CN108445418A - 一种电池剩余电量估算方法及存储介质 - Google Patents

Abstract

一种电池剩余电量估算方法及存储介质，其中方法包括如下步骤，在动态工况下采集电池电芯上的电流、电压，构建二阶RC电池等效模型，模型参数包括内阻、第一极化电容、第二极化电容、第一极化电阻、第二极化电阻；将电流、电压代入二阶RC电池等效模型，通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型的参数进行辨识，在辨识过程中，等到辨识的参数收敛到稳定值时，取稳定参数的平均值作为辨识结果；根据辨识结果根据扩展卡尔曼滤波算法联合安时积分法的方法来估算剩余电量。解决现有技术电池电量估算误差较大的问题。

Description

一种电池剩余电量估算方法及存储介质

技术领域

本发明涉及电动汽车电池设计领域，尤其涉及一种用于估计电池剩余电 量的电池剩余电量的估算方法。

背景技术

随着20世纪后半叶以来，石油危机与环境污染的突显，在此形势下，新 能源汽车特别是电动汽车重新回归到人们的视野中，得到了国内外汽车生产 制造商的高度关注，特别在国内对电动汽车的推广力度与关注度更高。电池 管理系统(BMS)是电动汽车的重要组成部分，对动力电池进行有效的管理和控 制，保障电池高效利用以及行车安全。

SOC(State of Charge)描述电池剩余电量的数量，是电池管理系统(BMS) 的关键技术之一。对整辆电动汽车的正常运行有着重要的意义，精确的SOC估 算不仅能够提高电池组的安全性，减少过充电过放电现象的发生，更能提高 整个电池组的整体性能。目前，电动汽车估算SOC最常用的方法是安时积分 法，内阻法，开路电压法，卡尔曼滤波等等。但是这些经典的方法不能够很 高的适应复杂的外界环境变化，实际工况下误差较大，越来越不能够满足现 代纯电动汽车BMS对其精度的要求。

为了提高SOC的估计精度，从电池模型等效模型出发，通过提高其模型 中的相关参数的精度，减少误差，进而提高SOC的估计精度。

发明内容

为此，需要提供一种解决电池电量估算误差较大的问题的方法。

为实现上述目的，发明人提供了一种电池剩余电量估算方法，包括如下 步骤，在动态工况下采集电池电芯上的电流、电压，构建二阶RC电池等效模 型，模型参数包括内阻、第一极化电容、第二极化电容、第一极化电阻、第 二极化电阻；将电流、电压代入二阶RC电池等效模型，通过带遗忘因子递推 最小二乘算法对二阶RC电池等效模型的参数进行辨识，在辨识过程中，等到 辨识的参数收敛到稳定值时，取稳定参数的平均值作为辨识结果；根据辨识 结果根据扩展卡尔曼滤波算法联合安时积分法的方法来估算剩余电量。

进一步地，还包括步骤，验证辨识结果，将所述辨识结果代回二阶RC电 池等效模型中，通过计算得到的电池端电压与实际测量的端电压进行比对， 判断辨识结果的精度。

具体地，所述通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型 的参数进行辨识，具体为，

其中，

R0、C1、C2、R1、R2分别为模型参数中的内阻、第一极化电容、第二极 化电容、第一极化电阻、第二极化电阻。

一种电池剩余电量估算存储介质，存储有计算机程序，所述计算机程序 在被执行时进行包括如下步骤，在动态工况下采集电池电芯上的电流、电压， 构建二阶RC电池等效模型，模型参数包括内阻、第一极化电容、第二极化电 容、第一极化电阻、第二极化电阻；将电流、电压代入二阶RC电池等效模型， 通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型的参数进行辨识， 在辨识过程中，等到辨识的参数收敛到稳定值时，取稳定参数的平均值作为 辨识结果；根据辨识结果根据扩展卡尔曼滤波算法联合安时积分法的方法来估算剩余电量。

进一步地，所述程序在被执行时还包括步骤，验证辨识结果，将所述辨 识结果代回二阶RC电池等效模型中，通过计算得到的电池端电压与实际测量 的端电压进行比对，判断辨识结果的精度。

