CN108828448B - 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 - Google Patents
基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 Download PDFInfo
- Publication number
- CN108828448B CN108828448B CN201810584173.0A CN201810584173A CN108828448B CN 108828448 B CN108828448 B CN 108828448B CN 201810584173 A CN201810584173 A CN 201810584173A CN 108828448 B CN108828448 B CN 108828448B
- Authority
- CN
- China
- Prior art keywords
- charging
- battery
- voltage
- charging device
- kalman filtering
- 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.)
- Active
Links
Images
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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明公开了基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,包括电压曲线特征分析、基于电池充电电压曲线的放电阶段电池端电压求解、基于充电电压曲线融合卡尔曼滤波估算电池SOC三个阶段。第一阶段是利用实测电池充电过程获得不同老化状态下充电电压和电池充入容量关系曲线,将电池容量归一化处理并对曲线纵向平移从而得到电池老化后重合的充电电压和SOC关系曲线。第二阶段是根据充电过程和放电过程的电压表达式得出放电阶段电池端电压的求解表达式,并通过引入噪声分析电压的影响因素和结果。第三阶段是将传统卡尔曼滤波算法中电池端电压测量方程用求解的电池端电压表达式进行替换,实现充电电压曲线与卡尔曼滤波融合估算电池SOC。
Description
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状态参数预估方法。
背景技术
精确估算电池荷电状态(State of Charge,SOC)为电池寿命估算和安全性评估提供参考依据,有利于电池管理系统整体性能提升,保障电动汽车的续航里程。
目前多通过电池开路电压法或安时积分法来估算电池SOC,比较典型的算法是卡尔曼滤波算法,在用于求解电池SOC的扩展卡尔曼滤波算法的基础上,增加电池模型参数的状态方程,通过在线辨识出模型参数,从而更为准确的估算出电池SOC。这些估算方法注重于模型本身、模型参数误差和算法可靠性的问题,却忽略了实际应用中存在的很多噪声问题,例如电池管理系统中测量误差,或者将这些噪声归结为简单的白噪声,简化的同时很有可能造成了估算效果降低。
电池整个寿命周期中,稳定的电池充电工况是存在的。依据电池在充电过程中电池端电压和充入电量关系曲线,研究者提出利用该曲线随电池老化变化的特点,进行平移修正从而获得老化后电池额定容量值,但如何采用充电电压曲线消除电池管理系统中测量误差,进而将其应用到电池SOC在线估算中仍有待深入。
发明内容
为了解决上述问题,本发明提出了基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,包括如下:
S1、电压曲线特征分析;
S2、基于电池充电电压曲线的放电阶段电池端电压求解;
S3、基于充电电压曲线融合卡尔曼滤波估算电池SOC。
进一步,上述S1中,电压曲线特征分析,利用实测电池充电过程获得不同老化状态下充电电压和电池充入容量关系曲线,将电池容量进行归一化处理并对曲线进行纵向平移从而得到电池老化后重合的充电电压和SOC关系曲线。利用开路电压和SOC关系曲线,分析可知充电电压和SOC关系曲线能够应用于电池SOC的估算中。
进一步,上述S2中,基于充电电压曲线的放电阶段电池端电压求解,具体过程如下:
S2.1、建立充电过程电池电压表达式为:
U充=Uoc+I充·R0+U1,充 (1)
式中,Uoc为开路电压,I充为充电电流,R0为充电欧姆内阻,U1,充为充电极化电压。
进而,电池开路电压可表示为:
Uoc=U充-I充·R0-U1,充 (2)
S2.2、建立放电过程电池电压表达式为
U放=Uoc-I放·R′0-U1,放 (3)
式中,I放为放电电流,R'0为放电欧姆内阻,U1,放为放电极化电压。
