CN110515011A - 一种锂离子动力电池soc的精确估算方法 - Google Patents
一种锂离子动力电池soc的精确估算方法 Download PDFInfo
- Publication number
- CN110515011A CN110515011A CN201910869677.1A CN201910869677A CN110515011A CN 110515011 A CN110515011 A CN 110515011A CN 201910869677 A CN201910869677 A CN 201910869677A CN 110515011 A CN110515011 A CN 110515011A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- resistance
- lithium ion
- voltage
- 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
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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种锂离子动力电池SOC的精确估算方法,包括:步骤S1、选取三元锂离子电池作为研究对象,对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验,得到三元锂离子电池的电压响应曲线;步骤S2、建立三元锂离子电池的二阶RC等效电路电池模型;步骤S3、对所述二阶RC等效电路模型中的参数进行辨识;步骤S4、使用SMFEKF算法估算三元锂离子电池的SOC。本发明使用SMFEKF算法估算三元锂离子电池的SOC,对于锂离子动力电池,SMFEKF算法中由于引入多重次优渐消因子,增强了算法的强跟踪能力,具有更高的估计精度。
Description
技术领域
本发明涉及汽车电池技术领域,特别是涉及一种锂离子动力电池SOC的精确估算方法。
背景技术
电池SOC的估计是电池管理系统各项功能中的一个最关键的技术。SOC直接反应电池的充放电情况,可以对电池起到保护作用,避免因电池的过充或过放使电池损坏。因此,对SOC的估计精度直接影响电池系统的整体性能。精确的SOC估算有两方面的意义:一方面电池的使用寿命通常以SOC作为判断依据,而且SOC的估算结果直接反应电动汽车的剩余续驶里程,影响车辆行驶的安全性;另一方面作为衡量电池管理系统好坏的一个重要指标。
在电池管理系统的SOC估算上,国内外研究者分别采用不同的方法对SOC进行估算,常用方法如下:安时积分法、开路电压法、神经网络和模糊逻辑法、系统滤波法等。安时积分法是SOC估算中最基本的方法,在实际的电池管理系统中被广泛应用。但是安时积分法对电池SOC的初始值不能确定,还有实验测量的充放电电流不准确,导致SOC估算累积误差增大;开路电压法通过电池的充放电实验可以得到SOC-OCV曲线,使用该方法可以准确的估计出电池的初始SOC值,但由于电池在充放电过程中受到静置时间和环境温度的影响,使得电池电压测量值出现的误差比较大;应用神经网络算法可以在线实时估算电池的SOC,但神经网络算法在使用时,对样本数据需求很大;目前模糊逻辑方法在SOC估算领域还不太成熟;系统滤波法被广泛用于电池SOC的估算,相比上述的几种方法,它具有闭环控制和实时性强的特点,最常用的系统滤波估算方法对SOC实际电量的跟踪能力差,SOC估算精度不高。
综上,行业内急需研发一种高精度、对SOC实际电量的跟踪能力强的估算电池的SOC的方法。
发明内容
针对现有技术存在的对SOC实际电量的跟踪能力差的问题,本发明提供一种锂离子动力电池SOC的精确估算方法。
本申请的具体方案如下:
一种锂离子动力电池SOC的精确估算方法,包括:
步骤S1、选取三元锂离子电池作为研究对象,对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验,得到三元锂离子电池的电压响应曲线;
步骤S2、建立三元锂离子电池的二阶RC等效电路电池模型;
步骤S3、对所述二阶RC等效电路模型中的参数进行辨识;
步骤S4、使用SMFEKF算法估算三元锂离子电池的SOC。
优选地,步骤S1中对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验的实验平台由电池测试系统、高低温试验箱和上位机;电池测试系统与上位机通过通信总线连接,电池测试系统控制高低温试验箱试验环境的温度。
优选地,对三元锂离子电池进行0.5C恒流充放电实验的步骤包括:以0.5C倍率的电流对三元锂离子电池充电,当三元锂离子电池的电压达到充电上限截止电压4.2V时,恒流转恒压方式继续充电,直到三元锂离子电池的充电电流小于或等于0.21A时,停止充电;以0.5C倍率的电流对三元锂离子电池放电,当三元锂离子电池的电压达到放电下限截止电压3.0V时,停止放电;对三元锂离子电池进行混合脉冲功率特性实验的步骤包括:通过测出电池充放电、静置的过程中整个脉冲内三元锂离子电池两端电压的变化值,得到电压变化曲线,利用数学方法对整个脉冲充放电、静置的过程中的电压变化曲线进行处理,得出电池的欧姆内阻、极化内阻与电池SOC之间的关系。
