CN110609236B - 一种基于静态极化和卡尔曼滤波的soc估算方法 - Google Patents

一种基于静态极化和卡尔曼滤波的soc估算方法 Download PDF

Info

Publication number
CN110609236B
CN110609236B CN201910902538.4A CN201910902538A CN110609236B CN 110609236 B CN110609236 B CN 110609236B CN 201910902538 A CN201910902538 A CN 201910902538A CN 110609236 B CN110609236 B CN 110609236B
Authority
CN
China
Prior art keywords
soc
time
value
moment
internal resistance
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
Application number
CN201910902538.4A
Other languages
English (en)
Other versions
CN110609236A (zh
Inventor
高飞飞
刘小平
谈正言
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.)
Wuxi Lingbo Electronic Technology Co ltd
Original Assignee
Wuxi Lingbo Electronic Technology 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 Wuxi Lingbo Electronic Technology Co ltd filed Critical Wuxi Lingbo Electronic Technology Co ltd
Priority to CN201910902538.4A priority Critical patent/CN110609236B/zh
Publication of CN110609236A publication Critical patent/CN110609236A/zh
Application granted granted Critical
Publication of CN110609236B publication Critical patent/CN110609236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3828—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration
    • G01R31/3832—Arrangements for monitoring battery or accumulator variables, e.g. SoC using current integration without measurement of battery voltage

Landscapes

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

Abstract

本发明公开了一种基于静态极化和卡尔曼滤波的SOC估算方法，涉及电池技术领域，该方法利用电芯充分极化后的等效电路模型和卡尔曼滤波进行SOC估算，同时不断更新电芯的等效总内阻，该方法可以在保证电量估算精度的前提下，简化RC模型参数个数，也实现了参数的自更新。