S2.3、将式(2)代入到式(3)中可得:
U放=U充-I充·R0-U1,充-I放·R'0-U1,放+v (4)
式中,v表示系统噪声。
在实际应用中,电动汽车常采用恒流充电,从而保证了式(2)的实时更新。忽略电池充电欧姆内阻R0和放电欧姆内阻R'0间差异,只考虑电池欧姆内阻随电池老化的差异问题,进一步简化式子(4)得到:
U放=U充-(I充+I放)·R0-(U1,充+U1,放)+v (5)
S2.4、将测量噪声ΔU放、ΔU充、ΔI充、ΔI放加入到式(5)中,可得:
U放+ΔU放=U充+ΔU充-(I充+ΔI充+I放+ΔI放)·R0-(U1,充+U1,放) (6)
从式(6)可知,ΔU放和ΔU充存在相互抵消的现象,但充放电电流噪声ΔI放和ΔI充却存在叠加现象,考虑到毫安级别的电流噪声与毫欧级别的欧姆内阻相乘后数量级很小,其对电池SOC准确估算影响较小。
进一步,上述S3中,基于充电电压曲线融合卡尔曼滤波估算电池SOC的具体方法:
首先建立电池一阶RC等效电路模型,这里只是为了阐述方便,不仅仅局限在一阶RC等效电路模型。基于一阶RC等效电路模型确立描述电池模型参数和SOC的状态方程,将传统卡尔曼滤波算法中电池端电压测量方程式(3)用式(5)进行替换,进而实现充电电压曲线与卡尔曼滤波融合估算电池SOC。
本发明的有益效果:
1、本发明提出了基于充电电压曲线变换卡尔曼滤波算法中测量方程的电池荷电状态在线估算方法,该方法相比传统卡尔曼滤波算法估算电池SOC,具有高精度、高鲁棒性的特点。
2、本发明在不存在电压测量噪声时,估算精度与传统卡尔曼滤波估算精度基本相同,但本发明能够消除采集噪声的影响并保证估算精度基本不变。
3、本发明的高精度原因是该方法充电电压和SOC关系曲线能够随电池老化进行修正,同时充电电压和SOC关系曲线在测量方程中的应用消除了监测信号噪声的影响。
4、本发明高鲁棒性在于其对不同电池模型具有很好的普适性,同时监测电压信号噪声的大小对SOC估算精度没有影响。
附图说明
图1为实测不同老化状态下充电电压和电池SOC曲线;
图2为归一化及纵向平移后的不同老化状态下充电电压和电池SOC曲线;
图3为无信号采集噪声下传统卡尔曼滤波与所提融合算法SOC估算精度对比;
图4为采集信号噪声环境下基于充电电压曲线融合卡尔曼滤波估算SOC;
图5为采集信号噪声环境下采用传统卡尔曼滤波估算SOC。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明提出的电池SOC估算主要分为3个阶段。
电压曲线特征分析阶段:
1.利用实测电池充电过程获得不同老化状态下充电电压和电池充入容量关系曲线,见附图1;
2.将电池容量进行归一化处理从而得到充电电压和SOC关系曲线;
3.通过纵向平移得到电池老化后充电电压和SOC关系曲线重合的结果,见附图2;
4.传统卡尔曼滤波算法依据开路电压和SOC关系曲线不随老化变化的特点提出基于开路电压法估算电池SOC;参考图2可以看出充电电压和SOC关系曲线也不随老化状态变化,进而也可应用于电池SOC的估算。
基于充电电压曲线的电池放电阶段端电压求解阶段:
1.以电池一阶RC等效电路模型为例,确定充放电阶段电池端电压求取公式;
2.用充电电压曲线替换开路电压与SOC关系曲线,从而验证噪声消除的可行性。
具体过程如下:
充电过程电池电压为:
U充=Uoc+I充·R0+U1,充 (1)
式中,Uoc为开路电压,I充为充电电流,R0为充电欧姆内阻,U1,充为充电极化电压。
进而,电池开路电压可表示为:
Uoc=U充-I充·R0-U1,充 (2)
放电过程电池电压为:
U放=Uoc-I放·R′0-U1,放 (3)
式中,I放为放电电流,R'0为放电欧姆内阻,U1,放为放电极化电压。
将式(2)代入到式(3)中可得:
U放=U充-I充·R0-U1,充-I放·R'0-U1,放+v (4)
式中,v表示系统噪声。
在实际应用中,电动汽车常采用恒流充电,从而保证了公式(2)的实时更新。若忽略电池充电欧姆内阻R0和放电欧姆内阻R'0间差异,则只需考虑电池欧姆内阻随电池老化的差异问题,进一步简化得:
U放=U充-(I充+I放)·R0-(U1,充+U1,放)+v (5)
将测量噪声加入到公式中:
U放+ΔU放=U充+ΔU充-(I充+ΔI充+I放+ΔI放)·R0-(U1,充+U1,放) (6)
从式(6)可知,ΔU放和ΔU充存在相互抵消的现象,但充放电电流噪声ΔI放和ΔI充却存在叠加现象,考虑到毫安级别的电流噪声与毫欧级别的欧姆内阻相乘后数量级很小,其对电池SOC准确估算影响较小。
基于充电电压曲线融合卡尔曼滤波估算电池SOC阶段:
1.基于一阶RC等效电路模型采用传统卡尔曼滤波估算电池SOC;
2.将传统卡尔曼滤波算法中测量方程用式(5)进行替换,对比替换前后无信号采集噪声时的估算精度,见附图3。从图中可以看出所提方法在无信号采集噪声下SOC估算精度与传统尔曼滤波算法近似;
