CN109444758A - 电池荷电状态估计方法、装置、存储介质及计算机设备 - Google Patents

电池荷电状态估计方法、装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN109444758A
CN109444758A CN201811388834.9A CN201811388834A CN109444758A CN 109444758 A CN109444758 A CN 109444758A CN 201811388834 A CN201811388834 A CN 201811388834A CN 109444758 A CN109444758 A CN 109444758A
Authority
CN
China
Prior art keywords
state
charge
current time
equation
battery
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
Application number
CN201811388834.9A
Other languages
English (en)
Inventor
李阳
林勇
曹流
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.)
Hunan Jinbei New Energy Development Co Ltd
Original Assignee
Hunan Jinbei New Energy Development 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 Hunan Jinbei New Energy Development Co Ltd filed Critical Hunan Jinbei New Energy Development Co Ltd
Priority to CN201811388834.9A priority Critical patent/CN109444758A/zh
Publication of CN109444758A publication Critical patent/CN109444758A/zh
Pending legal-status Critical Current

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]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Secondary Cells (AREA)

Abstract

本申请涉及一种电池荷电状态估计方法、装置、存储介质及计算机设备，获取当前时刻温度以及电池的当前时刻开路电压，根据当前时刻开路电压得到当前时刻荷电状态；根据当前时刻温度及当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；根据当前时刻温度及当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。通过结合当前时刻温度因素对荷电状态的影响，可以提高荷电状态估计准确度；此外，在荷电状态估计过程中，进一步结合当前时刻温度及当前时刻荷电状态对荷电状态估计的方程进行更新，从而使得荷电状态估计的方程更加科学合理，进一步提高荷电状态估计准确度。

Description

电池荷电状态估计方法、装置、存储介质及计算机设备
技术领域
本申请涉及电池管理技术领域，特别是涉及一种电池荷电状态估计方法、装置、存储介质及计算机设备。
背景技术
随着科学技术的发展，电动汽车的应用越来越广泛。电动汽车是指以车载电源为动力的车辆，电动汽车中电池管理系统(Battery Management System, BMS)是确保电动汽车安全、可靠运行的关键要素。BMS主要是对电动汽车的车载电源进行管理以保证电动汽车安全可靠运行，SOC（State of Charge，荷电状态）估计是管理过程中的一个重要环节。SOC是电池所剩电量与额定电量的比值，BMS通过对电动汽车车载电源进行SOC估计，可以获取SOC对应的电动汽车续驶里程，并执行合理的车载电源能量管理决策。
传统技术通过建立状态观测器以对电源进行SOC估计，该状态观测器通常以电池在运行过程中的端电压和充放电电流作为状态观测器的输入和输出，从而得到电池的SOC估计值。然而，不同工作条件下，电池的工作参数会发生变化，从而导致传统技术存在SOC估计不准确的问题。
发明内容
基于此，有必要针对传统技术存在的问题，提供一种准确度更高的电池荷电状态估计方法、装置、存储介质及计算机设备。
一种电池荷电状态估计方法，包括：
获取当前时刻温度以及电池的当前时刻开路电压，根据所述当前时刻开路电压得到当前时刻荷电状态；
根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；
根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。
在其中一个实施例中，根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程，包括：
根据所述当前时刻温度及所述当前时刻荷电状态，更新电池等效电路模型中的模型参数；
通过更新后的模型参数，更新荷电状态估计的状态方程和测量方程。
在其中一个实施例中，获取当前时刻温度以及电池的当前时刻开路电压之前，还包括：
基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；
对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系；
将各所述函数关系代入所述电池等效电路模型，获得更新后的电池等效电路模型；
