number
- CN105353312A CN105353312A CN201510622383.0A CN201510622383A CN105353312A CN 105353312 A CN105353312 A CN 105353312A CN 201510622383 A CN201510622383 A CN 201510622383A CN 105353312 A CN105353312 A CN 105353312A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- circuit voltage
- open
- beta
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
一种动力电池SOC的预测方法,涉及蓄电池的测试领域。首先获取电池静态开路电压及电池在不同开路电压下对应的SOC值,并利用多项式回归分析法,建立静态开路电压与SOC的关系曲线,确定动力电池初始的SOC;又利用安时计量法获取汽车行驶过程中电池剩余电量。该通过采用多项式回归分析,在动力电池BMS启动后,使SOC根据开路电压修正,使得SOC的预估在整个时间阶段都保持很高的准确度,并具有实时性的优点。
Description
技术领域
本发明涉及蓄电池的测试领域,特别涉及一种动力电池SOC的预测方法。
背景技术
随着世界汽车工业的快速发展,全球的能源和环境形势变的愈加严峻,为了使汽车工业能够可持续发展,世界各国正加快交通能源的战略转型。新能源汽车成为未来汽车发展的重要方向,当前作为新能源汽车的主动力源或辅助动力源的电池是制约新能源汽车发展的一个关键技术之一。而动力电池管理系统作为动力电池的控制器,其作用也越来越引起重视。
SOC预估作为动力电池管理系统的核心功能,其准确性直接影响系统的性能。SOC即为电池组的核电状态,也可理解为电池组的剩余容量。电池组的寿命由许多因素制约限制,对其进行精确估计必须对这些参数进行实时检测和准确估计。在动力电池系统中,控制器根据SOC的变化可以实时预测电池组的充放电功率和各个电池阈值参数的设定,对车辆的性能起着重要的作用。通过准确预估SOC,可以避免电池的过负荷工作,有效地保护电池,延长使用寿命,节约成本。
传统SOC预估方法主要采用开路电压法、安时计量法、卡尔曼滤波法、人工神经网络法等等,但这些方法均存在这样或那样的误差或问题而不能实时使用或使用效果不理想。
本发明提供了一种利用安时计量法和开路电压法结合的方法进行预估SOC的方法,有估测准确、开机修正等优点。
发明内容
为解决上述问题,本发明提出一种动力电池SOC的预测方法,具有估测准确的优点。
本发明所解决的技术方案是:一种动力电池SOC的预测方法,其技术要点是:
获取电池静态开路电压及电池在不同开路电压下对应的SOC值;
利用多项式回归分析法,建立静态开路电压与SOC的关系曲线,确定动力电池初始的SOC;
利用安时计量法获取汽车行驶过程中电池剩余电量。
作为本发明的一种优选方案,获取静态开路电压的方法如下:
作为本发明的另一种优选方案,让静置的电池放电,电池放空后再为电池充电,再继续让电池放电,静置后测量此时的电池静态开路电压;反复执行上述过程,获得多组开路电压。
作为本发明进一步的优选方案,电池充电的时间是电池放电时间的2倍。
作为本发明进一步的优选方案,反复执行至少为10次。
作为本发明的再一种优选方案,电池在不同开路电压下对应的SOC值获取方法为:
获取电池充电流和放电电流;
获取电池充电时间和放电时间;
利用获取的电池充电电流与电池充电时间的乘积、电池放电电流与电池放电时间的乘积计算电池消耗的电能;
将计算出的电能除以电池额定容量获取不同开路电压下对应的SOC值。
作为本发明的又一种优选方案,安时计量法中平均放放电效率设置为1。
本发明的优点及有益效果是:该动力电池SOC的预测方法,首先获取电池静态开路电压及电池在不同开路电压下对应的SOC值,并利用多项式回归分析法,建立静态开路电压与SOC的关系曲线,确定动力电池初始的SOC;又利用安时计量法获取汽车行驶过程中电池剩余电量。该通过采用多项式回归分析,在动力电池BMS启动后,使SOC根据开路电压修正,使得SOC的预估在整个时间阶段都保持很高的准确度,并具有实时性的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可根据这些附图获得其他的附图。
图1为本发明实施例提供的一种动力电池SOC的预测方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明实施例采用的动力电池SOC的预测方法,包括如下步骤:
步骤101:获取电池静态开路电压及电池在不同开路电压下对应的SOC值。其中静态开路电压的获取方法为:
让静置的电池放电,电池放空后,再为电池充电1小时,再继续让电池放电半个小时,静置后利用万用表测量此时的电池静态开路电压,然后利用采集电池充电的电流及充电时间计算该段时间内的电池充电能量,利用采集电池放电的电流及放电时间计算该段时间内电池放电的能量,计算该段时间内对应的SOC值,公式如下:
反复执行上述过程至少10次,获得10组以上的电池静态开路电压与对应的SOC值。
用户也可根据需要改变充电和放电的时间,本实施例中,充放电的时间控制在充电时间为放电时间的2倍。用户可根据需要自行进行设定。
步骤102:建立静态开路电压与SOC的关系式,并利用多项式回归分析法确定动力电池初始的SOC。
多项式回归分析法具体的过程为:
建立变量x,Y的多项式回归模型为:
Y=β0+β1x+β2x2+β3x3+…+βpxp+ε(1.1)