3.在存在信号噪声环境下,验证所提新方法估算电池SOC的效果,见附图4。为了对比同时给出了相应情况下的传统卡尔曼滤波估算电池SOC结果,见附图5。对比两幅图可以看出融合充电电压曲线能够消除电压信号噪声对SOC估算精度的影响,不同噪声下估算的SOC曲线基本重合,这二者的联合极大提升了传统卡尔曼滤波估算电池SOC的鲁棒性,验证了所提方法的有效性。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (6)
1.基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,其特征在于,包括如下:
S2、基于电池充电电压曲线的放电阶段电池端电压求解;
S3、基于充电电压曲线融合卡尔曼滤波估算电池SOC;
所述S3的具体实现:
首先建立电池等效电路模型,基于等效电路模型确立描述电池模型参数和SOC的状态方程,将卡尔曼滤波算法中电池端电压测量方程用式U放=U充-(I充+I放)·R0-(U1,充+U1,放)+v进行替换,进而实现充电电压曲线与卡尔曼滤波融合估算电池SOC;
其中,I充为充电电流,R0为充电欧姆内阻,U1,充为充电极化电压,I放为放电电流,U1,放为放电极化电压,v表示系统噪声,U放为放电过程电池电压,U充为充电过程电池电压。
2.根据权利要求1所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,其特征在于,在步骤S2之前还包括:电压曲线特征分析的步骤S1。
3.根据权利要求1所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,其特征在于,所述S2的具体实现:
S2.1、建立充电过程电池电压表达式为:
U充=Uoc+I充·R0+U1,充
式中,Uoc为开路电压,I充为充电电流,R0为充电欧姆内阻,U1,充为充电极化电压;
电池开路电压可表示为:
Uoc=U充-I充·R0-U1,充
S2.2、建立放电过程电池电压表达式为:
U放=Uoc-I放·R′0-U1,放
式中,I放为放电电流,R'0为放电欧姆内阻,U1,放为放电极化电压;
S2.3、将式Uoc=U充-I充·R0-U1,充代入到式U放=Uoc-I放·R'0-U1,放中可得放电阶段电池端电压的表达式为:
U放=U充-I充·R0-U1,充-I放·R'0-U1,放+v
式中,v表示系统噪声。
4.根据权利要求3所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,其特征在于,忽略电池充电欧姆内阻R0和放电欧姆内阻R'0间差异,只考虑电池欧姆内阻随电池老化的差异问题,将所述放电阶段电池端电压的表达式进行简化得到:
U放=U充-(I充+I放)·R0-(U1,充+U1,放)+v。
5.根据权利要求4所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,其特征在于,还包括噪声分析的步骤S2.4:将测量噪声ΔU放、ΔU充、ΔI充、ΔI放加入到式U放=U充-(I充+I放)·R0-(U1,充+U1,放)+v中,得到如下放电阶段电池端电压的表达式:
U放+ΔU放=U充+ΔU充-(I充+ΔI充+I放+ΔI放)·R0-(U1,充+U1,放)
由该表达式得出:ΔU放和ΔU充存在相互抵消,但充放电电流噪声ΔI放和ΔI充却存在叠加,毫安级别的电流噪声与毫欧级别的欧姆内阻相乘后数量级很小,该充放电电流噪声ΔI放和ΔI充的叠加对电池SOC准确估算影响较小。
6.根据权利要求1所述的基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法,其特征在于,所述电池等效电路模型采用一阶RC等效电路模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810584173.0A CN108828448B (zh) | 2018-06-08 | 2018-06-08 | 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810584173.0A CN108828448B (zh) | 2018-06-08 | 2018-06-08 | 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108828448A CN108828448A (zh) | 2018-11-16 |
CN108828448B true CN108828448B (zh) | 2020-08-28 |
Family