根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
在其中一个实施例中，对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系，包括：
对各所述模型参数以及对应的温度以及荷电状态进行曲线拟合，并从拟合出的曲线中选择最优拟合曲线，获得各所述模型参数与温度及荷电状态的函数关系。
在其中一个实施例中，根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程，包括：
根据所述当前时刻温度及所述当前时刻荷电状态，通过所述模型参数与温度及荷电状态的函数关系，得到所述当前时刻温度及所述当前时刻荷电状态对应的当前模型参数；
将所述电池等效电路模型中的模型参数更新为所述当前模型参数。
在其中一个实施例中，根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态，包括：
基于更新后的荷电状态估计的状态方程和测量方程，确定对应的时间更新方程和测量更新方程；
根据所述当前时刻温度及所述当前时刻荷电状态，通过所述时间更新方程确定下一时刻的荷电状态预测值；
通过所述测量更新方程更新所述下一时刻的荷电状态预测值，获得电池的下一时刻荷电状态。
一种电池荷电状态估计装置，包括：
信息获取模块，用于获取当前时刻温度以及电池的当前时刻开路电压，根据所述当前时刻开路电压得到当前时刻荷电状态；
方程更新模块，用于根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；
荷电状态估计模块，用于根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。
在其中一个实施例中，还包括：
参数确定模块，用于基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；
参数拟合模块，用于对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系；
模型更新模块，用于将各所述函数关系代入所述电池等效电路模型，获得更新后的电池等效电路模型；
方程建立模块，用于根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述电池荷电状态估计方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述电池荷电状态估计方法的步骤。
上述电池荷电状态估计方法、装置、存储介质及计算机设备，获取当前时刻温度以及电池的当前时刻开路电压，根据当前时刻开路电压得到当前时刻荷电状态；根据当前时刻温度及当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；根据当前时刻温度及当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。通过结合当前时刻温度因素对荷电状态的影响，可以提高荷电状态估计准确度；此外，在荷电状态估计过程中，进一步结合当前时刻温度及当前时刻荷电状态对荷电状态估计的方程进行更新，从而使得荷电状态估计的方程更加科学合理，进一步提高荷电状态估计准确度。
附图说明
图1为一个实施例中确定模型、参数以及方程的流程示意图；
图2为一个实施例中改进型PNGV等效电路模型的结构示意图；
图3为一个实施例中电池荷电状态估计方法的流程示意图；
图4为一个实施例中电池荷电状态估计装置的结构示意图；
图5为另一个实施例中电池荷电状态估计装置的结构示意图；
图6为0℃时放电仿真结果图；
图7为0℃时去除噪声的放电SOC估计误差图；
图8为25℃时放电仿真结果图；
图9为25℃时去除噪声的放电SOC估计误差图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提出一种电池荷电状态估计方法，该方法通过电池等效电路模型对电池的荷电状态（SOC）进行估计，因此，在阐述电池荷电状态估计方法之前，首先对该模型、参数以及方程的确定过程进行解释说明。
在一个实施例中，如图1所示，在执行本申请中的电池荷电状态估计方法的步骤之前，需要执行步骤S110至步骤S140。
步骤S110，基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数。
具体地，如图2所示，为本实施例中使用的电池等效电路模型的示意图，该电池等效电路模型为改进型PNGV等效电路模型，该模型包括第一电路和第二电路，第一电路包括电阻R0，第二电路包括极化电阻R和极化电容C，极化电阻R和极化电容C为并联连接，第一电路和第二电路串联连接，第一、第二电路串联后一端与电池的开路电压相连，另一端与端电压相连。与传统的PNGV等效电路相比，本实施例中的电池等效电路模型为考虑温度和SOC影响的改进型PNGV等效电路模型，因此可以提高电池在实际工作中内部参数的准确度。
参考图2，改进型PNGV等效电路模型的模型参数包括开路电压（Open CircuitVoltage，OCV）、电阻R0、极化电阻R和极化电容C。该改进型PNGV等效电路模型为考虑温度和SOC影响的电池等效电路模型，因此，通过在典型环境温度下（0℃、15℃、25℃、45℃），不同的SOC值（1、0.9、0.8、0.7、0.6、0.5、...、0.1、00.7、0.6、0.5、...、0.1、0）等处依次地进行HPPC实验（Hybrid Pulse Power Characteristic，混合动力脉冲能力特性实验），根据不同温度和SOC下电池的端电压值，对改进型PNGV等效模型中的参数进行辨识，即可获取不同温度和SOC下模型参数数据OCV、R0、R、C。
步骤S120，对各模型参数以及对应的温度以及荷电状态进行拟合，获得各模型参数与温度及荷电状态的函数关系。
具体地，在得到不同温度和SOC下模型参数数据OCV、R0、R、C，通过拟合得到各模型参数与温度及荷电状态的函数关系：
