CN108957347B - 一种电池组soc的高精度动态估计方法和系统 - Google Patents

Abstract

本发明提出一种电池组SOC的高精度动态估计方法和系统，该方法基于与最低电压相差为误差上限之内的电池单体并联组并为其打分，然后以变换得分后的电池单体并联组的分数为标准，筛选出若干个分数较高的电池单体并联组，用高精度估计算法估计电池组的SOC。该方法和系统能够减小由于采样电路带来的误差，并消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，提高了实时估算电池组SOC的精度。

Description

一种电池组SOC的高精度动态估计方法和系统

技术领域

本发明涉及电气领域，具体涉及一种电池组SOC的高精度动态估计方法和系统。

背景技术

目前环境污染越来越严重，所以用能源清洁和对环境友好的电动汽车已成为汽车发展的主流方向。而动力电池是电动汽车的主要动力来源和核心部件，为了使其表现出更好的性能，对动力电池进行一定的管理是十分必要的。在电动汽车的电池管理系统(Battery Management System,BMS)中，动力电池的荷电状态(State of Charge,SOC)是BMS中一个十分关键的电池状态估计参数，其表征的是电池当前所能释放的剩余容量占额定容量的百分比。SOC不仅是电动汽车能量优化算法的基础，也是在测试和评价电池性能以及在对电池进行均衡控制和寿命预测中也承担着重要角色。因此，实时准确估计SOC是当前BMS中的关键技术之一。

当前电动汽车的SOC估计算法有多种，比如开路电压法、安时积分法、卡尔曼滤波法、神经网络法等等。工程应用中大量使用的是安时积分法和开路电压法组合的方法来估算SOC，这种方法虽然简单易行，但存在累计误差的问题，难以达到较高的估计精度。卡尔曼滤波法等算法的估算精度虽然较高，但其受电池模型等的影响较大，且算法比较复杂，电动汽车上的动力电池一般由几百个甚至是几千个电池单体串并联后组成，对如此众多的电池单体全部进行SOC估算，以目前的单片机性能来说几乎是无法实现的。目前常用的方法是采用电池组的平均电压来估算SOC；或者识别出电池组中电压最低的电池单体并联组，认为该并联组的SOC为整个电池组的SOC加以估计。若按照最低电压的电池并联组来估算，由于电池单体工作时表现为阻性和容性共存的特性，通常在模型中以一阶RC模型(如图1所示)、二阶RC模型(如图2所示)或分数阶模型(如图3所示)来表示，因此电池在充放电过程中会呈现电容特性，即存在电压与电流的相位差；且随着电池充放电次数的增多，老化程度的不一致使得每个电池单体的阻容特性存在差异，因此在电动汽车实际行驶过程中，检测到的最低电压电池单体并不一定对应真正SOC最低的电池单体；另外电池单体电压采样电路同样存在误差，这同样也会影响单体电池电压的最大最小值进行SOC估算的精度。如公开号为CN106526495A的发明专利申请提出一种在充电过程中的电池包SOC估算方法，先实时采集若干单体电池的电压以及总电流，然后对这些单体电池的电压进行比较，从而获得最高电压电池单体以及最低电压电池单体，然后再判断当前电池包是否处于恒流充电状态，若是，则用容量增量法估算上述所得的最高电压电池单体的容量以及最低电池单体的容量，并使用卡尔曼滤波算法估算出最高电压电池单体的以及最低电压电池单体的SOC，最后用相关公式估算得到在充电状态时整个电池包的SOC。这个发明没有考虑电池在充电过程中电路呈现的电容性以及采样电路的误差，只是考虑了实时测得的最高电圧电池单体和最低电压电池单体的SOC。

发明内容

为了解决现有技术中采用电池组各电池单体的平均电压来估算SOC，或者识别出电池组中电压最低的电池单体并联组并据此估算电池组SOC，上述技术未考虑电池单体工作时表现的阻性和容性共存的特性、电池在充放电过程中呈现的电容特性以及电池单体电压采样电路在采集并识别最低电压时存在误差，从而导致SOC估算精度不高的问题，本发明提出一种电池组SOC的高精度动态估计方法，该方法基于与最低电压相差为误差上限之内的电池单体并联组并为其打分，然后以变换得分后的电池单体并联组的分数为标准，筛选出若干个分数较高的电池单体并联组，用高精度估计算法估计电池组的SOC，能够减小由于采样电路带来的误差，并消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，提高了实时估算电池组SOC的精度。本发明还涉及一种电池组SOC的高精度动态估计系统。

