CN107271905A - 一种用于纯电动汽车的电池容量主动估计方法 - Google Patents

一种用于纯电动汽车的电池容量主动估计方法 Download PDF

Info

Publication number
CN107271905A
CN107271905A CN201710378619.XA CN201710378619A CN107271905A CN 107271905 A CN107271905 A CN 107271905A CN 201710378619 A CN201710378619 A CN 201710378619A CN 107271905 A CN107271905 A CN 107271905A
Authority
CN
China
Prior art keywords
battery
mrow
soc
electric automobile
pure electric
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
Application number
CN201710378619.XA
Other languages
English (en)
Other versions
CN107271905B (zh
Inventor
李勇华
张扬
赵铁鹏
张志伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Automotive Engineering Technology Co Ltd
Original Assignee
Shanghai Automotive Engineering Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Automotive Engineering Technology Co Ltd filed Critical Shanghai Automotive Engineering Technology Co Ltd
Priority to CN201710378619.XA priority Critical patent/CN107271905B/zh
Priority to US15/686,820 priority patent/US10436848B2/en
Publication of CN107271905A publication Critical patent/CN107271905A/zh
Application granted granted Critical
Publication of CN107271905B publication Critical patent/CN107271905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B60VEHICLES IN GENERAL
    • B60YINDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2200/00Type of vehicle
    • B60Y2200/90Vehicles comprising electric prime movers
    • B60Y2200/91Electric vehicles
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/374Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] with means for correcting the measurement for temperature or ageing

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种用于纯电动汽车的电池容量主动估计方法,用于对纯电动汽车的电池容量进行周期性主动估计包括下列步骤:判断是否到达纯电动汽车的电池容量周期性估计时间,若是则进入下一步,否则返回判断;判断是否可以准确获取电池的第一SOC值,若是则获取第一SOC值,若否则放弃估计;计算纯电动汽车在运行状态下的总电流积分值;根据纯电动汽车的电池离线时间判断是否可以估计第二SOC值,若是则估计第二SOC值,若否则放弃估计;根据第一SOC值、总电流积分值和第二SOC值进行计算,得到纯电动汽车的电池容量估计值。与现有技术相比,本发明具有估计精度高、易于实现以及适应性强等优点。