具体地，所述通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型 的参数进行辨识，具体为，

其中，

R0、C1、C2、R1、R2分别为模型参数中的内阻、第一极化电容、第二极 化电容、第一极化电阻、第二极化电阻。

区别于现有技术，上述技术方案为电动汽车电池管理系统提供了一种估 算SOC的方法，通过提高电池模型参数的精度，提高了电池SOC的估计精度。

附图说明

图1为具体实施方式所述的电池剩余电量估算方法流程图；

图2a为具体实施方式所述的行驶过程端电压示意图；

图2b为具体实施方式所述的局部时段端电压示意图

图3a为具体实施方式所述的行驶过程电芯电流示意图；

图3b为具体实施方式所述的局部时段电芯电流示意图；

图4为具体实施方式所述的二阶RC电池等效模型示意图；

图5为具体实施方式所述的二阶RC模型计算的端电压与实际测量端电压 的对比示意图；

图6为具体实施方式所述的二阶RC模型计算得端电压与实际测量端电压 的差值示意图；

图7为具体实施方式所述的二阶RC模型估算SOC(初始SOC未知)与安 时积分法估算SOC的对比示意图；

图8为具体实施方式所述的二阶RC模型估算SOC(初始SOC已知)与安 时积分法估算SOC的对比示意图；

图9为具体实施方式所述的二阶RC模型估算SOC在初始SOC已知和未知 状态的对比示意图。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下 结合具体实施例并配合附图详予说明。

在本发明的某些实施例中，具体解决方案阐述如下：

1.电动汽车运行工况复杂的城市街道中，并采集所标记电芯上的电流、 电压等一系列的数据；

2.选择二阶RC电池等效模型；

3.采用含有遗忘因子递推最小二乘算法进行参数识别，获得电池模型参 数；

4.根据所采集的数据，以电芯端电压为验证值，对所辨识的参数值进行 验证，并完成对比差值分析；

5.将辨识的结果,以及采集的电压、电流带入到联立扩展卡尔曼滤波算 法联合安时积分法的方法来估算SOC。

在图1所示的实施例中，介绍了一种电池剩余电量估算方法，包括如下 步骤，S100在动态工况下采集电池电芯上的电流、电压，在图2所述的实施 例中，我们选用镍钴锰三元锂电池为研究对象，电动汽车行驶在运行工况复 杂的城市街道中，并采集电芯上的电流、电压数据如图1、图2a、图2b所示。 采集数据后进行步骤S102构建二阶RC电池等效模型，如图3所示，模型参 数包括R₀—电池内阻；I—电池电芯上工作电流；U_t—电池负载电压；第一极 化电阻R₁、第二极化电阻R₂；第一极化电容C₁、第二极化电容C₂；将电流、 电压代入二阶RC电池等效模型，S104通过带遗忘因子递推最小二乘算法对二 阶RC电池等效模型的参数进行辨识，具体为，由基尔霍夫定律得到开路电压 计算方程如下：

U_oc＝U₁+U₂+I·R₀+U_t

对U_oc取一阶导数得到下式：

对以上等式进行拉氏变换得到：

U_oc(s)＝U₁(s)+U₂(s)+I(s)·R₀+U_t(s)

令：

得到传递函数H(s)：

对传递函数H(s)进行离散化处理，由双线性变换法，令：

其中z^-1为离散因子，T为一个采样周期时间，得到：

其中，

将传递函数H(z^-1)记为：

其中，

因此得到：

经以上分析可知，相邻采样周期内电芯的开路电压变化极小，为简化计算， 这里取U_oc(k)＝U_oc(k-1)＝U_oc(k-2)，这里取U_oc(k)＝U_oc(k-1)＝U_oc(k-2)，则上式可 简化为：

U_t(k-2)＝x₄U_t(k-1)+x₅U_t(k)+(1+x₄+x₅)U_oc(k-1) -x₁I(k-2)-x₂I(k-1)-x₃I(k)(k≥3)

上式可进行参数辨识，其未知参数为：

根据遗忘因子递推最小二乘算法的计算流程如下：

其中遗忘因子ρ必须选择小于等于1的正数，通常不得小于0.9。一般情况选 择0.95＜ρ≤1。

为得到参数R₁、R₂、C₁和C₂，设：

解得：

在辨识过程中，等到辨识的参数收敛到稳定值时，取稳定参数的平均值 作为辨识结果；随后进行步骤，S108根据辨识结果根据扩展卡尔曼滤波算法 联合安时积分法的方法来估算剩余电量，此处的扩展卡尔曼滤波算法已有先 贤完成得十分成熟，可以直接套用。

作为一个进一步的实施例，如图1所示，本发明方法还包括步骤S106验 证辨识结果，将所述辨识结果代回二阶RC电池等效模型中，通过计算得到的 电池端电压与实际测量的端电压进行比对，判断辨识结果的精度。

通过上述步骤，本方案在运用电动汽车行驶中采集到的数据，通过含有 遗忘因子递推最小二乘算法，对二阶RC电池模型进行参数辨识，提高了参数 辨识的精度。

本方案在提出的方法反复进行参数辨识和SOC计算，不需要在进行参数 辨识前对车辆进行特殊的处理和电池容量计算。只首次静置后得到准确SOC 后，就能得到准确的参数辨识结果和SOC。