本发明的技术方案如下：

一种电池组SOC的高精度动态估计方法，其特征在于，所述方法包括下述步骤：

采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；

为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；

按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

进一步地，所述方法还包括：每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组，采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC；并结合所述第一SOC与所述第二SOC得到电池组的SOC。

进一步地，在采用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC后，采用平均值算法或最小值算法计算得到电池组的第一SOC。

进一步地，所述第二SOC的计算过程包括如下步骤：

每隔预定时长采集电池组中各电池单体并联组的电压；

采用排序算法获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的另外若干电池单体并联组；

采用高精度SOC估计算法计算得出所述另外若干个电池单体并联组的SOC；对所述另外若干电池单体并联组的SOC采用平均值算法/最小值算法进行计算得出每隔预定时长情况下的电池组的第二SOC。

进一步地，在获得电池组的第一SOC和第二SOC后，采用求平均值或最小值的计算方法得到电池组的SOC。

进一步地，在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；

和/或，所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后的得分上，得到筛选出来的所述电池单体并联组新的得分。

进一步地，所述高精度SOC估计算法包括：卡尔曼滤波算法、粒子滤波算法、或机理模型算法；

和/或，所述排序算法包括：冒泡排序法、插入排序法、或比较排序法。

本发明还提供一种电池组SOC的高精度动态估计系统，其特征在于，包括依次连接的一次筛选模块、分数转化模块、二次筛选模块和SOC估计计算模块，

所述一次筛选模块，采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；

所述分数转化模块，为一次筛选模块筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；

所述二次筛选模块，将分数转化模块得到的筛选出来的所述电池单体并联组新的得分按照从高到低的顺序再次筛选出若干个电池单体并联组；

所述SOC估计计算模块用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

进一步地，还包括预定时长筛选模块，所述预定时长筛选模块与SOC估计计算模块相连，所述预定时长筛选模块每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组；所述SOC估计计算模块还采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC，并结合所述第一SOC与所述第二SOC得到电池组的SOC。

进一步地，所述SOC估计计算模块采用平均值算法或最小值算法分别计算得到电池组的第一SOC和第二SOC，再进一步对两者采用求平均值或最小值的计算方法得到电池组的SOC；

和/或，所述分数转化模块在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后的得分上，得到筛选出来的所述电池单体并联组新的得分。

本发明的技术效果如下：

本发明提供一种电池组SOC的高精度动态估计方法，该方法筛选出与最低电压相差在误差上限范围内的电池单体并联组；然后为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；最后按照电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC并将其作为第一基准获得电池组的第一SOC从而得到电池组的SOC。本发明所述方法涉及了两次筛选工作，第一次筛选考虑了与最低电压相差电压在误差上限范围之内的电池单体并联组，为筛选出的电池单体并联组打分，并累计至电池单体并联组前一次的得分上，可以尽快筛选出先前SOC不是最低但是后来老化最厉害的电池单体并联组及保留先前SOC低的电池单体并联组，能够更加准确的确定SOC最低的电池单体并联组所在的范围，减小由于采样电路电压采集带来的误差，从而更加准确的估计出电池组的SOC。第二次筛选是以第一次筛选的电池单体并联组所得分数为标准，按照从高到低的顺序再次筛选出若干个电池单体并联组，即筛选出若干个分数较高的电池单体并联组，从而消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，避免现有技术存在的种种问题，两次特定筛选处理、分数转化处理并结合高精度SOC估计算法，提高了动态估计电池组SOC的精度。

进一步地，每个预定时长筛选出电池组中与检测出的最低电压相差在误差上限范围内的另外若干电池单体并联组，实时找出疑似是最低SOC的电池单体并联组，并根据高精度SOC估计算法计算进而出电池组的第二SOC，结合计算得出的第一SOC，优选可通过求取其平均值或最小值的方式计算得到电池组的SOC，考虑了电池组实时检测过程中可能为最低电压的电池单体并联组，同时考虑第一SOC和第二SOC估算电池组的SOC，能够在BMS开机后的预订时长内实时动态估计电池组的SOC，进一步保证了计算出的SOC的准确性。