优选地,所述二阶RC等效电路电池模型包括:三元锂离子电池、电阻R0、电阻RP1、电阻RP2、电容CP1和电容CP2;三元锂离子电池的正极通过电阻R0和电阻RP1的一端、电容CP1的正极均连接,电阻RP1的另一端、电容CP1的负极和电阻R P2的一端连接,电阻R P2的一端还和电容CP2的正极连接,电容CP2的负极作为开路电压Uoc的正极、三元锂离子电池的负极作为开路电压Uoc的负极;EMF表示三元锂离子电池的电动势,与电池的SOC之间存在函数关系;电阻R0表示电池的欧姆内阻;电阻RP1、电容CP1表示电池的电化学极化;电阻RP2、电容CP2表示电池的浓差极化;Uoc表示电池的开路电压;IL表示电路中的负载电流;
优选地,根据基尔霍夫电压定律,所述二阶RC等效电路电池模型的表达式如下:
根据安时积分法,锂离子电池SOC的关系为:
式(2)中,SOC(t)表示t时刻电池的SOC值;SOC0表示0时刻电池SOC的值;CN表示电池的额定容量(Ah);η表示库伦效率;表示从0到t时刻电池回路上流过的充电电流i(A)的积分值,以电池放电的方向为正向。
优选地,对所述二阶RC等效电路模型中的参数进行辨识步骤包括:对电池进行HPPC混合脉冲实验,选取SOC=0.8处的脉冲放电曲线,结合最小二乘法对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识。
优选地,对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识的步骤包括:在电池充满电静置1h后,在0-10s区间内电池以1C脉冲放电10s,电池电压会立刻从U1下降至U2;在10-50s区间电池持续静置40s,电池电压从U3又立刻回弹至U4;在50-60s区间电池以0.75C脉冲充电10s,静置40s;之后电池以恒流放电放掉前10s内脉冲充电之后所剩余的电量;
利用0-10s区间和10-50s区间计算出欧姆内阻R0的值,R0的表达式为:
在10-50s区间电池持续静置40s这一区间是零输入响应,则零输入响应的数学关系式为:
根据静置40s的电压响应曲线和公式,通过Matlab里的cftool工具可以得到EMF、Up1、Up2以及τ1、τ2;
由0-10s脉冲放电曲线可知,电池在脉冲放电开始前,经过1h的静置。假设此时电池内部的极化反应消失,则认为0-10s之间为零状态响应,脉冲放电过程中电路的端电压公式为:
利用上式(4)(5)(6)公式,得出二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2的辨识结果。
优选地,步骤S4包括:将状态向量SOC(t)、UP1、UP2和误差协方差初始化,根据系统输入值uk,按照式(11)和式(12)的计算步骤逐步估算SOC;
Pk|k-1=λkAk|k-1Pk-1|k-1Ak|k-1 T+Γk|k-1Qk-1Γk|k-1 T (11)
其中状态向量为SOC(t)、UP1、UP2,误差协方差为Pk|k。
与现有技术相比,本发明具有如下有益效果:
本方案使用SMFEKF算法估算三元锂离子电池的SOC,对于锂离子动力电池,SMFEKF算法中由于引入多重次优渐消因子,增强了算法的强跟踪能力,具有更高的估计精度。经过仿真验证,在SOC估计的整个过程中,SMFEKF的估计误差比EKF的估计误差小。在恒流放电工况下,EKF的最大估计误差为6.33%,均方根误差为3.57%,且平均绝对误差为3.17%,而SMFEKF最大估计误差为1.19%,均方根误差为0.74%,平均绝对误差为0.66%。在HPPC工况下,EKF的估算误差都比SMFEKF大。
附图说明
图1为本发明的锂离子动力电池SOC的精确估算方法的示意性流程图;
图2是本发明所使用的实验平台。
图3是本发明所测试的0.5C恒流充电电压曲线。
图4是本发明所测试的0.5C恒流放电电压曲线。
图5是本发明所测试的HPPC测试曲线。
图6是本发明中建立的二阶RC等效电路电池模型。
图7是本发明所拟合的EKF=f(SOC)关系图。
图8是本发明所测试的SOC=0.8时电压响应曲线。
图9是本发明的SMFEKF算法估算SOC流程图。
图10是本发明在0.5C恒流放电时利用EKF算法和SMFEKF算法估算SOC曲线图。
图11是本发明在脉冲放电时利用EKF算法和SMFEKF算法估算SOC曲线图。
具体实施方式
参见图1、一种锂离子动力电池SOC的精确估算方法,包括:
步骤S1、选取三元锂离子电池作为研究对象,对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验,得到三元锂离子电池的电压响应曲线;
步骤S2、建立三元锂离子电池的二阶RC等效电路电池模型;