其中，T为温度，a（T）~ j（T）为关于T的关系式。
步骤S130，将各函数关系代入电池等效电路模型，获得更新后的电池等效电路模型。
在得到模型参数关于温度和SOC的函数关系之后，将各函数关系代入电池等效电路模型，得到更新后的电池等效电路模型，该模型的状态方程为：
其中，I为电路中的电流。
步骤S140，根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
在得到更新后的电池等效电路模型后，根据更新后的模型建立荷电状态估计的状态方程和测量方程为：
其中，Ts表示工作采样时间、Uk表示电池极化内阻两端的电压、Ubat,k表示电池测量时的端电压、Ik表示电池的充放电电流，放电时取负、充电时取正，Rk-1、Ck-1分别表示电池的极化内阻和极化电容、R0,k表示电池的电阻、CN,k-1表示电池的额定电容，这些参数都会随着SOC和温度的变化而变化，ak、bk表示式所示的系数，随温度的变化而变化。
本实施例通过使用考虑温度和SOC影响的改进型PNGV等效电路模型，在确定参数的过程中，同时考虑温度和SOC影响，因此可以提高电池在实际工作中内部参数的准确度。
在一个实施例中，步骤S120中，对各模型参数以及对应的温度以及荷电状态进行拟合，获得各模型参数与温度及荷电状态的函数关系，包括：对各模型参数以及对应的温度以及荷电状态进行曲线拟合，并从拟合出的曲线中选择最优拟合曲线，获得各模型参数与温度及荷电状态的函数关系。
例如：可以通过MATLAB仿真软件中的cftool工具箱对模型参数数据进行曲线拟合，在拟合过程中，通过最小二乘法筛选出最优的拟合曲线，即R-square最接近1的曲线，根据该拟合曲线得到上述模型参数关于温度和SOC的函数关系。可以理解，以上为对模型参数进行拟合得到模型参数与温度及SOC的函数关系的方法的举例，拟合方法并不局限以上方法，也可以是其他能得到模型参数与温度及SOC的函数关系的拟合方法。
本实施例通过对各模型参数以及对应的温度以及荷电状态进行曲线拟合，并从拟合出的曲线中选择最优拟合曲线，获得各模型参数与温度及荷电状态的函数关系，从而可以提高电池在实际工作中内部参数的准确度。
在一个实施例中，如图3所示，提供一种电池荷电状态估计方法，该方法包括以下步骤：
步骤S200，获取当前时刻温度以及电池的当前时刻开路电压，根据当前时刻开路电压得到当前时刻荷电状态。在进行SOC估计之前，首先需要获取当前时刻温度以及电池的当前时刻开路电压，其中，当前时刻温度为电池工作时的当前环境温度，当前时刻温度可以通过温度传感器等仪器测量得到。初始的当前时刻开路电压（Open Circuit Voltage，OCV）可以认为是电池工作时的端电压Ubat，因此，通过测量电池工作时的端电压Ubat可以得到初始的当前时刻OCV，即Ubat=OCV。
在得到当前时刻温度以及电池的当前时刻开路电压后，根据OCV与SOC的对应关系OCV=f(SOC，T)，结合其他考虑因素，如电流等，计算得到当前时刻荷电状态。
步骤S300，根据当前时刻温度及当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程。在得到当前时刻温度及当前时刻荷电状态后，对建立的状态方程和测量方程进行更新，得到更新后的状态方程和测量方程。
步骤S400，根据当前时刻温度及当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。状态方程和测量方程更新完成后，将当前时刻温度及当前时刻荷电状态作为状态方程和测量方程的变量输入，得到电池的下一时刻荷电状态的估计值。
本实施例提出一种电池荷电状态估计方法，通过结合当前时刻温度因素对荷电状态的影响，可以提高荷电状态估计准确度；此外，在荷电状态估计过程中，进一步结合当前时刻温度及当前时刻荷电状态对荷电状态估计的方程进行更新，从而使得荷电状态估计的方程更加科学合理，进一步提高荷电状态估计准确度。
在一个实施例中，步骤S300包括步骤310至步骤320。
步骤310，根据当前时刻温度及当前时刻荷电状态，更新电池等效电路模型中的模型参数。由于本申请中使用的是考虑温度和荷电状态影响的电池等效电路模型，该模型中的模型参数会随着温度和荷电状态的变化而变化，因此，在得到当前时刻温度及当前时刻荷电状态后，首先需要对模型中的模型参数进行更新。
在电池的工作过程中，电池的SOH（电池健康状态）会发生变化，对应的，电池的模型参数会随着发生变化，当电池的SOH降低时，内部直流阻抗会变大。因此，在电池的某一个SOH状态下测取的电池参数所建立的电池模型，只能较为精确的预测当前电池的SOH状态下所对应的荷电状态，无法精准预测下一个 SOH状态下所对应的荷电状态值，若采用同一电池模型参数进行卡尔曼滤波算法，会增大算法的误差，无法获得较为精准的计算结果。因此，本实施例通过对模型参数进行更新，可以有效提高荷电状态估计的准确度。
具体的，根据通过拟合得到各模型参数与温度及荷电状态的函数关系，可以对模型中的模型参数进行更新：
其中，T0为当前时刻温度，SOC0为当前时刻荷电状态。
步骤320，通过更新后的模型参数，更新荷电状态估计的状态方程和测量方程。
在根据前时刻温度和当前时刻荷电状态对模型参数进行更新后，分别对荷电状态估计的状态方程和测量方程进行更新，得到更新后的荷电状态估计的状态方程和测量方程。
本实施例首先通过温度和荷电状态对模型参数进行更新，再使用更新后的模型参数对状态方程和测量方程进行更新，使得状态方程和测量方程更加准确，从而可以提高SOC估计准确度。
在一个实施例中，步骤S400包括步骤410至步骤430。
步骤410，基于更新后的荷电状态估计的状态方程和测量方程，确定对应的时间更新方程和测量更新方程。
在得到更新后的荷电状态估计的状态方程和测量方程后，利用EKF（ExtendedKalman Filter，扩展卡尔曼滤波）算法对动力电池SOC估计，利用设定的状态初始值和初始误差协方差矩阵进行时间更新方程为：
测量更新方程为：