Description

一种用于纯电动汽车的电池容量主动估计方法
技术领域
本发明涉及汽车电池领域,尤其是涉及一种用于纯电动汽车的电池容量主动估计方法。
背景技术
在电动汽车上高压电气部件有许多,如高压电池包,高压分线盒,电机控制器,空调控制器,DC/DC,充电器等。动力电池是最关键的部件之一,动力电池的性能通常随使用程度和使用和存储时间增加而变弱。这种变弱有两种表现形式:电池容量变化(变小),和充放电功率能力在同样的储电程度和温度下变化(变小)。行业上,对于电池容量,一般损失20%以上即表明电池不再具有足够的容量。
如果不能有效而精确的估计电池容量的变化,势必影响电池SOC(state ofcharge)计算的精确度,进而导致影响SOP(state of power)计算的精确度。SOC和SOP的不精确会导致电池使用不当,导致电池寿命缩短,并可能导致行车和充电安全。
行业上已有的决定锂电池容量的方法大致有两个:第一,将电池容量当作一个变量,与SOC,及其它模型参数一起学习。这个办法的缺点是,电池容量的可观测性及其低,因此,和其它电池模型参数相比,在一个给定的循环中,电池容量是几乎定常的,和其它快速变化参数一起学习意义不大;第二,通过SOC的定义,通过和电流积分独立的方法(比如,电池离线足够长时间后OCV读数再推到SOC),得到容量值,并适当的处理(滤波),得到最终的容量值。
用第二种方法实现的算法已经有一些。比如,美国专利US 8751086通过对两个SOC的精确估计(通过OCV),并将电流,温度,电流总量考虑到算法中,实现了插电式混合动力汽车电池容量计算。由于其对OCV获取有比较苛刻的要求,可能在实际应用中,不能及时的学习电池容量。
目前已有的基于第二种方法的容量计算,没有考虑到纯电动汽车有其特殊的特点:纯电动汽车必须在使用一段时间后充电,因而现有的计算方法,在获取第二个OCV时会受漏电,电流平衡等的影响,进而降低容量计算的精度。更进一步,连续获得电池包稳态值的可能性比较小,因此,必须想办法在非理想的(也就是说,电池没有达到热平衡和电平衡,进而得到SOC估计值)情况下,得到所需要的学习电芯容量的相关数据。
发明内容
本发明的目的是针对上述问题提供一种用于纯电动汽车的电池容量主动估计方法。
本发明的目的可以通过以下技术方案来实现:
一种用于纯电动汽车的电池容量主动估计方法,用于对纯电动汽车的电池容量进行周期性主动估计,所述方法包括下列步骤:
1)判断是否到达纯电动汽车的电池容量周期性估计时间,若是则进入步骤2),若否则返回步骤1);
2)判断是否可以准确获取电池的第一SOC值,若是则通过读取第一OCV值和当前温度得到第一SOC值并进入步骤3),若否则放弃估计;
3)计算纯电动汽车在运行状态下的总电流积分值;
4)根据纯电动汽车的电池离线时间判断是否可以估计第二SOC值,若是则估计第二SOC值并进入步骤5),若否则放弃估计;
5)根据步骤2)得到的第一SOC值、步骤3)得到的总电流积分值和步骤4)得到的第二SOC值进行计算,得到纯电动汽车的电池容量估计值。
所述步骤4)具体为:
41)判断纯电动汽车的电池离线时间是否达到第一阈值,若是则直接读取电池端口电压,结合电池的电芯温度得到第二SOC值,若否则进入步骤42);
42)判断纯电动汽车的电池离线时间是否达到第二阈值,若是则通过估计计算得到第二SOC值,若否则进入步骤43);
43)判断纯电动汽车是否通过慢充充电的方式进入非离线状态,若是则进入步骤44),若否则放弃估计;
44)在慢充充电的时间达到第一阈值时,通过小电流充电计算得到第二SOC值。
所述通过估计计算得到第二SOC值具体为:
421)读取电池离线时间、电池初始电压和电池后续电压;
422)根据步骤421)读取的结果,得到电池的第二OCV值与电池初始电压、电池后续电压和电池离线时间的关系式;
423)通过最小二乘法对步骤422)中的关系式进行求解,得到电池的第二OCV值;