式中,Y为剩余电量(SOC值),x为开路电压值,β0,β1,β2,β3…βp为回归系数,ε为补偿系数,且ε服从正态分布N(0,σ2),p为方程阶数,为正整数,且为已知量。
对式(1.1)两边取数学期望,记y=EY可得
y=β0+β1x+β2x2+β3x3+…+βpxp(1.2)
式中,y为平均剩余电量(即平均SOC值),EY为Y的数学期望,(1.2)式即为回归多项式,而(1.1)式称为多项式回归,多项式回归是一元非线性回归的一种特殊情况,如果令x1=x,x2=x2,x3=x3,…,xp=xp,多项式回归模型就变成多元线性回归模型:
Y=β0+β1x1+β2x2+β3x3+…+βpxp+ε(1.3)
所以对多项式回归模型中的未知参数估计就可以利用多元线性回归的参数估计算法。多元线性回归参数的估计方法过程如下:
对(1.3)式两边取数学期望,可得(1.4)式为回归平面方程如下:
EY=β0+β1x1+β2x2+β3x3+…+βpxp(1.4)
再对变量x1,x2,…,xp,Y作n次观察得n组观察值:
(xi1,xi2,…,xip,yi),i=1,2,…,n(1.5)
式中,xi1为开路电压的1次方,xi2为开路电压的2次方,xip为开路电压的p次方,yi为第i次预测的SOC值,n为正整数。
为了求解式(1.4)中的β0,β1,β2,…,βp,可以利用最小二乘法的求解方法,具体为作离差平方和:
式中,Q为做利差平方和的值,选择β0,β1,…,βp使Q达到最小,即Q=min。由最小二乘法可得到以下方程组:
解此方程组得到的不是β0,β1,…,βp的真值,而是估计值β0,β1,…,βp,故将方程组(1.7)化简改写为以下的正规方程组:
(1.8)式是对应于多元线性回归模型的正规方程组,令
作为多项式回归模型的正规方程组如下:
通过式(1.9)即可以得到估计值
由此到的多项式回归如下:
即为所求解的SOC0与开路电压的关系曲线。
步骤103:利用安时计量法获取汽车行驶过程中电池剩余电量。
按时计量法的公式如下:
其中,CN为额定容量;I为电池充放电电流,电池放电时取正,充电时取负;η为平均充放电效率。
以上对本发明进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种动力电池SOC的预测方法,其特征在于:
获取电池静态开路电压及电池在不同开路电压下对应的SOC值;
利用多项式回归分析法,建立静态开路电压与SOC的关系曲线,确定动力电池初始的SOC;
利用安时计量法获取汽车行驶过程中电池剩余电量。
2.如权利要求1所述的动力电池SOC的预测方法,其特征在于:获取静态开路电压的方法如下:
让静置的电池放电,电池放空后再为电池充电,再继续让电池放电,静置后预测此时的电池静态开路电压;反复执行上述过程,获得多组开路电压。
3.如权利要求2所述的动力电池SOC的预测方法,其特征在于:电池充电的时间是电池放电时间的2倍。
4.如权利要求2所述的动力电池SOC的预测方法,其特征在于:反复执行至少为10次。
5.如权利要求1所述的动力电池SOC的预测方法,其特征在于:电池在不同开路电压下对应的SOC值获取方法为:
获取电池充电流和放电电流;
获取电池充电时间和放电时间;
利用获取的电池充电电流与电池充电时间的乘积、电池放电电流与电池放电时间的乘积计算电池消耗的电能;
将计算出的电能除以电池额定容量获取不同开路电压下对应的SOC值。
6.如权利要求1所述的动力电池SOC的预测方法,其特征在于:建立静态开路电压与SOC的关系式如下:
式中,为回归系数的估计值,y为平均剩余电量,x为开路电压值,p为方程阶数。
7.如权利要求1所述的动力电池SOC的预测方法,其特征在于:安时计量法中平均放放电效率设置为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510622383.0A CN105353312A (zh) | 2015-09-28 | 2015-09-28 | 一种动力电池soc的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510622383.0A CN105353312A (zh) | 2015-09-28 | 2015-09-28 | 一种动力电池soc的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105353312A true CN105353312A (zh) | 2016-02-24 |
Family
ID=55329314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510622383.0A Pending CN105353312A (zh) | 2015-09-28 | 2015-09-28 | 一种动力电池soc的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105353312A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950507A (zh) * | 2017-05-12 | 2017-07-14 | 国家电网公司 | 一种智能时钟电池用高可靠性寿命评估方法 |
CN107632268A (zh) * | 2017-09-20 | 2018-01-26 | 广东电网有限责任公司电力科学研究院 | 一种锂离子电池储能系统荷电状态在线标定方法及装置 |
CN107843850A (zh) * | 2017-12-07 | 2018-03-27 | 智灵飞(北京)科技有限公司 | 多旋翼无人机通用锂电池剩余电量的预测系统及方法 |
