CN110308394A - 一种新型状态观测器的锂离子电池荷电状态估测方法 - Google Patents

一种新型状态观测器的锂离子电池荷电状态估测方法 Download PDF

Info

Publication number
CN110308394A
CN110308394A CN201910556526.0A CN201910556526A CN110308394A CN 110308394 A CN110308394 A CN 110308394A CN 201910556526 A CN201910556526 A CN 201910556526A CN 110308394 A CN110308394 A CN 110308394A
Authority
CN
China
Prior art keywords
ion battery
lithium ion
soc
measuring method
observer
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
CN201910556526.0A
Other languages
English (en)
Other versions
CN110308394B (zh
Inventor
方斌
唐帅
彭富明
杨润东
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.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
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 Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201910556526.0A priority Critical patent/CN110308394B/zh
Publication of CN110308394A publication Critical patent/CN110308394A/zh
Application granted granted Critical
Publication of CN110308394B publication Critical patent/CN110308394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • 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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • 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]
    • G01R31/392—Determining battery ageing or deterioration, e.g. state of health

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tests Of Electric Status Of Batteries (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开一种新型状态观测器的锂离子电池荷电状态估测方法，在于提高锂离子电池SOC估测精度，主要包括以下步骤：1)利用实验数据建立电池荷电状态SOC与开路电压OCV的模型；2)修改SOC‑OCV的关系模型使其含SOH和温度；3)建立戴维南锂离子电池模型；4)离线状态下估计电池模型初始参数；5)设计一种新型的状态观测器输出误差反馈矩阵；6)读取电池当前SOH、温度T、电流和端电压；7)利用状态观测器观测SOC值。本发明的优势：一种全新的状态观测器，可保证观测误差趋于零。该状态观测器结构明确，参数设计简单；它解决了传统卡尔曼滤波器计算量大，难以应用于实际的问题。通过状态观测器保证了锂离子电池估测方法的实用性、准确性和精度。