424)根据电池的第二OCV值与电池当前的温度,得到电池的第二SOC值。
所述通过估计计算得到第二SOC值还包括:重复步骤421)至423),得到不少于用户要求的组数的电池的第二OCV值,计算所有电池的第二OCV值的投影平均作为最终结果,进入步骤424)。
所述通过小电流充电计算得到第二SOC值具体为:
441)读取当前的电池电压和温度;
442)根据当前的电池电压和温度,得到电池的第三OCV值;
443)根据SOC-OCV的关系曲线,得到与第三OCV值对应的第三SOC值;
444)根据步骤443)得到的第三SOC值,结合慢充充电的电流值,计算得到第二SOC值,具体为:
其中,SOC2为第二SOC值,SOC3为第三SOC值,Ismall为慢充充电的电流值,Tcal1为慢充充电的时间,η为电池充放电效率,Qold为历史估计结果。
总电流积分值具体为:
其中,CurrInt为总电流积分值,η为电池充放电效率,Tend为纯电动汽车的运行时间。
所述步骤5)具体为:
51)根据步骤2)得到的第一SOC值、步骤3)得到的总电流积分值和步骤4)得到的第二SOC值进行计算,得到当前估计容量Qlearned
52)根据电池的估计时间,计算当前容量滤波系数Alphanew
53)根据步骤51)得到的当前估计容量Qlearned和步骤52)得到的当前容量滤波系数Alphanew,通过计算得到纯电动汽车的电池容量估计值。
所述当前估计容量Qlearned具体为:
其中,CurrInt为总电流积分值,SOC1为第一SOC值,SOC2为第二SOC值。
所述当前容量滤波系数Alphanew具体为:
其中,Alpha为标定滤波系数,T为电池实际寿命时钟,T1为标定估计时间,Tc为实际估计时间。
所述纯电动汽车的电池容量估计值具体为:
Q=Qold×Alphanew+(1-Alphanew)×Qlearned
其中,Qold为历史估计结果。
与现有技术相比,本发明具有以下有益效果:
(1)在获取第一SOC值和第二SOC值的过程中,充分考虑了电池由于充电而带来的离线时间的长短问题,避免了漏电或电流平衡等带来的影响,因而得到的第一SOC值和第二SOC值的结果更为精确,继而也提高了最终容量估计的准确程度,精确度高。
(2)在估计第二SOC值的过程中,首先考虑了电池的离线时间,对离线时间足够长的电池直接通过读取端口电压得到第二SOC值,避免了繁琐的估计过程,对离线时间达到要求或离线时间不达要求但通过慢充充电的电池,通过估计计算或小电流充电计算得到第二SOC值,尽可能的对电池的第二SOC值进行估计,从而完成容量估计,只有对离线时间不达要求且充电方式也不达要求的电池才放弃学习,使得估计过程尽可能的完整和可行,降低了电池容量估计的门槛,更适用于实际使用。
(3)对于慢充充电的电池,仍通过估计计算得到第二SOC值,既考虑到了常见的通过外界充电桩进行充电的电动汽车,也考虑到了利用家用充电桩进行慢充充电的汽车,适用范围广
(4)利用最小二乘法计算电池的第二OCV值,继而得到电池的第二SOC值,这种计算方法更加准确,提高了最终的容量估计精度。
(5)在计算第二SOC值的过程中,还包括多次计算第二OCV值求取投影平均值来作为第二SOC值的计算基础,进一步提高了容量估计精度。
(6)在进行容量估计的过程中,引入容量滤波系数,该容量滤波系数是根据电池的实际估计时间来进行计算的,因此将容量估计与估计时间进行匹配,更加符合实际情况,精确程度高。
(7)该估计方法由于通过读取OCV值来得到电池的SOC值,因而该方法可以跟踪每个电池单元的容量变化,实用性能强。
附图说明
图1为本发明的方法流程图;
图2为本实施例中的电路图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示为本发明提供的一种用于纯电动汽车的电池容量主动估计方法,用于对纯电动汽车的电池容量进行周期性主动估计,该方法包括下列步骤:
1)判断是否到达纯电动汽车的电池容量周期性估计时间,若是则进入步骤2),若否则返回步骤1);
2)判断是否可以准确获取电池的第一SOC值,若是则获取第一SOC值并进入步骤3),若否则放弃估计;
3)计算纯电动汽车在运行状态下的总电流积分值:
其中,CurrInt为总电流积分值,η为电池充放电效率,Tend为纯电动汽车的运行时间
对于电池充放电效率η,在放电时记为1,在充电时则为电池温度的函数;
4)根据纯电动汽车的电池离线时间判断是否可以估计第二SOC值,若是则估计第二SOC值并进入步骤5),若否则放弃估计:
41)判断纯电动汽车的电池离线时间是否达到第一阈值,若是则直接读取电池端口电压,结合电池的电芯温度得到第二SOC值,若否则进入步骤42);
42)判断纯电动汽车的电池离线时间是否达到第二阈值,若是则通过估计计算得到第二SOC值,若否则进入步骤43),通过估计计算得到第二SOC值具体为:
421)读取电池离线时间、电池初始电压和电池后续电压;
422)根据步骤421)读取的结果,得到电池的第二OCV值与电池初始电压、电池后续电压和电池离线时间的关系式;
423)通过最小二乘法对步骤422)中的关系式进行求解,得到电池的第二OCV值;
通过估计计算得到第二SOC值还包括:重复步骤421)至423),得到不少于用户要求的组数的电池的第二OCV值,计算所有电池的第二OCV值的投影平均作为最终结果,进入步骤424);
424)根据电池的第二OCV值与电池当前的温度,得到电池的第二SOC值;
43)判断纯电动汽车是否通过慢充充电的方式进入非离线状态,若是则进入步骤44),若否则放弃估计;
44)在慢充充电的时间达到第一阈值时,通过小电流充电计算得到第二SOC值:
441)读取当前的电池电压和温度;
442)根据当前的电池电压和温度,得到电池的第三OCV值;
443)根据SOC-OCV的关系曲线,得到与第三OCV值对应的第三SOC值;
444)根据步骤443)得到的第三SOC值,结合慢充充电的电流值,计算得到第二SOC值,具体为:
其中,SOC2为第二SOC值,SOC3为第三SOC值,Ismall为慢充充电的电流值,Tcal1为慢充充电的时间,η为电池充放电效率,Qold为历史估计结果;
5)根据步骤2)得到的第一SOC值、步骤3)得到的总电流积分值和步骤4)得到的第二SOC值进行计算,得到纯电动汽车的电池容量估计值:
51)根据步骤2)得到的第一SOC值、步骤3)得到的总电流积分值和步骤4)得到的第二SOC值进行计算,得到当前估计容量Qlearned
其中,CurrInt为总电流积分值,SOC1为第一SOC值,SOC2为第二SOC值;
52)根据电池的估计时间,计算当前容量滤波系数Alphanew
其中,Alpha为标定滤波系数,T为电池实际寿命时钟,T1为标定估计时间,Tc为实际估计时间;
53)根据步骤51)得到的当前估计容量Qlearned和步骤52)得到的当前容量滤波系数Alphanew,通过计算得到纯电动汽车的电池容量估计值:
Q=Qold×Alphanew+(1-Alphanew)×Qlearned
其中,Qold为历史估计结果。
根据上述步骤,将电池以一个二阶电路表示,如图2所示,进行一次完整的电池容量估计,其中,所有模型参数R0,R1,C1,R2,C2,都是已知的电池温度函数,电池SOC是电池平衡时的开路电压的非线性单调增长函数,则估计过程过程如下:
A:依据日历,决定是不是需要学习容量。
在其它因素对等的情况下,锂电池容量变化遵循逆根号时间关系,也就是说,使用的时间越长,对应的容量将会是初始容量除以时间的根号。
根据以上特点,我们在BMS软件设计时,首先标定一个最小容量学习时间段。BMS全局时钟决定是不是需要学习容量值。