步骤S3、对所述二阶RC等效电路模型中的参数进行辨识;
步骤S4、使用SMFEKF算法估算三元锂离子电池的SOC。
在本实施例,参见图2,步骤S1中对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验的实验平台由电池测试系统、高低温试验箱和上位机;电池测试系统与上位机通过通信总线连接,电池测试系统控制高低温试验箱试验环境的温度。
在本实施例,所有电池实验运行温度为25℃,进行0.5C恒流充放电和混合脉冲功率特性(HPPC)实验。
在本实施例,对三元锂离子电池进行0.5C恒流充放电实验的步骤包括:采用标准充电制式,以0.5C倍率的电流对三元锂离子电池充电,当三元锂离子电池的电压达到充电上限截止电压4.2V时,恒流转恒压方式继续充电,直到三元锂离子电池的充电电流小于或等于0.21A时,停止充电;实验结果如图3所示,在3.6V到4V之间电池的电压上升缓慢,此段称为电池电压的平台区。该电池电压响应曲线反映了锂离子电池的电压特性。
以0.5C倍率的电流对三元锂离子电池放电,当三元锂离子电池的电压达到放电下限截止电压3.0V时,停止放电;实验结果如图4所示,电压从4.2V急剧下降,在3.4V到4V之间电压缓慢下降,表明电池的工作电压在此区间内平稳,快接近放电终期时,电压迅速下降至下限截至电压3.0V。
其中,HPPC是指“电池测试手册”中的一种电池测试方法。通过对整个脉冲充放电、静置的过程中,测出电池端电压的变化值,利用数学方法对得到的电压曲线进行处理后,得出电池的欧姆内阻和极化内阻与电池SOC之间的关系。该实验包括三个过程,分别为放电过程、静置过程和充电过程。HPPC测试电池电压曲线如图5所示。
在测试开始时,通过将电池充电到接近满容量,然后以小电流充电来平衡电池。在充放电周期中电池电压上升和下降,在充放电周期之间电池电压固定不变,电池的电压分布具有滞后效应,可以用来获得电池的特性和识别等效电路模型参数。
对三元锂离子电池进行混合脉冲功率特性实验的步骤包括:通过测出电池充放电、静置的过程中整个脉冲内三元锂离子电池两端电压的变化值,得到电压变化曲线,利用数学方法对整个脉冲充放电、静置的过程中的电压变化曲线进行处理,得出电池的欧姆内阻、极化内阻与电池SOC之间的关系。
在本实施例,参见图6,所述二阶RC等效电路电池模型包括:三元锂离子电池、电阻R0、电阻RP1、电阻RP2、电容CP1和电容CP2;三元锂离子电池的正极通过电阻R0和电阻RP1的一端、电容CP1的正极均连接,电阻RP1的另一端、电容CP1的负极和电阻RP2的一端连接,电阻RP2的一端还和电容CP2的正极连接,电容CP2的负极作为开路电压Uoc的正极、三元锂离子电池的负极作为开路电压Uoc的负极;其中EMF表示三元锂离子电池的电动势,与电池的SOC之间存在函数关系;电阻R0表示电池的欧姆内阻;电阻RP1、电容CP1表示电池的电化学极化;电阻RP2、电容CP2表示电池的浓差极化;Uoc表示电池的开路电压;IL表示电路中的负载电流;所述二阶RC等效电路电池模型为在Thevenin模型基础上再串联一个阻容环路,即二阶RC等效电路电池模型。
在本实施例,根据基尔霍夫电压定律,所述二阶RC等效电路电池模型的表达式如下:
根据安时积分法,锂离子电池SOC的关系为:
式(2)中,SOC(t)表示t时刻电池的SOC值;SOC0表示0时刻电池SOC的值;CN表示电池的额定容量(Ah);η表示库伦效率;表示从0到t时刻电池回路上流过的充电电流i(A)的积分值,以电池放电的方向为正向。
在本实施例,步骤S3包括:对EMF=f(SOC)的关系进行辨识和对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识。
更进一步地,对EMF=f(SOC)的关系进行辨识包括:EMF与SOC之间的函数关系为通过开路电压测得实验数据后使用最小二乘法计算得出,采样数据如表1所示。
表1不同SOC对应的EMF值
通过最小二乘法,应用表1的实验数据对表达式中的待定系数进行参数拟合,拟合曲线如图7所示。利用Matlab里的polyfit函数推导出EMF=f(SOC)的表达式。综合分析本方案选择五阶多项式拟合EMF=f(SOC)的表达式,则EMF与SOC对应函数关系为:
EMF=14.4551SOC5-39.2788SOC4+38.8644SOC3-16.735SOC2+3.5713SOC+3.3029 (3)
更进一步地,对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识的步骤包括:对电池进行HPPC混合脉冲实验,选取SOC=0.8处的脉冲放电曲线,曲线如图8所示,结合最小二乘法对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识。具体地,包括:
在电池充满电静置1h后,在0-10s区间内电池以1C脉冲放电10s,电池电压会立刻从U1下降至U2;在10-50s区间电池持续静置40s,电池电压从U3又立刻回弹至U4;在50-60s区间电池以0.75C脉冲充电10s,静置40s;之后电池以恒流放电放掉前10s内脉冲充电之后所剩余的电量;