Description

一种新型状态观测器的锂离子电池荷电状态估测方法
技术领域
本发明涉及新能源汽车动力电池的应用领域，具体涉及锂离子电池荷电状态(SOC)的估算方法。
背景技术
由于电池SOC并不是可以直接测量到的电气量，只能通过一定的方法进行估算。只有准确的SOC值估算才能对整车进行合理的能源分配，也能正确预测车辆的剩余行驶里程；只有对SOC进行准确的估算，对电池本身而言，可以充分发挥电池的潜力，提高其使用的安全性，同时还可以延长电池的使用寿命。由于电池是一个复杂的非线性系统，并且电池的电量受到很多因素的影响，比如温度、库伦效率、循环寿命、自放电因素等。另外加之外部环境和内部环境参数变化随机性，使系统数学模型不易准确，因此必须对电池荷电状态估计方法具备一定的抗干扰能力和自适应能力进行设计，以提高估计的鲁棒性对电池荷电状态的有效性。
目前研究较多的卡尔曼滤波法计算SOC也存在一定的误差，其主要来源在于两个方面，其一，模型的时变性；其二，电池的物理特性是非线性的，对其建立非线性模型几乎不可避免地会存在一定差异，这也会造成一定的误差。当前已有的应用方法，都离不开SOC-OCV关系曲线的准确建立；其次所有基于电池数学模型(如一阶、二阶等等)的方法，取决于模型的准确度。
本发明的方法是首先给出一种具有较强的自适应能力的SOC-OCV关系模型，其包含SOH和温度的影响因子，为提高电池SOC估算精度奠定基础；其次，设计一种新型的状态观测器进行SOC估算，其算法计算量明显小于目前已知的卡尔曼滤波器估算方法，且结构简单、易于实现、鲁棒性强。
发明内容
本发明的目的在于提供一种新型状态观测器的锂离子电池荷电状态估测方法，解决传统锂离子电池SOC估测算法计算量大，估算精度低，实现困难的问题。
实现本发明目的的技术方案主要包括以下步骤：
步骤1：利用实验数据建立电池荷电状态SOC与开路电压OCV的模型；
步骤2：修改SOC-OCV的关系模型使其含SOH和温度；
步骤3：建立戴维南锂离子电池模型；
步骤:4：离线状态下估计电池模型初始参数；
步骤5：设计一种新型的状态观测器输出误差反馈矩阵；
步骤6：读取电池当前SOH、温度T、电流和端电压；
步骤7：利用状态观测器观测SOC值。
对于SOC-OCV的关系模型包含SOH和温度变量因子。
离线状态估计电池模型参数。
设计一种新型的状态观测器。
观测输出误差时利用当前值误差设计观测器。
用前一时刻的实际输出代替前一时刻的观测器输出。
所给出的估计误差状态方程为设计依据。
保证估计误差状态方程为收敛，设计输出误差反馈矩阵。
所给出的一种新型的状态观测器为估算依据，进行估算当前的SOC值。
本发明与现有技术相比，其显著优点为：(1)SOC-OCV关系模型不是一成不变，随SOH和温度变化而变化，具有全生命周期性。所给出的基础模型，包含SOH和温度影响因子的统一表达式，使SOC-OCV模型更符合实际运行规律，具有较强的自适应能力，其算法简单、容易实现，为提高电池SOC估算精度奠定基础；(2)一种全新的状态观测器，可保证观测误差趋于零。该状态观测器结构明确，参数设计简单；它解决了传统卡尔曼滤波器计算量大，难以应用于实际的问题。通过状态观测器保证了锂离子电池估测方法的实用性和准确性，提高了锂离子电池荷电状态估测的精度。
下面结合附图对本发明作进一步详细描述。
附图说明
图1是一种基于新型状态观测器的锂离子电池SOC估测方法流程示意图
图2是戴维南锂离子电池模型图
图3是新型状态观测器结构示意图
图4是SOC观测实验结果图
具体实施方式
本发明公开一种新型状态观测器的锂离子电池荷电状态估测方法，在于提高锂离子电池SOC估测精度，其主要包括SOC-OCV关系的建立，给出的统一表达式其包含SOH和温度对SOC-OCV的影响因子，使SOC-OCV模型更符合实际运行规律；同时设计一种新型的状态观测器，对SOC进行更新和观测，可使观测误差趋于零。
下面结合附图对本发明算法做进一步的说明。
结合图1，说明SOC估算的详细步骤。
步骤一：利用实验数据建立电池荷电状态SOC与开路电压OCV的模型。
OCV-SOC的关系是电池的一个关键性能参数，常被作为描述电池状态、校准SOC的一个重要工具，也是用于构建电池模型的必要参数。OCV和SOC的关系是非线性的，本专利利用间歇充电静置法确定SOC-OCV的关系。主要是通过测量SOC相同时间间隔对应的OCV的值，将脉冲结束时刻的电池端电压作为开路电压OCV，并进行最小二乘拟合得出它们的实际函数关系，具体实验为：
实验过程中每5％SOC下使用正脉电流对电池进行充电，脉冲充电电流设定为C/2，其充电时间宽度对应于一定量的电荷(即5％SOC)；然后静止4h以上消除极化反应，最后求静置时的平均值以获得SOC-OCV曲线。即可获取电池开路电压(OCV)与电池SOC的变化关系。采用六阶或以上多项式函数来拟合OCV与SOC关系，或者用更为复杂的函数来拟合；拟合模型如下：
步骤二：修改SOC-OCV的关系模型使其含SOH和温度。
考虑电池健康状态(SOH)值随时间和应用情况而逐步变化下降，其次电池环境温度(T)也会随环境和应用情况而变，根据前述实验数据可建立如下模型：
其中ai,i＝1,2,…,8可通过最小二乘法或其他方法获得。
模型(1)给出了SOC估算过程所需要的基础模型。
步骤三：建立戴维南锂离子电池模型。
结合图2，建立一阶戴维南锂离子电池模型(Thevenin)，其中开路电压Vk表示模型的输出电压，R0表示电池的欧姆电阻，Rp表示极化电阻，Cp表示极化电容，Rp和Cp分别为一阶阻容环路模拟电池的极化环节参数。一阶戴维南锂离子电池模型(Thevenin)，考虑了电流和充放电差异等情况，可以准确的模拟和体现电池的动静态特性。
步骤四：离线状态下估计电池模型初始参数。
根据图2可得等效电路模型函数关系，其离散状态空间方程如下：
Vk＝OCVk(SOCk)-R0ik-Vp,k
其中Ts为采样周期、η为库伦系数、QN为电池额定容量，下标k-1、k表示前一时刻和当前时刻的相应变量值。
对式(1)进行泰勒级数展开，忽略二次以上项有：
其中：
令
根据泰勒级数展开(2)有
Vk-Vk-1＝OCVk(SOCk)-Vp,k-R0ik-OCVk-1(SOCk-1)+R0ik-1+Vp,k-1
＝CkXk-Ck-1Xk-1-R0(ik-ik-1)
则电池模型的离散状态空间方程如下：
Xk+1＝AXk+Buk
yk＝CkXk-Ck-1Xk-1-R0(ik-ik-1)+yk-1
其中模型中相关参数，可采用各种系统辨识方法确定。
根据可观测矩阵[C；CA]是满秩的特性，可以设计一种状态观测器。
步骤五：设计一种新型的状态观测器输出误差反馈矩阵。
根据图3所示的一种新型的状态观测器结构，给出相应设计方法过程如下：
设为观测器所估计的状态变量，以下变量上部有“”代表观测器估计值。
根据图3，当前观测器的输出为：
根据上式，可知前一时刻的实际输出是已知的；可以用前一时刻的实际输出代替
前一时刻的观测器输出，则上式变为：
根据图3，当前输出端电压值的观测误差为：
而状态估计的误差为：
根据图3，令状态观测器输出误差反馈矩阵为：
根据图3，修正后的观测值为：
则估计误差状态方程为：ek＝(A-GCkA+GCk-1)ek-1(3)
步骤六：读取电池当前SOH、温度T、电流和端电压，根据图3计算出当前观测器输出：
步骤七：利用状态观测器观测SOC值，根据图3计算出修正后的状态观测输出：
根据式(3)，有很多设计误差反馈矩阵G的方法如极点配置法等等，使对应系统稳定；因而可设计适当的可使(3)式收敛，即矩阵(A-GCkA-GCk-1)的特征值在单位圆内；也就是使观测误差越来越小。
为了验证该方法的有效性，图4给出按上述设计过程的仿真结果。实验结果表明跟随良好，SOC估算具有较高的精度达到3％以内。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，如(1)用6阶或8、9阶表示，离散状态空间方程用3阶或4阶表示；这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (9)