步骤420，根据当前时刻温度及当前时刻荷电状态，通过时间更新方程确定下一时刻的荷电状态预测值。根据当前时刻温度和当前时刻荷电状态，可以通过时间更新方程得到下一时刻的荷电状态的先验状态估计值，即荷电状态预测值，同时也可得到当前时刻的先验估计协方差矩阵Pk|k-1，为下一步的测量更新提供数据。
步骤430，通过测量更新方程更新下一时刻的荷电状态预测值，获得电池的下一时刻荷电状态。在通过时间更新方程得到下一时刻的荷电状态的先验状态估计值以及当前时刻的先验估计协方差矩阵Pk|k-1后，使用测量更新方程进行测量更新，即通过利用时间更新的数据，得到增益矩阵，最后求得下一时刻的荷电状态估计值。
在得到下一时刻的荷电状态估计值之后，获取下一时刻的温度，并根据下一时刻的温度及荷电状态估计值对模型参数进行更新，再对状态方程和测量方程进行更新，并确定对应的时间更新方程和测量更新方程，最后根据下一时刻的温度和荷电状态估计值，通过下一时刻的时间更新方程和测量更新方程，得到下一时刻的后一时刻的荷电状态估计值，并重复上述步骤。
本实施例根据更新后的状态方程和测量方程确定时间更新方程和测量更新方程，使得时间更新方程和测量更新方程更加准确，从而可以提高SOC估计准确度。
应该理解的是，虽然图1、3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供一种电池荷电状态估计装置，该装置包括信息获取模块200、方程更新模块300和荷电状态估计模块400。
信息获取模块200用于获取当前时刻温度以及电池的当前时刻开路电压，根据当前时刻开路电压得到当前时刻荷电状态；在进行SOC估计之前，首先需要获取当前时刻温度以及电池的当前时刻开路电压，其中，当前时刻温度为电池工作时的当前环境温度，初始的当前时刻开路电压可以根据电池工作时的端电压得到。在得到当前时刻温度以及电池的当前时刻开路电压后，根据OCV与SOC的对应关系OCV=f(SOC，T)，结合其他考虑因素，如电流等，计算得到当前时刻荷电状态。
方程更新模块300用于根据当前时刻温度及当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程。在得到当前时刻温度及当前时刻荷电状态后，对建立的状态方程和测量方程进行更新，得到更新后的状态方程和测量方程。
荷电状态估计模块400用于根据当前时刻温度及当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。状态方程和测量方程更新完成后，将当前时刻温度及当前时刻荷电状态作为状态方程和测量方程的变量输入，得到电池的下一时刻荷电状态的估计值。
本实施例提出一种电池荷电状态估计装置，通过结合当前时刻温度因素对荷电状态的影响，可以提高荷电状态估计准确度；此外，在荷电状态估计过程中，进一步结合当前时刻温度及当前时刻荷电状态对荷电状态估计的方程进行更新，从而使得荷电状态估计的方程更加科学合理，进一步提高荷电状态估计准确度。
在一个实施例中，方程更新模块300还用于：根据当前时刻温度及当前时刻荷电状态，更新电池等效电路模型中的模型参数；通过更新后的模型参数，更新荷电状态估计的状态方程和测量方程。方程更新模块300首先通过温度和荷电状态对模型参数进行更新，再使用更新后的模型参数对状态方程和测量方程进行更新，使得状态方程和测量方程更加准确，从而可以提高SOC估计准确度。
在一个实施例中，荷电状态估计模块400还用于：基于更新后的荷电状态估计的状态方程和测量方程，确定对应的时间更新方程和测量更新方程。根据当前时刻温度及当前时刻荷电状态，通过时间更新方程确定下一时刻的荷电状态预测值。通过测量更新方程更新下一时刻的荷电状态预测值，获得电池的下一时刻荷电状态。荷电状态估计模块400根据更新后的状态方程和测量方程确定时间更新方程和测量更新方程，使得时间更新方程和测量更新方程更加准确，从而可以提高SOC估计准确度。
在一个实施例中，如图5所示，该装置还包括参数确定模块110、参数拟合模块120、模型更新模块130和方程建立模块140。
具体地，参数确定模块110用于基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；参数拟合模块120用于对各模型参数以及对应的温度以及荷电状态进行拟合，获得各模型参数与温度及荷电状态的函数关系；模型更新模块130用于将各函数关系代入电池等效电路模型，获得更新后的电池等效电路模型；方程建立模块140用于根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
本实施例通过使用考虑温度和SOC影响的电池等效电路模型，在确定参数的过程中，同时考虑温度和SOC影响，因此可以提高电池在实际工作中内部参数的准确度。
关于电池荷电状态估计装置的具体限定可以参见上文中对于电池荷电状态估计方法的限定，在此不再赘述。上述电池荷电状态估计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，为了验证改进型PNGV等效模型基础上的EKF算法对SOC估算精度的作用，选取0℃、25℃作为环境温度分别对电池进行2C恒流放电实验，并与实际测量得到的SOC真实值以及传统型PNGV等效模型基础上的EKF算法的电池SOC估计作对比，来验证考虑温度影响的电池SOC估计效果。在Matlab/Simulink中进行仿真，图6、图7为0℃时放电仿真结果图和去除噪声的放电SOC估计误差图，图8、图9为25℃时放电仿真结果图和去除噪声的放电SOC估计误差图。
根据图7可知，在环境温度为0℃的条件下，改进型PNGV等效模型基础上的EKF算法的SOC误差在-0.04到0.04之间，而传统型PNGV等效模型基础上的EKF算法的SOC误差在-0.05到0.09之间，改进型PNGV等效模型基础上的EKF算法的SOC误差较小。