CN108828460A (zh) * | 2018-08-22 | 2018-11-16 | 合肥国轩高科动力能源有限公司 | 一种快速估算整车电池系统剩余能量的方法 |
CN109214424A (zh) * | 2018-08-03 | 2019-01-15 | 大连理工大学 | 一种利用回归分析和聚类方法预测新能源汽车充电时间的方法 |
CN109507590A (zh) * | 2018-11-20 | 2019-03-22 | 惠州拓邦电气技术有限公司 | 一种去多元干扰网格智能跟踪soc修正方法及系统 |
CN110531274A (zh) * | 2019-08-26 | 2019-12-03 | 江西优特汽车技术有限公司 | 一种动力电池soc预估系统及方法 |
CN112180258A (zh) * | 2019-07-01 | 2021-01-05 | 电计贸易(上海)有限公司 | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 |
CN117686918A (zh) * | 2024-01-31 | 2024-03-12 | 深圳市卓芯微科技有限公司 | 电池soc预测方法、装置、电池管理设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0714033A2 (en) * | 1994-11-23 | 1996-05-29 | AT&T Corp. | Method and apparatus for predicting the remaining capacity and reserve time of a battery on discharge |
CN1437031A (zh) * | 2002-02-08 | 2003-08-20 | 上海华谊(集团)公司 | 用于电池容量的测量方法 |
CN101022178A (zh) * | 2007-03-09 | 2007-08-22 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
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 |
CN103424710A (zh) * | 2012-05-25 | 2013-12-04 | 通用汽车环球科技运作有限责任公司 | 用于监测电池组中的老化单体的性能变化的方法和系统 |
-
2015
- 2015-09-28 CN CN201510622383.0A patent/CN105353312A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0714033A2 (en) * | 1994-11-23 | 1996-05-29 | AT&T Corp. | Method and apparatus for predicting the remaining capacity and reserve time of a battery on discharge |
CN1437031A (zh) * | 2002-02-08 | 2003-08-20 | 上海华谊(集团)公司 | 用于电池容量的测量方法 |
CN101022178A (zh) * | 2007-03-09 | 2007-08-22 | 清华大学 | 基于标准电池模型的镍氢动力电池荷电状态的估计方法 |
CN103424710A (zh) * | 2012-05-25 | 2013-12-04 | 通用汽车环球科技运作有限责任公司 | 用于监测电池组中的老化单体的性能变化的方法和系统 |
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 |
Non-Patent Citations (1)
Title |
---|
曾洁,卜凡涛: "基于多项式回归算法的锂电池SOC估测", 《大连交通大学学报》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106950507A (zh) * | 2017-05-12 | 2017-07-14 | 国家电网公司 | 一种智能时钟电池用高可靠性寿命评估方法 |
CN107632268A (zh) * | 2017-09-20 | 2018-01-26 | 广东电网有限责任公司电力科学研究院 | 一种锂离子电池储能系统荷电状态在线标定方法及装置 |
CN107843850A (zh) * | 2017-12-07 | 2018-03-27 | 智灵飞(北京)科技有限公司 | 多旋翼无人机通用锂电池剩余电量的预测系统及方法 |
CN109214424B (zh) * | 2018-08-03 | 2020-02-18 | 大连理工大学 | 一种利用回归分析和聚类方法预测新能源汽车充电时间的方法 |
CN109214424A (zh) * | 2018-08-03 | 2019-01-15 | 大连理工大学 | 一种利用回归分析和聚类方法预测新能源汽车充电时间的方法 |
CN108828460A (zh) * | 2018-08-22 | 2018-11-16 | 合肥国轩高科动力能源有限公司 | 一种快速估算整车电池系统剩余能量的方法 |
CN109507590B (zh) * | 2018-11-20 | 2021-06-11 | 惠州拓邦电气技术有限公司 | 一种去多元干扰网格智能跟踪soc修正方法及系统 |