本发明还涉及一种电池组SOC的高精度动态估计系统，包括依次连接的一次筛选模块、分数转化模块、二次筛选模块和SOC估计计算模块，分别实现对电池单体并联组的一次筛选、分数转化、二次筛选和SOC估计计算，一次筛选模块考虑了最低电压相差在误差上限范围之内的电池单体并联组，从而减小由于采样电路电压采集带来的误差，二次筛选模块为筛选的电池单体并联组进行打分，实现分数转化，并结合二次筛选模块从高到底再次筛选出若干个电池单体并联组，从而消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，SOC估计计算模块采用高SOC估计精度的股计算法，从而提高了实时估计电池组SOC的精度。还可进一步设置预定时长筛选模块，实时找出疑似是最低SOC的电池单体并联组，并结合SOC估计计算模块结合第一SOC和第二SOC估算电池组的SOC，进一步提高电池组SOC的高精度动态估计计算效率。该系统的各模块协同工作，实现电池组SOC的高精度动态估计，系统可靠性强，并为测试和评价电池组性能以及对电池组进行均衡控制和寿命预测提供了重要参考依据。

附图说明

图1为现有技术的电池一阶RC等效电路示意图。

图2为现有技术的电池二阶RC等效电路示意图。

图3为现有技术的电池分数阶等效电路示意图。

图4本发明一种电池组SOC的高精度动态估计方法的流程图。

图5为本发明一种电池组SOC的高精度动态估计方法一优选实施方式流程图。

图6为本发明一种电池组SOC的高精度动态估计系统的示意性结构图。

具体实施方式

下面结合附图4～6对本发明的技术方案做详细的说明。

参见图4，是本发明一种电池组SOC的高精度动态估计方法的流程图，包括如下步骤：

S1：采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；

S2：为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；

S3：按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

下面对本发明电池组SOC的高精度动态估计方法进行具体说明。

步骤S1：采集各电池单体并联组的电压，并根据采集到的最低电压筛选出与最低电压相差在误差上限范围内的电池单体并联组。不失一般性，即，假设电池组由N串电池单体并联组联而成，且每串电池由M个电池单体组成，同时，设每串电池上有一个电压传感器，电压采样电路的误差上限为±E，设电池单体并联组的编号为n_i(i＝1,2,…,N)。在电池组的BMS第S次开机时，先用采样系统测得每串电池的电压

筛选出电压最低的电池单体并联组，并记上编号，考虑到电压采样电路的误差上限为±E，为降低误差，筛选出与最低电压相差E之内的电池单体并联组。上述最低电压的筛选可通过排序算法得到，该排序算法可包括冒泡排序法、插入排序法、或比较排序法。

步骤S2：为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，即筛选出来的电池单体并联组的电压与前述最低电压之间的差值越大，那么赋予该串电池相较于其他电池单体并联组较低的分数，差值越大，对应电池单体并联组所获得的分数越低。通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分。

上述步骤S1和S2在采集电池组中各电池单体并联组的电压，并通过排序算法获取最低电压的电池单体并联组后，筛选出与最低电压相差误差上限范围内的若干电池单体并联组，按照与最低电压值成反比的方式为各电池单体并联组记分。优选地，为最低电压的电池单体并联组记上预设的最高分数，按照与最低电压之间的差值大小成反比的方式为筛选出来的各其余电池单体并联组记上相应的分数，筛选出的其余电池单体并联组的分数随着与最低电压的差值的增大而降低。得到筛选出的各电池单体并联组的分数后，将其按照预设的算法累积至其自身前一次BMS开机时的相应的得分上，得到筛选出来的电池单体并联组的新的得分。

具体来说，不失一般性，对筛选出的各电池单体并联组进行打分，记为

且最低电压的电池单体并联组分数最高，其余的随着与最低电压的差值的增大而降低。再将得分按照预设的算法累积至其自身前一次BMS开机时的相应得分上，即，在BMS第S次开机之后到第S+1次开机之前，编号为n_i的电池单体并联组所得的分数为：

式中，τ为影响因子，其值范围为0到1之间，包括0，即[0,1)。因为SOC低的电池单体并联组有可能是老化最厉害的，而电池单体并联组的老化程度不会在一两个循环突变，同时上次BMS开机时SOC低的电池单体并联组下次BMS开机时也可能低，因此为了尽快筛选出先前SOC不是最低但后来老化最厉害的电池单体并联组及保留先前SOC低的电池单体并联组，需要将电池单体并联组在上次BMS开机时的得分乘以一个小于1的系数(影响因子τ)累积到下次BMS开机时的得分，得到筛选出来的所述电池单体并联组新的得分