在上述方法中日历时间决定了什么时候必须学习容量,以及学习滤波系数,作为一个另类方法,可以用放电量来代替日历时间。唯一需要改变的是在滤波系数计算时,不再需要开方。
B:决定第一SOC值
一旦全局时钟触发了容量学习,第一件事就是通过电池包断电时间,在Keyon时,读取每个电池单元的OCV值。这些OCV值决定了每个电池单元的第一SOC值。如果电池包断电时间过短,不能获取这些第一SOC值,那么放弃本轮容量学习,即如果第一个SOC不能可靠获取,等待下一次,这次不学了。
C:决定电流积分
在车辆运行时,把总电流积分,考虑充电效率(在能量再生时)。这个值将用于容量计算。
D:KeyOff,等待KeyON或充电触发
纯电动车的特点是充电必不可少。因此,一旦Keyoff,可以随时检测电池包离线时间。
如果在KeyOn/充电开始时,这个离线时间足够判断第二个SOC,那么可以到第G步。如果离线时间不足以判断第二SOC值,那么,需要考虑不同的唤醒方式。如果是KeyON,那么可以看看是不是离线时间足以估计最终的SOC值,并得到所需要的第二个SOC。如果离线时间不足以估计最终得SOC值,那么放弃本轮容量学习,并清除相关的变量,等待下一次学习,即进入步骤F。如果是充电唤醒,那么可以看看是不是离线时间足以估计最终的SOC值,并得到所需要的第二个SOC,即进入步骤E。如果离线时间不足以估计最终的SOC值,如果是慢充,选择用小电流充电的方法,以达到获取第二个SOC值得目的。
E:不同充电方式–家用充电桩,慢充
如果充电是家用充电桩,那么,用小电流(比如,5A)开始定常充电,充电时间可以是对应电池电芯离线后能够获取电池平衡状态SOC的时间。(这和温度有关)
F:不同充电方式-其它
放弃本轮容量学习,并清除相关的变量,等待下一次学习。
G:获取第二SOC
不论哪种情况,一旦电池包离线时间超过最小获取电池包离线后获取有效OCV的时间,且没有充电电流,第二SOC将可以比较精确获取。
G_1:电芯离线时间容许SOC直接从端口电压获取
这是个已知的办法。通常是读取一组端口电压值,并获得RMS值,依据电芯温度,倒推出SOC值。
G_2:KeyON/充电唤醒,且离线时间容许估计最终得SOC值
具体过程为:
第一步:获取Keyoff时间(N个采样周期,N×Ts),初始电压V(i,1),以及后续电压:V(i,1),V(i,2),…,V(i,M)
第二步:列出方程:
第三步:用最小二乘法获取OCV:
用最小二乘法可以得到OCV。这是需要估计的OCV值。通过OCV,和温度(假定和现在读数一致),可以得到SOC值。
第五步:如果要更进一步的精度,上述步骤可以重复计算并将得到的OCV投影平均。
G_3:KeyOn唤醒或其它充电唤醒,且离线时间不容许估计最终的SOC值,如前所述,本轮学习停止,等待下一次。
G_4:家用慢充充电机唤醒,且离线时间不容许估计最终的SOC值,用小电流Ismall充电一定时间,获取SOC2,由于电流Ismall很小,时间也不长,用过去的容量计算这个小的SOC变化带来的误差可以忽略不计。
H:计算本次容量
一旦第一,第二SOC决定,并且电流积分已获取,那么可以通过定义,获得本次容量Q_learned。
I:容量滤波
在BMS开发时,会确定一个滤波系数。这个系数将随每次容量学习间隔而调整:
滤波系数计算
考虑标定容量学习时间是T1,实际间隔是Tc,电池包实际寿命时钟是T,那么,实际使用的滤波系数是:
Alpha_new=Alpha*(sqrt(T+T1)/sqrt(T+Tc))
注:使用时间的平方根的意义是,有研究表明电池容量时间上衰减是和时间平方根的逆成正比。Alpha_new<=1(如果大于1,那么设为1),Alpha本身是个标定值,比如,0.95。
容量计算:
Q=Q_old*Alpha_new+(1-Alpha_new)*Q_learned
数据存储:
一旦学习结束,BMS将把容量,学习时间(更新到现在的全局时钟)存储到EEPROM中。