ID=64144721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810584173.0A Active CN108828448B (zh) | 2018-06-08 | 2018-06-08 | 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108828448B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814041A (zh) * | 2019-01-16 | 2019-05-28 | 上海理工大学 | 一种锂离子电池双卡尔曼滤波容量估计方法 |
CN110780204B (zh) * | 2019-11-11 | 2021-05-25 | 北京理工大学 | 一种电动汽车电池组容量估值方法 |
CN111103549B (zh) * | 2019-12-16 | 2022-11-08 | 中车大连机车车辆有限公司 | 一种混合动力机车电池系统检修需求判断方法 |
CN111707957B (zh) * | 2020-04-23 | 2021-04-13 | 北京邮电大学 | 电动汽车电池残值估算方法及装置 |
CN111610447A (zh) * | 2020-05-22 | 2020-09-01 | 上海理工大学 | 一种基于开路电压的电池容量估计方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102893169A (zh) * | 2010-11-16 | 2013-01-23 | 古河电气工业株式会社 | 蓄电设备的状态检测方法及其装置 |
CN103439668A (zh) * | 2013-09-05 | 2013-12-11 | 桂林电子科技大学 | 动力锂离子电池的电荷状态估算方法与系统 |
CN103487759A (zh) * | 2013-09-18 | 2014-01-01 | 江苏大学 | 一种混合动力汽车电池soc预测方法 |
CN104502849A (zh) * | 2014-12-12 | 2015-04-08 | 国家电网公司 | 一种变电站阀控式密封铅酸蓄电池剩余容量在线实时测量方法 |
CN105158698A (zh) * | 2015-08-28 | 2015-12-16 | 江苏大学 | 基于充电电压曲线的电池组健康状态在线估算方法 |
CN106026260A (zh) * | 2016-06-24 | 2016-10-12 | 南京航空航天大学 | 一种带有均衡电路的串连电池组soc估算方法 |
CN106062579A (zh) * | 2014-03-03 | 2016-10-26 | 松下知识产权经营株式会社 | 电池状态估计装置以及电池状态估计方法 |
CN106918789A (zh) * | 2017-05-10 | 2017-07-04 | 成都理工大学 | 一种soc‑soh联合在线实时估计和在线修正方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8321164B2 (en) * | 2008-09-25 | 2012-11-27 | GM Global Technology Operations LLC | Method and system for determining a state of charge of a battery based on a transient response |
CN104319425B (zh) * | 2014-08-25 | 2016-06-22 | 江苏华东锂电技术研究院有限公司 | 对锂离子电池的容量进行管理的方法 |
-
2018
- 2018-06-08 CN CN201810584173.0A patent/CN108828448B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102893169A (zh) * | 2010-11-16 | 2013-01-23 | 古河电气工业株式会社 | 蓄电设备的状态检测方法及其装置 |
CN103439668A (zh) * | 2013-09-05 | 2013-12-11 | 桂林电子科技大学 | 动力锂离子电池的电荷状态估算方法与系统 |
CN103487759A (zh) * | 2013-09-18 | 2014-01-01 | 江苏大学 | 一种混合动力汽车电池soc预测方法 |
CN106062579A (zh) * | 2014-03-03 | 2016-10-26 | 松下知识产权经营株式会社 | 电池状态估计装置以及电池状态估计方法 |