S3：按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

故步骤S3涉及到了二次筛选，是根据前述步骤获得的电池单体并联组的新的得分，再次筛选出若干电池单体并联组，采用高精度SOC估计算法计算得出该若干电池单体并联组的SOC，优选的采用卡尔曼滤波算法、粒子滤波算法、或机理模型算法等高精度估计算法计算得出上述若干电池单体并联组的SOC。将采用前述方法估算得出的若干电池单体并联组的SOC作为第一基准获得的第一SOC，前述第一基准即在两次开机之间第一次获取电池单体并联组的电压的基准。根据该第一SOC，进而获得电池组的SOC。优选地，在采用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC后，本发明采用平均值算法或最小值算法处理第一SOC，并将处理结果作为电池组的SOC。即，根据电池单体并联组所得的分数，从高到低筛选出k(k是远小于N的数)个电池单体并联组，用高精度SOC估计算法(如卡尔曼滤波方法、粒子滤波方法、机理模型等)估计k个电池单体并联组的SOC，分别记为

(_nt为筛选出来的k个电池单体并联组的编号,t∈[1,N])。再对

进行进一步的计算，得到第一基准下的电池组的第一SOC，记为SOC1。优选地，本发明采用平均值算法或最小值算法计算得到第一基准下的电池组的SOC1，其计算公式如下：

或

本发明提供一种电池组SOC的高精度动态估计方法，该方法筛选出与最低电压相差在误差上限范围内的电池单体并联组；然后为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；最后按照电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC并将其作为第一基准获得电池组的第一SOC从而得到电池组的SOC。本发明所述方法涉及了两次筛选工作，第一次筛选考虑了与最低电压相差电压在误差上限范围之内的电池单体并联组，为筛选出的电池单体并联组打分，并累计至电池单体并联组前一次的得分上，可以尽快筛选出先前SOC不是最低但是后来老化最厉害的电池单体并联组及保留先前SOC低的电池单体并联组，能够更加准确的确定SOC最低的电池单体并联组所在的范围，减小由于采样电路电压采集带来的误差，从而更加准确的估计出电池组的SOC。第二次筛选是以第一次筛选的电池单体并联组所得分数为标准，按照从高到低的顺序再次筛选出若干个电池单体并联组，即筛选出若干个分数较高的电池单体并联组，从而消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，避免现有技术存在的种种问题，两次特定筛选处理、分数转化处理并结合高精度SOC估计算法，提高了动态估计电池组SOC的精度。

参见图5，是本发明一种电池组SOC的高精度动态估计方法一优选实施方式流程图。该优选实施方式包括如下步骤：

S1：采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；

S2：为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；

S3：按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干个电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC；

S4：每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组，采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC；

S5：结合所述第一SOC与所述第二SOC得到电池组的SOC。

上述方法的优选实施例在获得在第一基准下的SOC1时，每隔预设的时长再次筛选出与最低电压相差在误差上限范围内的另外若干电池单体并联组，即筛选出第二基准下的若干电池单体并联组，再采用高精度SOC估计算法得出第二基准下的电池单体并联组的第二SOC，记为SOC2。即，为了能够实时估计电池组，在电池充电过程中实时筛选出疑似SOC最低的若干电池单体并联组，并采用高精度SOC估计算法计算得出在第二基准下所述若干电池单体并联组的第二SOC。不失一般性，过程为：

设编号为n_i的电池单体并联组的电压为V_i(i＝1,2,…,N)，BMS主板每隔m分钟，根据接收到子板发送的信息，通过排序算法找出电压最低的电池单体并联组，并记录其编号，考虑到电压采样电路的误差上限为±E，为降低误差，筛选出与最低电压相差E之内的电池单体并联组，并记录其编号，则记选出来的电池单体并联组共B串，且编号为

(m_p表示从BMS开机后的第p个m分钟)。最后用高精度SOC估计算法(如卡尔曼滤波方法、粒子滤波方法、机理模型等)估计被筛选出来的电池单体并联组的SOC，记为

再对采用高精度SOC估计算法计算得出的在第二基准下筛选出的各电池单体并联组的

做进一步的处理，得到第二基准下的电池单体并联组的

即SOC2，其计算公式为：

或

计算得出SOC2后，执行步骤S5，结合SOC1和SOC2，得到整个电池组的SOC。优选的，本发明采用平均算法或最小值算法对SOC1和SOC2进行计算，得出SOC，将该进一步计算得到的SOC作为电池组的SOC，也可记为