Claims (10)

1.一种用于纯电动汽车的电池容量主动估计方法,用于对纯电动汽车的电池容量进行周期性主动估计,其特征在于,所述方法包括下列步骤:
1)判断是否到达纯电动汽车的电池容量周期性估计时间,若是则进入步骤2),若否则返回步骤1);
2)判断是否可以准确获取电池的第一SOC值,若是则通过读取第一OCV值和当前温度得到第一SOC值并进入步骤3),若否则放弃估计;
3)计算纯电动汽车在运行状态下的总电流积分值;
4)根据纯电动汽车的电池离线时间判断是否可以估计第二SOC值,若是则估计第二SOC值并进入步骤5),若否则放弃估计;
5)根据步骤2)得到的第一SOC值、步骤3)得到的总电流积分值和步骤4)得到的第二SOC值进行计算,得到纯电动汽车的电池容量估计值。
2.根据权利要求1所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述步骤4)具体为:
41)判断纯电动汽车的电池离线时间是否达到第一阈值,若是则直接读取电池端口电压,结合电池的电芯温度得到第二SOC值,若否则进入步骤42);
42)判断纯电动汽车的电池离线时间是否达到第二阈值,若是则通过估计计算得到第二SOC值,若否则进入步骤43);
43)判断纯电动汽车是否通过慢充充电的方式进入非离线状态,若是则进入步骤44),若否则放弃估计;
44)在慢充充电的时间达到第一阈值时,通过小电流充电计算得到第二SOC值。
3.根据权利要求2所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述通过估计计算得到第二SOC值具体为:
421)读取电池离线时间、电池初始电压和电池后续电压;
422)根据步骤421)读取的结果,得到电池的第二OCV值与电池初始电压、电池后续电压和电池离线时间的关系式;
423)通过最小二乘法对步骤422)中的关系式进行求解,得到电池的第二OCV值;
424)根据电池的第二OCV值与电池当前的温度,得到电池的第二SOC值。
4.根据权利要求3所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述通过估计计算得到第二SOC值还包括:重复步骤421)至423),得到不少于用户要求的组数的电池的第二OCV值,计算所有电池的第二OCV值的投影平均作为最终结果,进入步骤424)。
5.根据权利要求2所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述通过小电流充电计算得到第二SOC值具体为:
441)读取当前的电池电压和温度;
442)根据当前的电池电压和温度,得到电池的第三OCV值;
443)根据SOC-OCV的关系曲线,得到与第三OCV值对应的第三SOC值;
444)根据步骤443)得到的第三SOC值,结合慢充充电的电流值,计算得到第二SOC值,具体为:
<mrow> <msub> <mi>SOC</mi> <mn>2</mn> </msub> <mo>=</mo> <msub> <mi>SOC</mi> <mn>3</mn> </msub> <mo>-</mo> <mfrac> <mrow> <msub> <mi>I</mi> <mrow> <mi>s</mi> <mi>m</mi> <mi>a</mi> <mi>l</mi> <mi>l</mi> </mrow> </msub> <mo>&amp;times;</mo> <msub> <mi>T</mi> <mrow> <mi>c</mi> <mi>a</mi> <mi>l</mi> <mn>1</mn> </mrow> </msub> <mo>&amp;times;</mo> <mi>&amp;eta;</mi> </mrow> <msub> <mi>Q</mi> <mrow> <mi>o</mi> <mi>l</mi> <mi>d</mi> </mrow> </msub> </mfrac> </mrow> 1
其中,SOC2为第二SOC值,SOC3为第三SOC值,Ismall为慢充充电的电流值,Tcal1为慢充充电的时间,η为电池充放电效率,Qold为历史估计结果。
6.根据权利要求1所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,总电流积分值具体为:
<mrow> <mi>C</mi> <mi>u</mi> <mi>r</mi> <mi>r</mi> <mi>I</mi> <mi>n</mi> <mi>t</mi> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mn>0</mn> <mrow> <mi>T</mi> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </munderover> <mi>I</mi> <mrow> <mo>(</mo> <mi>&amp;tau;</mi> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <mi>&amp;eta;</mi> <mi>d</mi> <mi>&amp;tau;</mi> </mrow>
其中,CurrInt为总电流积分值,η为电池充放电效率,Tend为纯电动汽车的运行时间。
7.根据权利要求1所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述步骤5)具体为:
51)根据步骤2)得到的第一SOC值、步骤3)得到的总电流积分值和步骤4)得到的第二SOC值进行计算,得到当前估计容量Qlearned
52)根据电池的估计时间,计算当前容量滤波系数Alphanew
53)根据步骤51)得到的当前估计容量Qlearned和步骤52)得到的当前容量滤波系数Alphanew,通过计算得到纯电动汽车的电池容量估计值。
8.根据权利要求7所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述当前估计容量Qlearned具体为:
<mrow> <msub> <mi>Q</mi> <mrow> <mi>l</mi> <mi>e</mi> <mi>a</mi> <mi>r</mi> <mi>n</mi> <mi>e</mi> <mi>d</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <mi>C</mi> <mi>u</mi> <mi>r</mi> <mi>r</mi> <mi>I</mi> <mi>n</mi> <mi>t</mi> </mrow> <mrow> <msub> <mi>SOC</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>SOC</mi> <mn>2</mn> </msub> </mrow> </mfrac> </mrow>
其中,CurrInt为总电流积分值,SOC1为第一SOC值,SOC2为第二SOC值。
9.根据权利要求7所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述当前容量滤波系数Alphanew具体为:
<mrow> <msub> <mi>Alpha</mi> <mrow> <mi>n</mi> <mi>e</mi> <mi>w</mi> </mrow> </msub> <mo>=</mo> <mi>A</mi> <mi>l</mi> <mi>p</mi> <mi>h</mi> <mi>a</mi> <mo>&amp;times;</mo> <mfrac> <msqrt> <mrow> <mi>T</mi> <mo>+</mo> <msub> <mi>T</mi> <mn>1</mn> </msub> </mrow> </msqrt> <msqrt> <mrow> <mi>T</mi> <mo>+</mo> <msub> <mi>T</mi> <mi>c</mi> </msub> </mrow> </msqrt> </mfrac> </mrow>
其中,Alpha为标定滤波系数,T为电池实际寿命时钟,T1为标定估计时间,Tc为实际估计时间。
10.根据权利要求7所述的用于纯电动汽车的电池容量主动估计方法,其特征在于,所述纯电动汽车的电池容量估计值具体为:
Q=Qold×Alphanew+(1-Alphanew)×Qlearned
其中,Qold为历史估计结果。
CN201710378619.XA 2017-05-25 2017-05-25 一种用于纯电动汽车的电池容量主动估计方法 Active CN107271905B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710378619.XA CN107271905B (zh) 2017-05-25 2017-05-25 一种用于纯电动汽车的电池容量主动估计方法
US15/686,820 US10436848B2 (en) 2017-05-25 2017-08-25 Battery capacity active estimation method used for electric vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710378619.XA CN107271905B (zh) 2017-05-25 2017-05-25 一种用于纯电动汽车的电池容量主动估计方法