EP3115797A1 (en) * | 2014-03-03 | 2017-01-11 | Panasonic Intellectual Property Management Co., Ltd. | Battery state estimation device and method of estimating battery state |
CN104502849A (zh) * | 2014-12-12 | 2015-04-08 | 国家电网公司 | 一种变电站阀控式密封铅酸蓄电池剩余容量在线实时测量方法 |
CN105158698A (zh) * | 2015-08-28 | 2015-12-16 | 江苏大学 | 基于充电电压曲线的电池组健康状态在线估算方法 |
CN106026260A (zh) * | 2016-06-24 | 2016-10-12 | 南京航空航天大学 | 一种带有均衡电路的串连电池组soc估算方法 |
CN106918789A (zh) * | 2017-05-10 | 2017-07-04 | 成都理工大学 | 一种soc‑soh联合在线实时估计和在线修正方法 |
Non-Patent Citations (2)
Title |
---|
基于卡尔曼滤波器的蓄电池荷电状态估算;何小霞 等;《广东电力》;20130228;第26卷(第2期);第190-194页 * |
基于参数更新的蓄电池SOC估计算法优化;杨忠亮 等;《蓄电池》;20171231;第54卷(第4期);第40-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108828448A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108828448B (zh) | 基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法 | |
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN110196393B (zh) | 一种锂电池荷电状态、能量状态和功率状态的联合在线估计方法 | |
CN109188293B (zh) | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 | |
US11320491B2 (en) | Battery cell state of charge estimation method and a battery state monitoring system | |
WO2015106691A1 (zh) | 一种混合动力车用动力电池soc估算方法 | |
CN108732508B (zh) | 一种锂离子电池容量的实时估计方法 | |
CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
CN106716158A (zh) | 电池荷电状态估算方法和装置 | |
CN110562097A (zh) | 一种新能源汽车充电剩余时间估算方法 | |
CN110376536B (zh) | 电池系统soh检测方法、装置、计算机设备和存储介质 | |
CN111381180B (zh) | 一种电池容量的确定方法和装置 | |
CN112595979B (zh) | 一种考虑非充分激励的锂电池参数在线辨识方法及系统 | |
CN108535661B (zh) | 一种基于模型误差谱的动力电池健康状态在线估计方法 | |
CN105699910A (zh) | 一种锂电池剩余电量在线估计方法 | |
CN113009361B (zh) | 一种基于开路电压校准的电池荷电状态估计方法 | |
CN109655758B (zh) | 电池开路电压测量方法及系统 | |
US20140184233A1 (en) | Method for checking deterioration of battery | |
KR20140093552A (ko) | 배터리 용량 상태 추정 장치 및 이의 방법 | |
CN110716141B (zh) | 一种基于扩展卡尔曼滤波的电池荷电状态估计方法 | |
CN106772097B (zh) | 一种利用充电机矫正soc的方法 | |
CN112356737B (zh) | 电池充电管理方法及电池管理系统 | |
CN112009252B (zh) | 一种动力电池系统故障诊断及容错控制方法 | |
CN111216595B (zh) | 基于锂电池等效电路模型的重度混合动力汽车soc校准方法 | |
WO2021035500A1 (zh) | 用于48v轻混汽车锂离子电池的荷电状态在线估算系统 |
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 |