其计算公式如下：

SOC＝(SOC 1+SOC 2)/2或SOC＝min(SOC 1，SOC 2)，即，

采用平均算法得出的SOC为：

或采用最小值算法得出的SOC为：

本发明上述优选实施例每隔预定时长筛选出电池组中与检测出的最低电压相差在误差上限范围内的另外若干电池单体并联组，实时找出疑似是最低SOC的电池单体并联组，并根据高精度SOC估计算法计算进而出电池组的第二SOC，结合计算得出的第一SOC，优选可通过求取其平均值或最小值的方式计算得到电池组的SOC，考虑了电池组实时检测过程中可能为最低电压的电池单体并联组，同时考虑第一SOC和第二SOC估算电池组的SOC，能够在BMS开机后的预订时长内实时动态估计电池组的SOC，进一步保证了计算出的SOC的准确性。

综上，本发明一种电池组SOC的高精度动态估计方法，当BMS第S次开机时，采集每个电池单体并联组的电压参数，并通过相应算法筛选出最低电压的电池单体并联组，再筛选出与其相差E的电池单体并联组，并记录其编号，再对筛选出来的电池单体并联组进行打分，每个电池单体并联组的分数记为

在BMS第S次开机与第S+1次开机之间，编号为n_i的电池单体并联组所得的分数为：

以上述电池单体并联组所得的分数为标准，从高到低筛选出k(k是远小于N的数)个电池单体并联组，用高精度SOC估计算法(如卡尔曼滤波方法、粒子滤波方法、机理模型等)估计k个电池单体并联组的SOC，分别记为

当BMS在第S次开机与第S+1次开机之间，选取疑似SOC最低的若干个电池单体并联组(筛选出最低电压及与最低电压相差E之内的电池单体并联组(共B串)，并记录其编号)，再用高精度SOC估计算法估计被筛选出的电池单体并联组的SOC，记为

则在BMS第S次开机与第S+1次开机之间，整个电池组的实时SOC可用两种方法来计算：

(1)第一种方法是对筛选出来的电池单体并联组的SOC取平均值，即

(2)第二种方法是对筛选出来的电池单体并联组的SOC用相关排序算法进行排序，从中选出最小值，即

也就是说，在BMS第S次开机与第S+1次开机之间，在p＝1即第一次采集时的算法时，可理解为此时对应了如图4所示的本发明电池组SOC的高精度动态估计方法的流程图；在P>1即第二次以上采集时的算法时，可理解为此时对应了如图5所示的本发明电池组SOC的高精度动态估计方法的优选流程图。

本发明还涉及一种电池组SOC的高精度动态估计系统，其与本发明上述的电池组SOC的高精度动态估计方法相对应，可理解为是实现上述电池组SOC的高精度动态估计方法的系统。参见图6，是本发明一种电池组SOC的高精度动态估计系统的示意性结构图。该系统包括依次连接的一次筛选模块、分数转化模块、二次筛选模块和SOC估计计算模块；所述一次筛选模块，采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内(即相差E)的电池单体并联组；所述分数转化模块，为一次筛选模块筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，记为

并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分，即在BMS第S次开机与第S+1次开机之间，编号为n_i的电池单体并联组所得的分数为：

τ为影响因子；所述二次筛选模块，将分数转化模块得到的筛选出来的所述电池单体并联组新的得分按照从高到低的顺序再次筛选出若干个(k个)电池单体并联组；所述SOC估计计算模块用高精度SOC估计算法(如卡尔曼滤波方法、粒子滤波方法、机理模型等)计算得出所述若干电池单体并联组的SOC，记为

以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

该系统，还优选包括预定时长筛选模块，所述预定时长筛选模块与SOC估计计算模块相连，所述预定时长筛选模块每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内(即相差E)的另外若干电池单体并联组(共B串)；所述SOC估计计算模块还采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，记为

以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC，并结合所述第一SOC与所述第二SOC得到电池组的SOC。所述SOC估计计算模块优选可采用平均值算法或最小值算法分别计算得到电池组的第一SOC和第二SOC，再进一步对两者采用求平均值或最小值的计算方法得到电池组的SOC。