更具体地,一个完整的HPPC脉冲波形持续的时间是60s。在电池充满电静置1h后,在0-10s区间内电池以1C脉冲放电10s;在10-50s区间电池持续静置40s,期间电压波动幅度不大;在50-60s区间电池以0.75C脉冲充电10s,静置40s。之后电池以恒流放电放掉前10s内脉冲充电之后所剩余的电量。当电池受到10秒的放电脉冲时,由于极化现象的存在,电池电压会立刻从U1下降至U2;当放电电流为0时,电池电压从U3又立刻回弹至U4。上述电压变化主要是因为欧姆极化的作用。利用0-10s区间和10-50s区间计算出欧姆内阻R0的值,R0的表达式为:
在持续放电期间,电化学极化和浓差极化共同使U2至U3部分产生压降,在10-50s区间电池持续静置40s这一区间是零输入响应,二阶RC等效电路电池模型中的其他参数可以通过这一段曲线拟合。10s充电脉冲后进行40s搁置与放电同理。则零输入响应的数学关系式为:
根据静置40s的电压响应曲线和公式,通过Matlab里的cftool工具可以得到EMF、Up1、Up2以及τ1、τ2;由0-10s脉冲放电曲线可知,电池在脉冲放电开始前,经过1h的静置。假设此时电池内部的极化反应消失,则认为0-10s之间为零状态响应,脉冲放电过程中电路的端电压公式为:
利用上式(4)(5)(6)公式,结合图6得出二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2的辨识结果,如表2所示。
表2二阶RC模型参数辨识结果
所述步骤S4中的SMFEKF算法为基于扩展卡尔曼滤波(EKF)算法,将多重次优渐消因子和误差协方差表达式相结合,以此来提高系统的适应性和SOC估算准确性。
基于非线性系统状态空间方程的SMFEKF算法如下:
其中,f(xk,uk)和h(xk,uk)这两个非线性函数可以表示为:
h(xk,uk)=EMF(SOC(k))-R0IL(k)-UP1(k)-UP2(k) (9)
其中,xk是系统的状态向量,即xk=[SOC(k),UP1(k),UP2(k)]T;uk是系统的输入量,即uk=IL(k);zk为测量变量,即zk=Uoc(k);wk是系统过程噪声;vk为测量噪声,其中系统噪声wk和观测噪声vk满足如下关系:
由式(7)可得系统状态转移矩阵Ak、控制输入矩阵Bk分别为:
由式(8)可得观测矩阵Hk、Dk分别为:
SMFEKF算法包括时间更新和测量更新两个过程。其中时间更新过程包括更新一步状态向量和更新一步误差协方差。在误差协方差中引入多重次优渐消因子λk来实时调节系统适应性和限制系统计算误差。本文介绍如何计算次优渐消因子。
Pk|k-1=λkAk|k-1Pk-1|k-1Ak|k-1 T+Γk|k-1Qk-1Γk|k-1 T (11)
测量更新过程包括更新一步测量向量zk、卡尔曼增益矩阵Kk、状态向量和误差协方差Pk|k。其中:
用方程Kk计算多重次优渐消因子λk,tr[Mk]和tr[Nk]即矩阵Mk和Nk的迹。
Mk=HkAk|k-1Pk-1|k-1Ak|k-1 THk T (13)
Nk=Vk-HkΓk|k-1Qk-1Γk|k-1 THk T-βRk (14)
tr[λk,Mk,]=tr[Nk] (15)
根据系统的先验知识,加上其他确定比例因子可确定:
令其中,αi>>1表示预先确定的常数,ck为待定因子,则可以得到确定多重次优渐消因子的一步算法为:
Vk的实际值在λk的迭代求解中是未知的,它可以由下式估算出来:
上式中,0<ρ<<1为遗忘因子,一般取ρ=0.95。
在本实施例,步骤S4包括:将状态向量SOC(t)、UP1、UP2和误差协方差初始化,根据系统输入值uk,按照式(11)和式(12)的计算步骤逐步估算SOC;估算框图如图9所示。
Pk|k-1=λkAk|k-1Pk-1|k-1Ak|k-1 T+Γk|k-1Qk-1Γk|k-1 T (11)
其中状态向量为SOC(t)、UP1、UP2,误差协方差为Pk|k。UP1为电阻Rp1的电压值,UP2为电阻Rp1的电压值,
为了验证所提出的SMFEKF算法的有效性,结合所建的电池模型,应用EKF和SMFEKF两种算法进行仿真,仿真结果和实验所采集的数据进行对比。仿真部分采用Matlab编写程序进行数值计算,实验真实值通过安时积分法获得作为算法对比的参考值,分别采用0.5C恒流放电工况和脉冲放电工况验证算法。在仿真开始时,设置SOC的初始值为1,电路处于开路状态没有电流流过,此刻两个RC环节的端电压为0,即状态变量初始值为[1 0 0]T,初始均方差P0=10-6*[1 0 0;0 1 0;0 0 1]。过程噪声的误差协方差和测量噪声的误差协方差根据经验参数取值,取QK=10-6,RK=0.05。仿真结果如图10所示。