根据图9可知，在环境温度为25℃的条件下，改进型PNGV等效模型基础上的EKF算法的SOC误差在-0.045到0.025之间，而传统型PNGV等效模型基础上的EKF算法的SOC误差在-0.06到0.06之间，改进型PNGV等效模型基础上的EKF算法的SOC误差较小。
因此，相比于传统型PNGV等效模型基础上的EKF算法，本申请中的改进型PNGV等效模型基础上的EKF算法可以有效减少SOC估计误差，从而可以提高SOC估计准确度。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取当前时刻温度以及电池的当前时刻开路电压，根据所述当前时刻开路电压得到当前时刻荷电状态；根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述当前时刻温度及所述当前时刻荷电状态，更新电池等效电路模型中的模型参数；通过更新后的模型参数，更新荷电状态估计的状态方程和测量方程。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系；将各所述函数关系代入所述电池等效电路模型，获得更新后的电池等效电路模型；根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对各所述模型参数以及对应的温度以及荷电状态进行曲线拟合，并从拟合出的曲线中选择最优拟合曲线，获得各所述模型参数与温度及荷电状态的函数关系。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据所述当前时刻温度及所述当前时刻荷电状态，通过所述模型参数与温度及荷电状态的函数关系，得到所述当前时刻温度及所述当前时刻荷电状态对应的当前模型参数；将所述电池等效电路模型中的模型参数更新为所述当前模型参数。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取当前时刻温度以及电池的当前时刻开路电压，根据所述当前时刻开路电压得到当前时刻荷电状态；根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据所述当前时刻温度及所述当前时刻荷电状态，更新电池等效电路模型中的模型参数；通过更新后的模型参数，更新荷电状态估计的状态方程和测量方程。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系；将各所述函数关系代入所述电池等效电路模型，获得更新后的电池等效电路模型；根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对各所述模型参数以及对应的温度以及荷电状态进行曲线拟合，并从拟合出的曲线中选择最优拟合曲线，获得各所述模型参数与温度及荷电状态的函数关系。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据所述当前时刻温度及所述当前时刻荷电状态，通过所述模型参数与温度及荷电状态的函数关系，得到所述当前时刻温度及所述当前时刻荷电状态对应的当前模型参数；将所述电池等效电路模型中的模型参数更新为所述当前模型参数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种电池荷电状态估计方法，其特征在于，包括：
获取当前时刻温度以及电池的当前时刻开路电压，根据所述当前时刻开路电压得到当前时刻荷电状态；
根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；
根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。
2.根据权利要求1所述的电池荷电状态估计方法，其特征在于，根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程，包括：
根据所述当前时刻温度及所述当前时刻荷电状态，更新电池等效电路模型中的模型参数；
通过更新后的模型参数，更新荷电状态估计的状态方程和测量方程。
3.根据权利要求1所述的电池荷电状态估计方法，其特征在于，获取当前时刻温度以及电池的当前时刻开路电压之前，还包括：
基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；
对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系；
将各所述函数关系代入所述电池等效电路模型，获得更新后的电池等效电路模型；
根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
4.根据权利要求3所述的电池荷电状态估计方法，其特征在于，对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系，包括：
对各所述模型参数以及对应的温度以及荷电状态进行曲线拟合，并从拟合出的曲线中选择最优拟合曲线，获得各所述模型参数与温度及荷电状态的函数关系。
5.根据权利要求3所述的电池荷电状态估计方法，其特征在于，根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程，包括：
根据所述当前时刻温度及所述当前时刻荷电状态，通过所述模型参数与温度及荷电状态的函数关系，得到所述当前时刻温度及所述当前时刻荷电状态对应的当前模型参数；
将所述电池等效电路模型中的模型参数更新为所述当前模型参数。
6.根据权利要求1所述的电池荷电状态估计方法，其特征在于，根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态，包括：
基于更新后的荷电状态估计的状态方程和测量方程，确定对应的时间更新方程和测量更新方程；
根据所述当前时刻温度及所述当前时刻荷电状态，通过所述时间更新方程确定下一时刻的荷电状态预测值；
通过所述测量更新方程更新所述下一时刻的荷电状态预测值，获得电池的下一时刻荷电状态。
7.一种电池荷电状态估计装置，其特征在于，包括：