在BMS第S次开机与第S+1次开机之间，整个电池组的实时SOC为：

或

优选地，所述分数转化模块在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后的得分上，得到筛选出来的所述电池单体并联组新的得分。

本发明涉及一种电池组SOC的高精度动态估计系统，包括依次连接的一次筛选模块、分数转化模块、二次筛选模块和SOC估计计算模块，分别实现对电池单体并联组的一次筛选、分数转化、二次筛选和SOC估计计算，一次筛选模块考虑了最低电压相差在误差上限范围之内的电池单体并联组，从而减小由于采样电路电压采集带来的误差，二次筛选模块为筛选的电池单体并联组进行打分，实现分数转化，并结合二次筛选模块从高到底再次筛选出若干个电池单体并联组，从而消除了电压在充放电过程中的电路出现的电容特性所带来的电压滞后的影响，SOC估计计算模块采用高SOC估计精度的股计算法，从而提高了实时估计电池组SOC的精度。还可进一步设置预定时长筛选模块，实时找出疑似是最低SOC的电池单体并联组，并结合SOC估计计算模块结合第一SOC和第二SOC估算电池组的SOC，进一步提高电池组SOC的高精度动态估计计算效率。该系统的各模块协同工作，实现电池组SOC的高精度动态估计，系统可靠性强，并为测试和评价电池组性能以及对电池组进行均衡控制和寿命预测提供了重要参考依据。

下面举例来对本发明一种电池组SOC的高精度动态估计方法做详细的说明，参见下表1，表中n_i表示电池单体并联组的编号，

表示第四次开机的时候电池单体并联组的得分，

表示传感器在第四次开机时获得的电池单体并联组的电压，

表示第五次开机时对筛选出与最低电压相差的电池单体并联组50mV之内的电池单体并联组打的分数。本发明假设电池组由10串电池单体并联组联组成，且每串电池由2个电池单体并联组成，同时设每串电池上有一个电压传感器。现将每串电池看成一个整体。电池单体并联组的编号为n_i(i＝1,2，...,n)。在电池组的BMS第5次开机时，先用采样系统测得每串电池的电压

采用排序算法(比如冒泡法等)找出电压最低的电池单体并联组，如表1中的3.03V，并记录其编号为n₅，由于电压采样电路有误差，且误差上限为±50mV，所以为了降低误差，同时筛选出与最低电压相差50mV之内的电池单体并联组，并记录其编号，参见表1，找出与3.03V相差50mv的电池单体并联组对应的编号，分别为n₄、n₅、n₆、n₈、n₁₀。对筛选出来的电池单体并联组n₄、n₅、n₆、n₈、n₁₀进行打分，电压的最低的电池单体并联组分数最高，为10，与最低电压的差值最大的电池单体并联组得分为0，其余的等间距取值。即电池单体并联组对应的编号n₅、n₈、n₄、n₁₀、n₆的分数

依次为10、7.5、5、2.5、0。这是一种优选打分方式，而并非唯一打分方式，打分的原则是按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低。取影响因子τ＝0.5，将得到的分数按照公式

计算得出

计算得出电池单体并联组新的得分

的值。

表1

对计算的出的电池单体并联组新的得分

进行排序，从高到低筛选出3个电池单体并联组，即编号为n₄、n₅、n₈的电池单体并联组，用高SOC估计精度的估计算法(卡尔曼滤波方法)估计3个电池单体并联组的SOC，分别记为

设BMS主板每隔10分钟根据接收到子板发送的信息筛选出电压最低的电池单体并联组及与最低电压相差50mV之内的电池单体并联组，并记录其编号。假设在第1个10分钟内，筛选出来的电池单体并联组的编号n_b为n₂、n₄，用高SOC估计精度的估计算法(卡尔曼滤波方法)估计它们的SOC，即

若选择求平均值的方法，则在BMS第5次开机与第6次开机之间的第2个10分钟内，整个电池组的实时SOC为：

本发明提供的电池组SOC的高精度动态估计方法和系统，至少能够从四方面来提高电池组SOC估计的精度：一是考虑了与最低电压相差E之内的电池单体并联组，进行一次筛选，从而可以减小由于采样电路带来的误差；二是以电池单体并联组所得的分数为标准，进行二次筛选，从高到低筛选出k(k是远小于N的数)个电池单体并联组，从而消除了电池在充放电过程中的电路出现的电容性所带来的电压滞后的影响；三是实时选出了疑似SOC最低的电池单体并联组组；四是采用了高SOC估计精度的估计算法，从而提高了实时估计电池组SOC的精度。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修正或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (10)