在25℃和0.5C恒流放电工况下,对EKF和SMFEKF两种算法进行SOC估算仿真,两种算法仿真结果如图10所示。从EKF算法估算SOC和实验对比结果可以得出,在1000s左右时EKF算法对实际的SOC有很强的跟踪能力,后边逐渐偏离实际的参考值,在3000s和4000s之间误差最大。EKF算法仿真误差图,曲线波动幅度大,最大误差接近6%左右。从SMFEKF算法估算结果可以看出,EKF算法估算SOC的曲线和实验曲线基本重合,是因为SMFEKF算法中加入了多重次优渐消因子,加强了算法的强跟踪性,而EKF算法的滤波器跟踪能力差而最后逐渐偏离实际参考曲线轨迹。SMFEKF算法估算误差图,该误差曲线光滑,估算误差始终在2%以内。
分别应用EKF算法和SMFEKF算法在HPPC工况下进行仿真实验,仿真结果如图11所示,从图中可以看出EKF算法在6000s左右估算精度很高,误差接近0,但是在8000s时忽然偏离参考曲线,误差接近5%。EKF算法估算误差在2000s和4000s之间以及8000s左右的时候比较大。SMFEKF算法与EKF算法相比,SMFEKF算法估算精度提高,曲线变化平缓,没有出现发散,从图11中可以看出误差小,最大误差才达到2.5%。
通过对比,EKF和SMFEKF算法在不同工况下对比结果如表3所示。
表3 EKF和SMFEKF算法估算误差对比
与现有技术相比,本发明具有以下优点:
在SOC估计的整个过程中,SMFEKF算法的估计误差比EKF的估计误差小。在恒流放电工况下,EKF的最大估计误差为6.33%,均方根误差为3.57%,且平均绝对误差为3.17%,而SMFEKF最大估计误差为1.19%,均方根误差为0.74%,平均绝对误差为0.66%。在HPPC工况下,EKF的估算误差都比SMFEKF大。由此可知,SMFEKF算法估计SOC的精度高于EKF算法的估计精度,对于锂离子动力电池,SMFEKF算法中由于引入多重次优渐消因子,增强了算法的强跟踪能力,具有更高的估计精度。
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 (8)
1.一种锂离子动力电池SOC的精确估算方法,其特征在于,包括:
步骤S1、选取三元锂离子电池作为研究对象,对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验,得到三元锂离子电池的电压响应曲线;
步骤S2、建立三元锂离子电池的二阶RC等效电路电池模型;
步骤S3、对所述二阶RC等效电路模型中的参数进行辨识;
步骤S4、使用SMFEKF算法估算三元锂离子电池的SOC。
2.根据权利要求1所述的锂离子动力电池SOC的精确估算方法,其特征在于,步骤S1中对三元锂离子电池进行0.5C恒流充放电和混合脉冲功率特性实验的实验平台由电池测试系统、高低温试验箱和上位机;
电池测试系统与上位机通过通信总线连接,电池测试系统控制高低温试验箱试验环境的温度。
3.根据权利要求1所述的锂离子动力电池SOC的精确估算方法,其特征在于,对三元锂离子电池进行0.5C恒流充放电实验的步骤包括:以0.5C倍率的电流对三元锂离子电池充电,当三元锂离子电池的电压达到充电上限截止电压4.2V时,恒流转恒压方式继续充电,直到三元锂离子电池的充电电流小于或等于0.21A时,停止充电;以0.5C倍率的电流对三元锂离子电池放电,当三元锂离子电池的电压达到放电下限截止电压3.0V时,停止放电;
对三元锂离子电池进行混合脉冲功率特性实验的步骤包括:通过测出电池充放电、静置的过程中整个脉冲内三元锂离子电池两端电压的变化值,得到电压变化曲线,利用数学方法对整个脉冲充放电、静置的过程中的电压变化曲线进行处理,得出电池的欧姆内阻、极化内阻与电池SOC之间的关系。
4.根据权利要求1所述的锂离子动力电池SOC的精确估算方法,其特征在于,所述二阶RC等效电路电池模型包括:三元锂离子电池、电阻R0、电阻RP1、电阻RP2、电容CP1和电容CP2;
三元锂离子电池的正极通过电阻R0和电阻RP1的一端、电容CP1的正极均连接,电阻RP1的另一端、电容CP1的负极和电阻R P2的一端连接,电阻R P2的一端还和电容CP2的正极连接,电容CP2的负极作为开路电压Uoc的正极、三元锂离子电池的负极作为开路电压Uoc的负极;
EMF表示三元锂离子电池的电动势,与电池的SOC之间存在函数关系;电阻R0表示电池的欧姆内阻;电阻RP1、电容CP1表示电池的电化学极化;电阻RP2、电容CP2表示电池的浓差极化;Uoc表示电池的开路电压;IL表示电路中的负载电流。
5.根据权利要求4所述的锂离子动力电池SOC的精确估算方法,其特征在于,根据基尔霍夫电压定律,所述二阶RC等效电路电池模型的表达式如下:
根据安时积分法,锂离子电池SOC的关系为:
式(2)中,SOC(t)表示t时刻电池的SOC值;SOC0表示0时刻电池SOC的值;CN表示电池的额定容量(Ah);η表示库伦效率;表示从0到t时刻电池回路上流过的充电电流i(A)的积分值,以电池放电的方向为正向。
6.根据权利要求1所述的锂离子动力电池SOC的精确估算方法,其特征在于,对所述二阶RC等效电路模型中的参数进行辨识步骤包括:对电池进行HPPC混合脉冲实验,选取SOC=0.8处的脉冲放电曲线,结合最小二乘法对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识。