本发明旨在提供一种基于二阶RC电池模型的SOC的估算方法，下图为在 执行过程中的效果图。图5，图6为将辨识得参数带入模型中，以电芯端电压 为参考量，得到的对比图。证明参数辨识结果准确。图7，图8，图9为二阶 RC模型SOC的计算值，通过对比，证明了减小了SOC的估计误差，提高了估 计的精度。

在其他的一些实施例中，还提供了一种电池剩余电量估算存储介质，存 储有计算机程序，所述计算机程序在被执行时进行包括如下步骤，在动态工 况下采集电池电芯上的电流、电压，构建二阶RC电池等效模型，模型参数包 括内阻、第一极化电容、第二极化电容、第一极化电阻、第二极化电阻；将 电流、电压代入二阶RC电池等效模型，通过带遗忘因子递推最小二乘算法对 二阶RC电池等效模型的参数进行辨识，在辨识过程中，等到辨识的参数收敛 到稳定值时，取稳定参数的平均值作为辨识结果；根据辨识结果根据扩展卡 尔曼滤波算法联合安时积分法的方法来估算剩余电量。

进一步地，所述程序在被执行时还包括步骤，验证辨识结果，将所述辨 识结果代回二阶RC电池等效模型中，通过计算得到的电池端电压与实际测量 的端电压进行比对，判断辨识结果的精度。

具体地，所述通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型 的参数进行辨识，具体为，

其中，

R0、C1、C2、R1、R2分别为模型参数中的内阻、第一极化电容、第二极 化电容、第一极化电阻、第二极化电阻。

上述存储介质能够解决现有技术中对于电池剩余电量估算不够精确的问 题。

需要说明的是，尽管在本文中已经对上述各实施例进行了描述，但并非 因此限制本发明的专利保护范围。因此，基于本发明的创新理念，对本文所 述实施例进行的变更和修改，或利用本发明说明书及附图内容所作的等效结 构或等效流程变换，直接或间接地将以上技术方案运用在其他相关的技术领 域，均包括在本发明的专利保护范围之内。

Claims (6)

1.一种电池剩余电量估算方法，其特征在于，包括如下步骤，在动态工况下采集电池电芯上的电流、电压，构建二阶RC电池等效模型，模型参数包括内阻、第一极化电容、第二极化电容、第一极化电阻、第二极化电阻；将电流、电压代入二阶RC电池等效模型，通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型的参数进行辨识，在辨识过程中，等到辨识的参数收敛到稳定值时，取稳定参数的平均值作为辨识结果；根据辨识结果根据扩展卡尔曼滤波算法联合安时积分法的方法来估算剩余电量。

2.根据权利要求1所述的电池剩余电量估算方法，其特征在于，还包括步骤，验证辨识结果，将所述辨识结果代回二阶RC电池等效模型中，通过计算得到的电池端电压与实际测量的端电压进行比对，判断辨识结果的精度。

3.根据权利要求1所述的电池剩余电量估算方法，其特征在于，所述通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型的参数进行辨识，具体为，

其中，

R0、C1、C2、R1、R2分别为模型参数中的内阻、第一极化电容、第二极化电容、第一极化电阻、第二极化电阻。

4.一种电池剩余电量估算存储介质，其特征在于，存储有计算机程序，所述计算机程序在被执行时进行包括如下步骤，在动态工况下采集电池电芯上的电流、电压，构建二阶RC电池等效模型，模型参数包括内阻、第一极化电容、第二极化电容、第一极化电阻、第二极化电阻；将电流、电压代入二阶RC电池等效模型，通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型的参数进行辨识，在辨识过程中，等到辨识的参数收敛到稳定值时，取稳定参数的平均值作为辨识结果；根据辨识结果根据扩展卡尔曼滤波算法联合安时积分法的方法来估算剩余电量。

5.根据权利要求4所述的电池剩余电量估算存储介质，其特征在于，所述程序在被执行时还包括步骤，验证辨识结果，将所述辨识结果代回二阶RC电池等效模型中，通过计算得到的电池端电压与实际测量的端电压进行比对，判断辨识结果的精度。

6.根据权利要求4所述的电池剩余电量估算存储介质，其特征在于，所述通过带遗忘因子递推最小二乘算法对二阶RC电池等效模型的参数进行辨识，具体为，

其中，

R0、C1、C2、R1、R2分别为模型参数中的内阻、第一极化电容、第二极化电容、第一极化电阻、第二极化电阻。