1.一种电池组SOC的高精度动态估计方法，其特征在于，所述方法包括下述步骤：

采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；

为筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；

按照筛选出来的电池单体并联组新的得分从高到低的顺序再次筛选出若干电池单体并联组，并用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，所述高精度SOC估计算法包括：卡尔曼滤波算法、粒子滤波算法或机理模型算法；以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组，采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC；并结合所述第一SOC与所述第二SOC得到电池组的SOC。

3.根据权利要求1或2所述的方法，其特征在于，在采用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC后，采用平均值算法或最小值算法计算得到电池组的第一SOC。

4.根据权利要求2所述的方法，其特征在于，所述第二SOC的计算过程包括如下步骤：

每隔预定时长采集电池组中各电池单体并联组的电压；

采用排序算法获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的另外若干电池单体并联组；

采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC；对所述另外若干电池单体并联组的SOC采用平均值算法/最小值算法进行计算得出每隔预定时长情况下的电池组的第二SOC。

5.根据权利要求4所述的方法，其特征在于，在获得电池组的第一SOC和第二SOC后，采用求平均值或最小值的计算方法得到电池组的SOC。

6.根据权利要求5所述的方法，其特征在于，在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；

和/或，所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后的得分上，得到筛选出来的所述电池单体并联组新的得分。

7.根据权利要求6所述的方法，其特征在于，所述排序算法包括：冒泡排序法、插入排序法或比较排序法。

8.一种电池组SOC的高精度动态估计系统，其特征在于，包括依次连接的一次筛选模块、分数转化模块、二次筛选模块和SOC估计计算模块，

所述一次筛选模块，采集电池组中各电池单体并联组的电压，进而获取最低电压的电池单体并联组并筛选出与所述最低电压相差在误差上限范围内的电池单体并联组；

所述分数转化模块，为一次筛选模块筛选出来的所述电池单体并联组按照与最低电压差值大小成反比的方式记分，并通过预设的算法在每次BMS开机后将筛选出来的电池单体并联组的分数分别累积自身的前一次BMS开机的相应得分，得到筛选出来的所述电池单体并联组新的得分；

所述二次筛选模块，将分数转化模块得到的筛选出来的所述电池单体并联组新的得分按照从高到低的顺序再次筛选出若干电池单体并联组；

所述SOC估计计算模块用高精度SOC估计算法计算得出所述若干电池单体并联组的SOC，所述高精度SOC估计算法包括：卡尔曼滤波算法、粒子滤波算法或机理模型算法；以所述若干电池单体并联组的SOC为第一基准获得电池组的第一SOC进而得到电池组的SOC。

9.根据权利要求8所述的系统，其特征在于，还包括预定时长筛选模块，所述预定时长筛选模块与SOC估计计算模块相连，所述预定时长筛选模块每隔预定时长筛选出电池组中与最低电压相差在误差上限范围内的另外若干电池单体并联组；所述SOC估计计算模块还采用高精度SOC估计算法计算得出所述另外若干电池单体并联组的SOC，以所述另外若干电池单体并联组的SOC为第二基准获得电池组的第二SOC，并结合所述第一SOC与所述第二SOC得到电池组的SOC。

10.根据权利要求9所述的系统，其特征在于，所述SOC估计计算模块采用平均值算法或最小值算法分别计算得到电池组的第一SOC和第二SOC，再进一步对两者采用求平均值或最小值的计算方法得到电池组的SOC；

和/或，所述分数转化模块在采集电池组中各电池单体并联组的电压后，通过排序算法获取最低电压的电池单体并联组，并筛选出与所述最低电压相差在误差上限范围内的若干电池单体并联组，再为最低电压的电池单体并联组记上预设的最高分数，按照与所述最低电压之间的差值大小成反比的方式为筛选出的各其余电池单体并联组记上相应分数，筛选出的各其余电池单体并联组的分数随着与最低电压的差值的增大而降低；所述预设的算法是筛选出来的电池单体并联组在上次BMS开机的得分与影响因子的乘积累积到下次BMS开机后的得分上，得到筛选出来的所述电池单体并联组新的得分。

Images