7.根据权利要求6所述的锂离子动力电池SOC的精确估算方法,其特征在于,对二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2进行参数辨识的步骤包括:
在电池充满电静置1h后,在0-10s区间内电池以1C脉冲放电10s,电池电压会立刻从U1下降至U2;在10-50s区间电池持续静置40s,电池电压从U3又立刻回弹至U4;在50-60s区间电池以0.75C脉冲充电10s,静置40s;之后电池以恒流放电放掉前10s内脉冲充电之后所剩余的电量;
利用0-10s区间和10-50s区间计算出欧姆内阻R0的值,R0的表达式为:
在10-50s区间电池持续静置40s这一区间是零输入响应,则零输入响应的数学关系式为:
根据静置40s的电压响应曲线和公式,通过Matlab里的cftool工具可以得到EMF、Up1、Up2以及τ1、τ2;
由0-10s脉冲放电曲线可知,电池在脉冲放电开始前,经过1h的静置。假设此时电池内部的极化反应消失,则认为0-10s之间为零状态响应,脉冲放电过程中电路的端电压公式为:
利用上式(4)(5)(6)公式,得出二阶RC等效电路电池模型中的电阻R0、电阻RP1、电容CP1、电阻RP2、电容CP2的辨识结果。
8.根据权利要求1所述的锂离子动力电池SOC的精确估算方法,其特征在于,步骤S4包括:将状态向量SOC(t)、UP1、UP2和误差协方差初始化,根据系统输入值uk,按照式(11)和式(12)的计算步骤逐步估算SOC;
Pk|k-1=λkAk|k-1Pk-1|k-1Ak|k-1 T+Γk|k-1Qk-1Γk|k-1 T (11)
其中状态向量为SOC(t)、UP1、UP2,误差协方差为Pk|k。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910869677.1A CN110515011A (zh) | 2019-09-16 | 2019-09-16 | 一种锂离子动力电池soc的精确估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910869677.1A CN110515011A (zh) | 2019-09-16 | 2019-09-16 | 一种锂离子动力电池soc的精确估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110515011A true CN110515011A (zh) | 2019-11-29 |
Family
ID=68630917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910869677.1A Pending CN110515011A (zh) | 2019-09-16 | 2019-09-16 | 一种锂离子动力电池soc的精确估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110515011A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780205A (zh) * | 2019-12-06 | 2020-02-11 | 信息产业电子第十一设计研究院科技工程股份有限公司 | 一种新型的磷酸铁锂电池pngv等效电路模型及参数辨识方法 |
CN111579992A (zh) * | 2020-04-27 | 2020-08-25 | 沃太能源南通有限公司 | 基于三次样条差值的一种二阶rc等效电路参数拟合方法 |
CN111929581A (zh) * | 2020-06-05 | 2020-11-13 | 西安理工大学 | 一种动力锂电池内外部温度预测方法 |
CN112214874A (zh) * | 2020-09-11 | 2021-01-12 | 傲普(上海)新能源有限公司 | 一种基于Simulink的三层架构BMS模型 |
CN112260372A (zh) * | 2020-12-23 | 2021-01-22 | 江苏时代新能源科技有限公司 | 一种电池均衡方法、装置及电池管理系统 |
CN112366375A (zh) * | 2020-09-03 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子动力电池快速充电方法 |
CN113036846A (zh) * | 2021-03-08 | 2021-06-25 | 山东大学 | 基于阻抗检测的锂离子电池智能优化快速充电方法及系统 |
CN113111579A (zh) * | 2021-04-02 | 2021-07-13 | 华北电力大学(保定) | 一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法 |