Publications (2)

Publication Number Publication Date
CN107271905A true CN107271905A (zh) 2017-10-20
CN107271905B CN107271905B (zh) 2019-12-27

Family

ID=60064319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710378619.XA Active CN107271905B (zh) 2017-05-25 2017-05-25 一种用于纯电动汽车的电池容量主动估计方法

Country Status (2)

Country Link
US (1) US10436848B2 (zh)
CN (1) CN107271905B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782178A (zh) * 2019-01-29 2019-05-21 中国铁塔股份有限公司 一种蓄电池核容方法及核容装置
CN110133534A (zh) * 2019-06-11 2019-08-16 北京智芯微电子科技有限公司 蓄电池老化趋势的评估方法
CN110871709A (zh) * 2018-09-03 2020-03-10 本田技研工业株式会社 容量推定系统、容量推定方法及存储介质
CN111431462A (zh) * 2020-03-25 2020-07-17 清华大学 一种直流母线电容估算方法及直流母线电容估算装置
CN111736080A (zh) * 2020-05-21 2020-10-02 广汽菲亚特克莱斯勒汽车有限公司 一种结合充电策略校准动力电池容量的方法
CN111976542A (zh) * 2020-09-01 2020-11-24 广东高标电子科技有限公司 一种电动车的铅酸电池soc估算方法和装置
CN112098868A (zh) * 2019-06-17 2020-12-18 沃尔沃汽车公司 用于改进电池容量估计的方法和系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102002859B1 (ko) * 2018-03-26 2019-07-23 숭실대학교산학협력단 배터리 진단 기능을 갖는 충전기 및 그 제어방법
US20190308630A1 (en) * 2018-04-10 2019-10-10 GM Global Technology Operations LLC Battery state estimation based on open circuit voltage and calibrated data
CN112464571B (zh) * 2020-12-11 2022-05-27 哈尔滨工业大学(深圳) 基于多约束条件粒子群优化算法的锂电池组参数辨识方法
CN113125978B (zh) * 2021-02-08 2022-06-21 无锡凌博电子技术有限公司 一种电动自行车用锂电池soc测量方法
CN114814588B (zh) * 2021-06-30 2024-05-17 南京地铁运营有限责任公司 一种蓄电池容量快速估算方法
CN113505932A (zh) * 2021-07-19 2021-10-15 北理新源(佛山)信息科技有限公司 一种基于大数据技术评估的动力电池容量算法
CN114487850A (zh) * 2022-01-25 2022-05-13 重庆标能瑞源储能技术研究院有限公司 一种基于实车数据的动力电池容量预测方法
US11527786B1 (en) * 2022-03-28 2022-12-13 Eatron Technologies Ltd. Systems and methods for predicting remaining useful life in batteries and assets
CN117572269B (zh) * 2023-11-09 2024-05-31 东莞市科路得新能源科技有限公司 一种soc测算方法及显示其值的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102830360A (zh) * 2012-08-22 2012-12-19 杭州杰能动力有限公司 在汽车运行时获取实时电池容量的方法、系统及电动汽车
CN103499794A (zh) * 2013-10-14 2014-01-08 北京华电天仁电力控制技术有限公司 一种储能电池剩余容量估算方法及装置
US20140347012A1 (en) * 2013-05-27 2014-11-27 Samsung Sdi Co., Ltd. Battery management system and method of driving the same
CN104597405A (zh) * 2014-12-22 2015-05-06 余姚亿威电子科技有限公司 一种电动汽车用锂离子电池电量检测方法
CN105738824A (zh) * 2016-02-26 2016-07-06 广州橙行智动汽车科技有限公司 一种电池剩余容量估算方法
CN106054080A (zh) * 2016-06-06 2016-10-26 电子科技大学 一种动力电池荷电状态与健康状态的联合估计方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100759706B1 (ko) * 2005-05-11 2007-09-17 주식회사 엘지화학 하이브리드 차량용 배터리의 충전상태 추정 방법
KR100863956B1 (ko) * 2006-09-26 2008-10-16 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
US8004243B2 (en) * 2009-04-08 2011-08-23 Tesla Motors, Inc. Battery capacity estimating method and apparatus
US8525519B2 (en) * 2010-11-30 2013-09-03 GM Global Technology Operations LLC Algorithm for determining the capacity of a battery while in service
WO2013072928A2 (en) * 2011-09-30 2013-05-23 Kpit Cummins Infosystems Limited A system and method for determining state of charge of a battery
US9157966B2 (en) * 2011-11-25 2015-10-13 Honeywell International Inc. Method and apparatus for online determination of battery state of charge and state of health
JP4977797B1 (ja) * 2011-11-30 2012-07-18 和征 榊原 電池システム
US8890484B2 (en) * 2012-05-08 2014-11-18 GM Global Technology Operations LLC Battery state-of-charge estimator using robust H∞ observer
US8751086B2 (en) 2012-08-21 2014-06-10 Ford Global Technologies, Llc Online battery capacity estimation
US20140265554A1 (en) * 2013-03-14 2014-09-18 Ford Global Technologies, Llc Dual Lithium-Ion Battery System for Electric Vehicles
US9555718B2 (en) 2013-12-06 2017-01-31 Ford Global Technologies, Llc Estimation and compensation of battery measurement and asynchronization biases
US9539912B2 (en) 2014-02-20 2017-01-10 Ford Global Technologies, Llc Battery capacity estimation using state of charge initialization-on-the-fly concept