1.一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于，主要包括以下步骤：
步骤1：利用实验数据建立电池荷电状态SOC与开路电压OCV的模型；
步骤2：修改SOC-OCV的关系模型使其含SOH和温度；
步骤3：建立戴维南锂离子电池模型；
步骤:4：离线状态下估计电池模型初始参数；
步骤5：设计一种新型的状态观测器输出误差反馈矩阵；
步骤6：读取电池当前SOH、温度T、电流和端电压；
步骤7：利用状态观测器观测SOC值。
2.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：对于SOC-OCV的关系模型包含SOH和温度变量因子。
3.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：离线状态估计电池模型参数。
4.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：设计一种新型的状态观测器。
5.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：观测输出误差时利用当前值误差设计观测器。
6.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：用前一时刻的实际输出代替前一时刻的观测器输出。
7.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：所给出的估计误差状态方程为设计依据。
8.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：保证估计误差状态方程为收敛，设计输出误差反馈矩阵。
9.根据权利要求1所述的一种新型状态观测器的锂离子电池荷电状态估测方法，其特征在于：所给出的一种新型的状态观测器为估算依据，进行估算当前的SOC值。
CN201910556526.0A 2019-06-25 2019-06-25 一种新型状态观测器的锂离子电池荷电状态估测方法 Active CN110308394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910556526.0A CN110308394B (zh) 2019-06-25 2019-06-25 一种新型状态观测器的锂离子电池荷电状态估测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910556526.0A CN110308394B (zh) 2019-06-25 2019-06-25 一种新型状态观测器的锂离子电池荷电状态估测方法