CN113125971A (zh) * | 2021-03-18 | 2021-07-16 | 深圳逸驰云动科技有限公司 | 一种确定电池开路电压的方法、装置及充电桩 |
CN116068410A (zh) * | 2023-03-08 | 2023-05-05 | 上海泰矽微电子有限公司 | 一种基于用户设定工作条件的soc估算方法及存储介质 |
CN118259178A (zh) * | 2024-05-30 | 2024-06-28 | 长江三峡集团实业发展(北京)有限公司 | 一种基于电池的混合功率脉冲特性测试方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107153163A (zh) * | 2017-06-20 | 2017-09-12 | 福建工程学院 | 一种基于自适应ukf的锂电池soc估算方法 |
CN108761340A (zh) * | 2018-05-31 | 2018-11-06 | 天津工业大学 | 基于噪声干扰的强跟踪容积卡尔曼滤波的电池估算方法 |
CN109164392A (zh) * | 2018-08-22 | 2019-01-08 | 清华大学深圳研究生院 | 一种动力电池的soc估算方法 |
CN109188293A (zh) * | 2018-11-08 | 2019-01-11 | 武汉理工大学 | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 |
CN110068772A (zh) * | 2019-05-06 | 2019-07-30 | 重庆大学 | 基于改进分数阶模型的锂离子电池荷电状态估计方法 |
CN110109019A (zh) * | 2019-06-04 | 2019-08-09 | 河北工业大学 | 一种基于ekf算法的混合动力锂电池的soc估算方法 |
-
2019
- 2019-09-16 CN CN201910869677.1A patent/CN110515011A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107153163A (zh) * | 2017-06-20 | 2017-09-12 | 福建工程学院 | 一种基于自适应ukf的锂电池soc估算方法 |
CN108761340A (zh) * | 2018-05-31 | 2018-11-06 | 天津工业大学 | 基于噪声干扰的强跟踪容积卡尔曼滤波的电池估算方法 |
CN109164392A (zh) * | 2018-08-22 | 2019-01-08 | 清华大学深圳研究生院 | 一种动力电池的soc估算方法 |
CN109188293A (zh) * | 2018-11-08 | 2019-01-11 | 武汉理工大学 | 基于新息协方差带渐消因子的ekf锂离子电池soc估算方法 |
CN110068772A (zh) * | 2019-05-06 | 2019-07-30 | 重庆大学 | 基于改进分数阶模型的锂离子电池荷电状态估计方法 |
CN110109019A (zh) * | 2019-06-04 | 2019-08-09 | 河北工业大学 | 一种基于ekf算法的混合动力锂电池的soc估算方法 |
Non-Patent Citations (2)
Title |
---|
刘苗: "车载锂离子动力电池荷电状态与健康状态估计研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
欧阳剑: "电动汽车用锂离子动力电池SOC估算和SOF评估的研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780205A (zh) * | 2019-12-06 | 2020-02-11 | 信息产业电子第十一设计研究院科技工程股份有限公司 | 一种新型的磷酸铁锂电池pngv等效电路模型及参数辨识方法 |
CN111579992A (zh) * | 2020-04-27 | 2020-08-25 | 沃太能源南通有限公司 | 基于三次样条差值的一种二阶rc等效电路参数拟合方法 |
CN111929581A (zh) * | 2020-06-05 | 2020-11-13 | 西安理工大学 | 一种动力锂电池内外部温度预测方法 |
CN111929581B (zh) * | 2020-06-05 | 2022-10-21 | 西安理工大学 | 一种动力锂电池内外部温度预测方法 |
CN112366375B (zh) * | 2020-09-03 | 2022-03-18 | 万向一二三股份公司 | 一种锂离子动力电池快速充电方法 |
CN112366375A (zh) * | 2020-09-03 | 2021-02-12 | 万向一二三股份公司 | 一种锂离子动力电池快速充电方法 |