信息获取模块，用于获取当前时刻温度以及电池的当前时刻开路电压，根据所述当前时刻开路电压得到当前时刻荷电状态；
方程更新模块，用于根据所述当前时刻温度及所述当前时刻荷电状态，更新荷电状态估计的状态方程和测量方程；
荷电状态估计模块，用于根据所述当前时刻温度及所述当前时刻荷电状态，通过更新后的荷电状态估计的状态方程和测量方程，估计电池的下一时刻荷电状态。
8.根据权利要求7所述的电池荷电状态估计装置，其特征在于，还包括：
参数确定模块，用于基于对各温度以及各荷电状态下的混合动力脉冲能力特性实验数据，确定各温度以及各荷电状态下的电池等效电路模型中的各模型参数；
参数拟合模块，用于对各所述模型参数以及对应的温度以及荷电状态进行拟合，获得各所述模型参数与温度及荷电状态的函数关系；
模型更新模块，用于将各所述函数关系代入所述电池等效电路模型，获得更新后的电池等效电路模型；
方程建立模块，用于根据更新后的电池等效电路模型建立荷电状态估计的状态方程和测量方程。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的电池荷电状态估计方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的电池荷电状态估计方法的步骤。
CN201811388834.9A 2018-12-03 2018-12-03 电池荷电状态估计方法、装置、存储介质及计算机设备 Pending CN109444758A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811388834.9A CN109444758A (zh) 2018-12-03 2018-12-03 电池荷电状态估计方法、装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811388834.9A CN109444758A (zh) 2018-12-03 2018-12-03 电池荷电状态估计方法、装置、存储介质及计算机设备

Publications (1)

Publication Number Publication Date
CN109444758A true CN109444758A (zh) 2019-03-08

Family

ID=65554599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811388834.9A Pending CN109444758A (zh) 2018-12-03 2018-12-03 电池荷电状态估计方法、装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN109444758A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109900937A (zh) * 2019-04-10 2019-06-18 河南科技大学 一种具有温度补偿功能的锂电池电荷状态估算方法
CN110133524A (zh) * 2019-04-19 2019-08-16 顺丰科技有限公司 电池电荷状态计算方法、装置、服务器及介质
CN110554321A (zh) * 2019-09-26 2019-12-10 长沙理工大学 一种实时检测退役动力电池soc的方法
CN111239608A (zh) * 2019-11-21 2020-06-05 国联汽车动力电池研究院有限责任公司 基于扩展卡尔曼滤波的电池soc估算方法及装置
CN111679193A (zh) * 2020-04-30 2020-09-18 北方工业大学 Pngv模型参数的计算方法、装置、存储介质和计算机设备
CN111679194A (zh) * 2020-04-30 2020-09-18 北方工业大学 一种pngv模型参数的实时生成方法、装置、计算机设备
CN111679195A (zh) * 2020-04-30 2020-09-18 北方工业大学 一种改进pngv模型参数的在线生成方法、装置、计算机设备
CN111679196A (zh) * 2020-04-30 2020-09-18 北方工业大学 一种pngv模型参数的在线辨识方法、装置、计算机设备
CN111693870A (zh) * 2020-04-30 2020-09-22 北方工业大学 高阶pngv模型参数的在线辨识方法、装置、存储介质及电子设备
CN112485677A (zh) * 2019-09-12 2021-03-12 东莞新能德科技有限公司 电池容量更新方法及装置、电子装置以及存储介质
CN112986842A (zh) * 2019-12-17 2021-06-18 比亚迪股份有限公司 电池荷电状态的估算方法、装置及设备
CN113567864A (zh) * 2021-06-25 2021-10-29 南方电网电动汽车服务有限公司 电池荷电状态的确定方法、装置、计算机设备及存储介质
CN116643193A (zh) * 2023-06-14 2023-08-25 北京智芯微电子科技有限公司 电池数据估计方法、装置、存储介质及电子设备

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003075518A (ja) * 2001-09-05 2003-03-12 Nissan Motor Co Ltd 二次電池の充電率推定装置
US20130138370A1 (en) * 2011-11-30 2013-05-30 Silicon Works Co., Ltd. Battery state-of-charge estimation method and battery management system
CN103472403A (zh) * 2013-09-17 2013-12-25 浙江省计量科学研究院 一种基于pngv等效电路模型的动力电池soc复合估计方法