Publications (2)

Publication Number Publication Date
CN110308394A true CN110308394A (zh) 2019-10-08
CN110308394B CN110308394B (zh) 2020-11-06

Family

ID=68077511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910556526.0A Active CN110308394B (zh) 2019-06-25 2019-06-25 一种新型状态观测器的锂离子电池荷电状态估测方法

Country Status (1)

Country Link
CN (1) CN110308394B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945854A (zh) * 2021-10-18 2022-01-18 一汽解放汽车有限公司 电池包初始参数检测方法、装置、系统、设备和介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621497A (zh) * 2012-03-22 2012-08-01 青岛理工大学 蓄电池剩余电量监测方法及监测装置
CN202794475U (zh) * 2012-06-28 2013-03-13 浙江大学城市学院 混合动力车用动力锂电池soc估计器
CN103389468A (zh) * 2012-05-08 2013-11-13 通用汽车环球科技运作有限责任公司 电池荷电状态观测器
CN103995464A (zh) * 2014-05-26 2014-08-20 北京理工大学 一种估计电动车辆的动力系统的参数和状态的方法
CN104076293A (zh) * 2014-07-07 2014-10-01 北京交通大学 基于观测器的锂电池soc估算误差的定量分析方法
CN104569835A (zh) * 2014-12-16 2015-04-29 北京理工大学 一种估计电动汽车的动力电池的荷电状态的方法
CN104678316A (zh) * 2015-02-28 2015-06-03 北京交通大学 锂离子电池荷电状态估算方法和装置
CN105425153A (zh) * 2015-11-02 2016-03-23 北京理工大学 一种估计电动车辆的动力电池的荷电状态的方法
CN105607009A (zh) * 2016-02-01 2016-05-25 深圳大学 一种基于动态参数模型的动力电池soc估计方法和系统
CN105699907A (zh) * 2016-01-28 2016-06-22 广州市香港科大霍英东研究院 一种基于动态阻抗校正的电池soc估计方法及系统
CN105842633A (zh) * 2016-05-30 2016-08-10 广西大学 一种基于灰色扩展卡尔曼的锂离子电池soc估算方法
CN106324523A (zh) * 2016-09-26 2017-01-11 合肥工业大学 基于离散变结构观测器的锂电池soc估计方法
CN106354964A (zh) * 2016-09-08 2017-01-25 厦门理工学院 电动汽车用锂离子电容器荷电状态估计方法
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
CN107870305A (zh) * 2017-12-04 2018-04-03 浙江大学城市学院 基于温度参数的锂离子电池在线参数辨识和soh估计方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102621497A (zh) * 2012-03-22 2012-08-01 青岛理工大学 蓄电池剩余电量监测方法及监测装置
CN103389468A (zh) * 2012-05-08 2013-11-13 通用汽车环球科技运作有限责任公司 电池荷电状态观测器
CN202794475U (zh) * 2012-06-28 2013-03-13 浙江大学城市学院 混合动力车用动力锂电池soc估计器
CN103995464A (zh) * 2014-05-26 2014-08-20 北京理工大学 一种估计电动车辆的动力系统的参数和状态的方法
CN104076293A (zh) * 2014-07-07 2014-10-01 北京交通大学 基于观测器的锂电池soc估算误差的定量分析方法
CN104569835A (zh) * 2014-12-16 2015-04-29 北京理工大学 一种估计电动汽车的动力电池的荷电状态的方法
CN104678316A (zh) * 2015-02-28 2015-06-03 北京交通大学 锂离子电池荷电状态估算方法和装置
CN105425153A (zh) * 2015-11-02 2016-03-23 北京理工大学 一种估计电动车辆的动力电池的荷电状态的方法
CN105699907A (zh) * 2016-01-28 2016-06-22 广州市香港科大霍英东研究院 一种基于动态阻抗校正的电池soc估计方法及系统
CN105607009A (zh) * 2016-02-01 2016-05-25 深圳大学 一种基于动态参数模型的动力电池soc估计方法和系统
CN105842633A (zh) * 2016-05-30 2016-08-10 广西大学 一种基于灰色扩展卡尔曼的锂离子电池soc估算方法
CN106354964A (zh) * 2016-09-08 2017-01-25 厦门理工学院 电动汽车用锂离子电容器荷电状态估计方法
CN106324523A (zh) * 2016-09-26 2017-01-11 合肥工业大学 基于离散变结构观测器的锂电池soc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
CN107870305A (zh) * 2017-12-04 2018-04-03 浙江大学城市学院 基于温度参数的锂离子电池在线参数辨识和soh估计方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张云 等: "锂离子电池荷电状态估计: 非线性观测器方法", 《控制理论与应用》 *
樊彬 等: "实际使用工况的锂离子电池SOC-OCV关系", 《电源技术》 *
肖海山 等: "以滑模观测器算法估计超级电容器荷电状态的探讨", 《低压电器》 *
贠海涛 等: "基于龙贝格状态观测器的车载辅助动力蓄电池SOC估计", 《中国机械工程》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113945854A (zh) * 2021-10-18 2022-01-18 一汽解放汽车有限公司 电池包初始参数检测方法、装置、系统、设备和介质