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102830360A (zh) * 2012-08-22 2012-12-19 杭州杰能动力有限公司 在汽车运行时获取实时电池容量的方法、系统及电动汽车
US20140347012A1 (en) * 2013-05-27 2014-11-27 Samsung Sdi Co., Ltd. Battery management system and method of driving the same
CN103499794A (zh) * 2013-10-14 2014-01-08 北京华电天仁电力控制技术有限公司 一种储能电池剩余容量估算方法及装置
CN104597405A (zh) * 2014-12-22 2015-05-06 余姚亿威电子科技有限公司 一种电动汽车用锂离子电池电量检测方法
CN105738824A (zh) * 2016-02-26 2016-07-06 广州橙行智动汽车科技有限公司 一种电池剩余容量估算方法
CN106054080A (zh) * 2016-06-06 2016-10-26 电子科技大学 一种动力电池荷电状态与健康状态的联合估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
夏防震: "混合动力汽车镍氢电池组荷电状态估算算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110871709A (zh) * 2018-09-03 2020-03-10 本田技研工业株式会社 容量推定系统、容量推定方法及存储介质
CN109782178A (zh) * 2019-01-29 2019-05-21 中国铁塔股份有限公司 一种蓄电池核容方法及核容装置
CN110133534A (zh) * 2019-06-11 2019-08-16 北京智芯微电子科技有限公司 蓄电池老化趋势的评估方法
CN110133534B (zh) * 2019-06-11 2021-06-04 北京智芯微电子科技有限公司 蓄电池老化趋势的评估方法
CN112098868A (zh) * 2019-06-17 2020-12-18 沃尔沃汽车公司 用于改进电池容量估计的方法和系统
CN111431462A (zh) * 2020-03-25 2020-07-17 清华大学 一种直流母线电容估算方法及直流母线电容估算装置
CN111736080A (zh) * 2020-05-21 2020-10-02 广汽菲亚特克莱斯勒汽车有限公司 一种结合充电策略校准动力电池容量的方法
CN111976542A (zh) * 2020-09-01 2020-11-24 广东高标电子科技有限公司 一种电动车的铅酸电池soc估算方法和装置

Also Published As

Publication number Publication date
CN107271905B (zh) 2019-12-27
US20180340983A1 (en) 2018-11-29
US10436848B2 (en) 2019-10-08

Similar Documents

Publication Publication Date Title
CN107271905A (zh) 一种用于纯电动汽车的电池容量主动估计方法
CN106814329A (zh) 一种基于双卡尔曼滤波算法的电池soc在线估计方法
CN105353313B (zh) 电池荷电状态的估算方法和装置
CN103969589B (zh) 通过阳电极半电池电压曲线的优化拟合检测开路电压偏移的方法
CN108375739B (zh) 电动车锂电池的荷电状态估算方法与荷电状态估算系统
JP4860768B2 (ja) バッテリー開放電圧推定装置、これを用いたバッテリー充電状態推定装置及びその制御方法
CN104007395B (zh) 锂离子电池荷电状态与参数自适应联合估计方法
CN105607004B (zh) 一种锂离子电池包健康状态评估方法及系统
JP5419831B2 (ja) バッテリの劣化度推定装置
CN106443480A (zh) 一种锂离子电池系统soc估算方法
CN102540081B (zh) 用于确定车载蓄电池荷电状态的方法
CN104535932A (zh) 一种锂离子电池荷电状态估计方法
CN104198795B (zh) 车辆的动力系统开路电压检测方法、动力系统及车辆
CN104485474B (zh) 一种基于一致性指标的纯电动汽车电池组匹配方法
CN104459551A (zh) 一种电动汽车动力电池能量状态估算方法
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
CN103389468A (zh) 电池荷电状态观测器
CN103869252A (zh) 用于磷酸铁锂电池的插电充电容量估计方法
CN102788957A (zh) 一种动力电池荷电状态估算方法
CN105116350B (zh) 动力电池放电时soc变化量及放电电量折算系数测量方法
CN103675698A (zh) 动力电池荷电状态估计装置及其估计方法
EP3771020A1 (en) Battery control device, battery control method, uninterruptible power supply unit, power system, and electric vehicle
CN106354964A (zh) 电动汽车用锂离子电容器荷电状态估计方法
CN106501724A (zh) 一种基于rls和ekf算法的全钒液流电池soc估计方法
CN106443467A (zh) 基于充电过程的锂离子电池充入电量建模方法与应用

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PP01 Preservation of patent right

Effective date of registration: 20200730

Granted publication date: 20191227

PP01 Preservation of patent right
PD01 Discharge of preservation of patent

Date of cancellation: 20200730

Granted publication date: 20191227

PD01 Discharge of preservation of patent