CN103675706A (zh) * 2013-12-13 2014-03-26 桂林电子科技大学 一种动力电池电荷量估算方法
CN103744026A (zh) * 2013-12-19 2014-04-23 广西科技大学 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法
CN104052120A (zh) * 2014-06-20 2014-09-17 东北大学 带自发电系统的石油管道内检测器的电源监控方法及系统
CN105068008A (zh) * 2015-07-14 2015-11-18 南京航空航天大学 利用车载充电机辨识电池参数的电池荷电状态估计方法
US20160054390A1 (en) * 2014-08-19 2016-02-25 Jian Lin Techniques for robust battery state estimation
CN105480101A (zh) * 2015-11-17 2016-04-13 北京长城华冠汽车科技股份有限公司 一种复合电源电动汽车的功率分配方法及装置
CN106959417A (zh) * 2016-01-08 2017-07-18 中兴通讯股份有限公司 电池荷电状态的获取方法及装置
CN107957555A (zh) * 2017-10-19 2018-04-24 重庆三峡学院 一种估算动力锂电池SoC的新方法
CN108333528A (zh) * 2018-02-07 2018-07-27 重庆大学 基于动力电池电-热耦合模型的soc和sot联合状态估计方法
CN108445402A (zh) * 2018-02-28 2018-08-24 广州小鹏汽车科技有限公司 一种锂离子动力电池荷电状态估计方法及系统
CN108459278A (zh) * 2018-07-05 2018-08-28 宁波均胜科技有限公司 一种锂离子电池内阻与荷电状态同步估算方法
CN108663619A (zh) * 2017-03-27 2018-10-16 宁德时代新能源科技股份有限公司 确定电池工作电压曲线的方法、装置和设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003075518A (ja) * 2001-09-05 2003-03-12 Nissan Motor Co Ltd 二次電池の充電率推定装置
US20130138370A1 (en) * 2011-11-30 2013-05-30 Silicon Works Co., Ltd. Battery state-of-charge estimation method and battery management system
CN103472403A (zh) * 2013-09-17 2013-12-25 浙江省计量科学研究院 一种基于pngv等效电路模型的动力电池soc复合估计方法
CN103675706A (zh) * 2013-12-13 2014-03-26 桂林电子科技大学 一种动力电池电荷量估算方法
CN103744026A (zh) * 2013-12-19 2014-04-23 广西科技大学 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法
CN104052120A (zh) * 2014-06-20 2014-09-17 东北大学 带自发电系统的石油管道内检测器的电源监控方法及系统
US20160054390A1 (en) * 2014-08-19 2016-02-25 Jian Lin Techniques for robust battery state estimation
CN105068008A (zh) * 2015-07-14 2015-11-18 南京航空航天大学 利用车载充电机辨识电池参数的电池荷电状态估计方法
CN105480101A (zh) * 2015-11-17 2016-04-13 北京长城华冠汽车科技股份有限公司 一种复合电源电动汽车的功率分配方法及装置
CN106959417A (zh) * 2016-01-08 2017-07-18 中兴通讯股份有限公司 电池荷电状态的获取方法及装置
CN108663619A (zh) * 2017-03-27 2018-10-16 宁德时代新能源科技股份有限公司 确定电池工作电压曲线的方法、装置和设备
CN107957555A (zh) * 2017-10-19 2018-04-24 重庆三峡学院 一种估算动力锂电池SoC的新方法
CN108333528A (zh) * 2018-02-07 2018-07-27 重庆大学 基于动力电池电-热耦合模型的soc和sot联合状态估计方法
CN108445402A (zh) * 2018-02-28 2018-08-24 广州小鹏汽车科技有限公司 一种锂离子动力电池荷电状态估计方法及系统
CN108459278A (zh) * 2018-07-05 2018-08-28 宁波均胜科技有限公司 一种锂离子电池内阻与荷电状态同步估算方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109900937B (zh) * 2019-04-10 2020-12-08 河南科技大学 一种具有温度补偿功能的锂电池电荷状态估算方法
CN109900937A (zh) * 2019-04-10 2019-06-18 河南科技大学 一种具有温度补偿功能的锂电池电荷状态估算方法
CN110133524A (zh) * 2019-04-19 2019-08-16 顺丰科技有限公司 电池电荷状态计算方法、装置、服务器及介质
CN110133524B (zh) * 2019-04-19 2022-07-08 丰翼科技(深圳)有限公司 电池电荷状态计算方法、装置、服务器及介质