Also Published As

Publication number Publication date
CN110308394B (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
Xu et al. State of charge estimation for lithium-ion batteries based on adaptive dual Kalman filter
Misyris et al. State-of-charge estimation for li-ion batteries: A more accurate hybrid approach
Ning et al. Adaptive sliding mode observers for lithium-ion battery state estimation based on parameters identified online
Dong et al. Online state of charge estimation and open circuit voltage hysteresis modeling of LiFePO4 battery using invariant imbedding method
Hu et al. Online estimation of an electric vehicle lithium-ion battery using recursive least squares with forgetting
CN110488194B (zh) 一种基于电化学阻抗模型的锂电池soc估算方法及其系统
Roscher et al. Reliable state estimation of multicell lithium-ion battery systems
CN105912799B (zh) 一种液态或半液态金属电池的建模方法
Seo et al. Innovative lumped-battery model for state of charge estimation of lithium-ion batteries under various ambient temperatures
EP3786653B1 (en) Battery state estimation method
Susanna et al. Comparison of simple battery model and thevenin battery model for SOC estimation based on OCV method
CN106872899B (zh) 一种基于降维观测器的动力电池soc估计方法
CN105425154B (zh) 一种估计电动汽车的动力电池组的荷电状态的方法
KR101227417B1 (ko) 리튬이온전지의 충전상태 추정방법 및 이 방법을 구현하기 위한 시스템
KR102572652B1 (ko) 배터리의 충전상태를 추정하는 방법
CN104965179A (zh) 一种锂离子蓄电池的温度组合电路模型及其参数识别方法
CN108572320B (zh) 电池最小单体及系统有效容量、健康状态估算方法及装置
CN104122447A (zh) 一种电动汽车动力电池组直流阻抗的在线估算方法
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
Xiong et al. Data-driven state-of-charge estimator for electric vehicles battery using robust extended Kalman filter
CN108829911A (zh) 一种开路电压与soc函数关系优化方法
Rahimi-Eichi et al. Adaptive online battery parameters/SOC/capacity co-estimation
CN112379270A (zh) 一种电动汽车动力电池荷电状态滚动时域估计方法
Zhang et al. Identification of dynamic model parameters for lithium-ion batteries used in hybrid electric vehicles
Liu et al. State-of-Charge estimation for power Li-ion battery pack using V min-EKF

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