CN109507590A (zh) * | 2018-11-20 | 2019-03-22 | 惠州拓邦电气技术有限公司 | 一种去多元干扰网格智能跟踪soc修正方法及系统 |
CN112180258A (zh) * | 2019-07-01 | 2021-01-05 | 电计贸易(上海)有限公司 | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 |
CN112180258B (zh) * | 2019-07-01 | 2024-03-22 | 电计贸易(上海)有限公司 | 电池平均库伦效率的测定方法、装置、介质、终端、及系统 |
CN110531274A (zh) * | 2019-08-26 | 2019-12-03 | 江西优特汽车技术有限公司 | 一种动力电池soc预估系统及方法 |
CN117686918A (zh) * | 2024-01-31 | 2024-03-12 | 深圳市卓芯微科技有限公司 | 电池soc预测方法、装置、电池管理设备及存储介质 |
CN117686918B (zh) * | 2024-01-31 | 2024-05-07 | 深圳市卓芯微科技有限公司 | 电池soc预测方法、装置、电池管理设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105353312A (zh) | 一种动力电池soc的预测方法 | |
Chen et al. | A review of lithium-ion battery for electric vehicle applications and beyond | |
Lai et al. | Co-estimation of state of charge and state of power for lithium-ion batteries based on fractional variable-order model | |
Wang et al. | Power capability evaluation for lithium iron phosphate batteries based on multi-parameter constraints estimation | |
Xiong et al. | Modeling for lithium-ion battery used in electric vehicles | |
Kim | Nonlinear state of charge estimator for hybrid electric vehicle battery | |
CN102608540B (zh) | 一种用于动力电池soc估计的库伦效率测定方法 | |
Sun et al. | Adaptive unscented Kalman filtering for state of charge estimation of a lithium-ion battery for electric vehicles | |
CN103675706B (zh) | 一种动力电池电荷量估算方法 | |
CN102121973B (zh) | 电动汽车动力电池净能量测试方法 | |
CN103472398A (zh) | 基于扩展卡尔曼粒子滤波算法的动力电池soc估计方法 | |
Tsang et al. | State of health detection for Lithium ion batteries in photovoltaic system | |
CN104051810B (zh) | 一种锂离子储能电池系统soc估算快速修正方法 | |
CN106772104B (zh) | 一种动力电池soc值估算方法 | |
CN107861075A (zh) | 一种确定动力电池sop的方法 | |
CN105008945B (zh) | 充电状态估计装置和充电状态估计方法 | |
CN107589379A (zh) | 一种在线估计锂电池soc和阻抗的方法 | |
CN102854470A (zh) | 一种用于动力电池组soc估计实际可用容量的测量方法 | |
Eddahech et al. | Real-time SOC and SOH estimation for EV Li-ion cell using online parameters identification | |
Xiong et al. | Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter | |
CN105548906A (zh) | 一种电池剩余容量动态估算方法 | |
Elmahdi et al. | Fitting the OCV-SOC relationship of a battery lithium-ion using genetic algorithm method | |
CN110133515B (zh) | 电池剩余能量确定方法及其装置 | |
Enache et al. | Comparative study for generic battery models used for electric vehicles | |
CN105353316A (zh) | 动力电池充电时soc变化量及充电电量折算系数测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160224 |
|
WD01 | Invention patent application deemed withdrawn after publication |