CN112485677A (zh) * 2019-09-12 2021-03-12 东莞新能德科技有限公司 电池容量更新方法及装置、电子装置以及存储介质
CN110554321A (zh) * 2019-09-26 2019-12-10 长沙理工大学 一种实时检测退役动力电池soc的方法
CN111239608A (zh) * 2019-11-21 2020-06-05 国联汽车动力电池研究院有限责任公司 基于扩展卡尔曼滤波的电池soc估算方法及装置
CN112986842B (zh) * 2019-12-17 2022-06-14 比亚迪股份有限公司 电池荷电状态的估算方法、装置及设备
CN112986842A (zh) * 2019-12-17 2021-06-18 比亚迪股份有限公司 电池荷电状态的估算方法、装置及设备
CN111693870A (zh) * 2020-04-30 2020-09-22 北方工业大学 高阶pngv模型参数的在线辨识方法、装置、存储介质及电子设备
CN111679196A (zh) * 2020-04-30 2020-09-18 北方工业大学 一种pngv模型参数的在线辨识方法、装置、计算机设备
CN111679195A (zh) * 2020-04-30 2020-09-18 北方工业大学 一种改进pngv模型参数的在线生成方法、装置、计算机设备
CN111679194A (zh) * 2020-04-30 2020-09-18 北方工业大学 一种pngv模型参数的实时生成方法、装置、计算机设备
CN111679193A (zh) * 2020-04-30 2020-09-18 北方工业大学 Pngv模型参数的计算方法、装置、存储介质和计算机设备
CN113567864A (zh) * 2021-06-25 2021-10-29 南方电网电动汽车服务有限公司 电池荷电状态的确定方法、装置、计算机设备及存储介质
CN116643193A (zh) * 2023-06-14 2023-08-25 北京智芯微电子科技有限公司 电池数据估计方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN109444758A (zh) 电池荷电状态估计方法、装置、存储介质及计算机设备
CN111581904B (zh) 考虑循环次数影响的锂电池soc及soh协同估算方法
Tang et al. Joint estimation of state-of-charge and state-of-health for all cells in the battery pack using “leader-follower” strategy
CN103632018B (zh) 一种基于Simscape平台的电池建模方法
CN111722118B (zh) 一种基于soc-ocv优化曲线的锂离子电池soc估计方法
CN106291393B (zh) 一种用于在线识别电池模型参数的方法
Wang et al. A novel energy management strategy for the ternary lithium batteries based on the dynamic equivalent circuit modeling and differential Kalman filtering under time-varying conditions
CN107037366A (zh) 一种电力动车锂离子电池控制系统
CN110824363B (zh) 一种基于改进ckf的锂电池soc和soe联合估算方法
CN111426968B (zh) 一种电动汽车动力电池sop的估算方法及系统
CN104502858A (zh) 基于后向差分离散模型的动力电池soc估计方法与系统
Li et al. A novel parameter and state-of-charge determining method of lithium-ion battery for electric vehicles
CN111426956B (zh) 考虑温度及迟滞效应的分数阶动力电池soc估算方法
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN110888070A (zh) 一种电池温度的估计方法、装置、设备及介质
CN112989690B (zh) 一种混合动力汽车锂电池多时间尺度荷电状态估计方法
Xiong et al. Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter
Sun et al. Study of parameters identification method of Li-ion battery model for EV power profile based on transient characteristics data
CN108872865B (zh) 一种防滤波发散的锂电池soc估算方法
CN113777510A (zh) 一种锂电池荷电状态估计方法及装置
CN114184962A (zh) 一种多算法融合的锂离子电池soc和soh联合估算方法
CN112710955A (zh) 一种用于提高电池容量估计精度的算法
CN114295982A (zh) 锂离子电池参数及开路电压辨识方法、系统及介质
CN115656848A (zh) 一种基于容量修正的锂电池soc估算方法
CN116973756A (zh) 用于估计电池的健康状态的方法及设备以及计算机程序

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190308

RJ01 Rejection of invention patent application after publication