CN112214874A (zh) * | 2020-09-11 | 2021-01-12 | 傲普(上海)新能源有限公司 | 一种基于Simulink的三层架构BMS模型 |
CN112260372A (zh) * | 2020-12-23 | 2021-01-22 | 江苏时代新能源科技有限公司 | 一种电池均衡方法、装置及电池管理系统 |
CN113036846A (zh) * | 2021-03-08 | 2021-06-25 | 山东大学 | 基于阻抗检测的锂离子电池智能优化快速充电方法及系统 |
CN113036846B (zh) * | 2021-03-08 | 2023-03-17 | 山东大学 | 基于阻抗检测的锂离子电池智能优化快速充电方法及系统 |
CN113125971A (zh) * | 2021-03-18 | 2021-07-16 | 深圳逸驰云动科技有限公司 | 一种确定电池开路电压的方法、装置及充电桩 |
CN113111579A (zh) * | 2021-04-02 | 2021-07-13 | 华北电力大学(保定) | 一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法 |
CN116068410A (zh) * | 2023-03-08 | 2023-05-05 | 上海泰矽微电子有限公司 | 一种基于用户设定工作条件的soc估算方法及存储介质 |
CN118259178A (zh) * | 2024-05-30 | 2024-06-28 | 长江三峡集团实业发展(北京)有限公司 | 一种基于电池的混合功率脉冲特性测试方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110515011A (zh) | 一种锂离子动力电池soc的精确估算方法 | |
CN106443474B (zh) | 一种动力电池系统寿命衰退特征快速识别的方法 | |
CN109870655B (zh) | 一种用于锂电池soc的估算方法 | |
CN108196200B (zh) | 一种锂电池健康和荷电状态的联合模拟评估方法 | |
CN104678316B (zh) | 锂离子电池荷电状态估算方法和装置 | |
CN110031770B (zh) | 一种快速得到电池包中所有单体电池容量的方法 | |
CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
CN105912799B (zh) | 一种液态或半液态金属电池的建模方法 | |
CN105510829B (zh) | 一种新型锂离子动力电池soc估计方法 | |
CN108594135A (zh) | 一种用于锂电池均衡充放电控制的soc估算方法 | |
CN108872866A (zh) | 一种锂离子电池荷电状态动态评估与长效预测融合方法 | |
CN105548896A (zh) | 基于n-2rc模型的动力电池soc在线闭环估计方法 | |
CN110361652A (zh) | 一种基于模型参数优化的卡尔曼滤波锂电池soc估计方法 | |
CN112444749B (zh) | 一种基于温度修正模型的锂电池荷电状态联合估计方法 | |
CN106918787A (zh) | 一种电动汽车锂电池剩余电荷估算方法及装置 | |
CN103744026A (zh) | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 | |
CN102645637A (zh) | 一种均衡电池的soc估算方法 | |
CN110133505A (zh) | 一种基于变参数模型的动力电池充放电状态观测方法 | |
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 | |
CN101598769A (zh) | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 | |
CN111856282B (zh) | 基于改进遗传无迹卡尔曼滤波的车载锂电池状态估计方法 | |
CN110795851A (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
CN103901351A (zh) | 一种基于滑动窗滤波的单体锂离子电池soc估计方法 | |
CN112098849B (zh) | 基于求积分卡尔曼滤波的锂电池剩余电量估计方法 | |
CN110704790A (zh) | 基于ifa-ekf的锂电池soc估算方法 |
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: 20191129 |
|
RJ01 | Rejection of invention patent application after publication |