Description

一种基于静态极化和卡尔曼滤波的SOC估算方法
技术领域
本发明涉及电池技术领域，尤其是一种基于静态极化和卡尔曼滤波的SOC估算方法。
背景技术
近几年来，以电池为主要动力来源的纯电动车和混合动力车被广泛使用，这种新兴交通工具以其低碳排放、节能轻便的特点受到人们的重视。然而现阶段电动车的发展很大程度上受限于动力电池的稳定性、安全性和使用寿命等因素。电池荷电状态即SOC(Stateof Charge)是电池可用能量和总能量的比值，是电池不可直接测量的重要参数，电池的荷电状态在电池的应用中处于核心的地位，由于电池的SOC不像电流值、电压和温度可以通过传感器直接测量得到，因此只能通过估算得到。
目前常被采用的估算SOC的电池模型一般为m阶RC模型，如图1所示。图1中U为开路电压(OCV)，R0为电池的欧姆极化内阻，RiCi电路模拟电池电荷转移极化和扩散极化。理论中m越大，对开路电压的动态拟合越好，SOC估算精度越高。但是随着m不断增加，模型极化参数个数增加，计算复杂度也随之提高，因此实际应用中通常取m小于或等于3，计算精度难以保证。而且实际情况中，随着电池的老化，电池的极化也会随之改变，这就需要不断调整上述估算模型中极化参数，估算方式过于复杂。
发明内容
本发明人针对上述问题及技术需求，提出了一种基于静态极化和卡尔曼滤波的SOC估算方法，本发明的技术方案如下：
一种基于静态极化和卡尔曼滤波的SOC估算方法，该SOC估算方法包括：
在电芯的极化过程中使用开路电压法估算SOC初始值，基于SOC初始值利用安时积分法得到电芯的SOC估算值，并在电芯充分极化完成后，利用卡尔曼滤波算法对SOC估算值进行修正得到SOC修正值，包括：
根据电芯的总容量、t+1时刻的电流值以及t时刻的SOC修正值得到t+1时刻的SOC估算值；
根据t+1时刻的SOC估算值确定t时刻的开路电压估算值和t+1时刻的SOC系数；
根据t+1时刻的开路电压估算值、t时刻的电流值和t时刻对应的电芯等效总内阻确定t+1时刻的闭路电压估算值，并根据t+1时刻的闭路电压实测值和t+1时刻的闭路电压估算值得到t+1时刻的电压预测误差，电芯等效总内阻的阻值为电芯的欧姆极化内阻和电芯充分极化后的等效内阻的串联阻值；
根据t时刻的SOC估计方差的修正值和t+1时刻的SOC系数确定t+1时刻的卡尔曼增益；
根据t+1时刻的SOC估算值、电压预测误差和卡尔曼增益确定t+1时刻的SOC修正值；
根据t+1时刻的卡尔曼增益、t时刻的SOC估计方差的修正值和t+1时刻的SOC系数确定t+1时刻的SOC估计方差的修正值，令t＝t+1，并再次执行根据电芯的总容量、t时刻的电流值以及t时刻的SOC修正值得到t+1时刻的SOC估算值的步骤进行循环修正，且在循环修正过程中，在预设的各个电芯等效总内阻修正时刻根据电芯等效总内阻修正时刻的SOC修正值更新电芯等效总内阻。
其进一步的技术方案为，根据电芯等效总内阻修正时刻的SOC修正值更新电芯等效总内阻，包括：
获取电芯等效总内阻修正时刻的实时电压值和实时电流值，根据实时电压值和实时电流值按照公式R1(SOC,T)＝V(SOC,T)/I(SOC,T)计算得到电芯等效总内阻修正时刻的实时计算内阻，其中R1(SOC,T)是电芯等效总内阻修正时刻的实时计算内阻，V(SOC,T)是电芯等效总内阻修正时刻的实时电压值，I(SOC,T)是电芯等效总内阻修正时刻的实时电流值；
根据第二预设映射表确定与电芯等效总内阻修正时刻的SOC修正值和实时温度对应的电芯等效总内阻修正时刻的实时查表内阻，第二预设映射表包括基于温度校正的SOC值和等效总内阻之间的对应关系；
根据电芯等效总内阻修正时刻的实时计算内阻和实时查表内阻确定更新后的电芯等效总内阻为R(SOC,T)＝C1·R1(SOC,T)+C2·R2(SOC,T)，其中，R2(SOC,T)是电芯等效总内阻修正时刻的实时查表内阻，C1和C2是参数，C1>0，C2>0且C1+C2＝1。
其进一步的技术方案为，根据t+1时刻的SOC估算值、电压预测误差和卡尔曼增益确定t+1时刻的SOC修正值，包括按照如下公式确定t+1时刻的SOC修正值：
SOC(t+1|t+1)＝SOC(t+1|t)+K(t+1)*ΔV(t+1)；
其中，SOC(t+1|t+1)是t+1时刻的SOC修正值，SOC(t+1|t)是t+1时刻的SOC估算值，K(t+1)是t+1时刻的卡尔曼增益，ΔV(t+1)是t+1时刻的电压预测误差。
其进一步的技术方案为，根据t+1时刻的SOC估算值确定t+1时刻的开路电压估算值，并确定t+1时刻的SOC系数，包括：
根据第一预设映射表确定与t+1时刻的SOC估算值和t+1时刻的实时温度对应的开路电压值为t+1时刻的开路电压估算值，第一预设映射表包括基于温度校正的SOC值和开路电压值之间的对应关系；
确定t+1时刻的开路电压估算值与t+1时刻的SOC估算值的比值为t+1时刻的SOC系数。
其进一步的技术方案为，根据t+1时刻的开路电压估算值、t时刻的电流值和t时刻对应的电芯等效总内阻确定t+1时刻的闭路电压估算值，包括按照如下公式计算t+1时刻的闭路电压估算值：
VC(t+1)＝f(SOC(t+1|t))+I(t)*R(t)；
其中，VC(t+1)是t+1时刻的闭路电压估算值，SOC(t+1|t)是t+1时刻的SOC估算值，f(SOC(t+1|t))是t+1时刻的开路电压估算值，I(t)是t时刻的电流值，R(t)是t时刻对应的电芯等效总内阻。
其进一步的技术方案为，根据t时刻的SOC估计方差的修正值和t+1时刻的SOC系数确定t+1时刻的卡尔曼增益，包括：
按照公式P(t+1|t)＝P(t|t)+|ΔI×Δt/Q|2根据t时刻的SOC估计方差的修正值计算t+1时刻的SOC估计方差，其中，P(t+1|t)表示t+1时刻的SOC估计方差，P(t|t)是t时刻的SOC估计方差的修正值，ΔI是电流采集误差值，Δt是t+1时刻和t时刻的时间差，Q是电芯的总容量；
按照公式K(t+1)＝(P(t+1|t)*H(t+1))/(H2(t+1)*P(t+1|t)+M(t+1))根据t+1时刻的SOC估计方差和t+1时刻的SOC系数确定t+1时刻的卡尔曼增益，其中，K(t+1)是t+1时刻的卡尔曼增益，H(t+1)是t+1时刻的SOC系数，M(t+1)是t+1时刻对应的测量方差值。
其进一步的技术方案为，根据t+1时刻的卡尔曼增益、t时刻的SOC估计方差的修正值和t+1时刻的SOC系数确定t+1时刻的SOC估计方差的修正值，包括：
按照公式P(t+1|t)＝P(t|t)+|ΔI×Δt/Q|2根据t时刻的SOC估计方差的修正值计算t+1时刻的SOC估计方差，其中，P(t+1|t)表示t+1时刻的SOC估计方差，P(t|t)是t时刻的SOC估计方差的修正值，ΔI是电流采集误差值，Δt是t+1时刻和t时刻的时间差，Q是电芯的总容量；
按照公式P(t+1|t+1)＝(1-H(t+1)*K(t+1))*P(t+1|t)根据t+1时刻的SOC估计方差、t+1时刻的卡尔曼增益和t+1时刻的SOC系数计算t+1时刻的SOC估计方差的修正值，其中，P(t+1|t+1)是t+1时刻的SOC估计方差的修正值，K(t+1)是t+1时刻的卡尔曼增益，H(t+1)是t+1时刻的SOC系数。
其进一步的技术方案为，根据电芯的总容量、t时刻的电流值以及t时刻的SOC修正值得到t+1时刻的SOC估算值，包括：
Figure GDA0002447974540000041
其中，SOC(t+1|t)是t+1时刻的SOC估算值，SOC(t|t)是t时刻的SOC修正值，I(t)是t时刻的电流值，Q是电芯的总容量。
本发明的有益技术效果是：
本申请公开了一种基于静态极化和卡尔曼滤波的SOC估算方法，该方法利用电芯充分极化后的等效电路模型和卡尔曼滤波进行SOC估算，克服了现有RC模型的参数个数众多的问题，在保证电量估算精度的前提下，简化了参数个数，同时不断更新电芯的等效总内阻，因此可以随着电池老化实现参数的自更新，始终保持SOC估算精度。
附图说明
图1是现有的SOC估算所用的RC模型示意图。
图2是本申请使用的SOC估算模型示意图。
图3是电芯充分极化后的等效总内阻的曲线。
图4是本申请的SOC估算方法的循环修正的信息流向示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
电芯在足够的充放电时间会达到充分极化，充分极化后的等效电路如图2所示，其中，R0是电芯的欧极化内阻，R0′是电芯充分极化(电荷转移极化和扩散极化)后的等效内阻，此时电芯等效总内阻R的阻值为电芯的欧姆极化内阻R0和电芯充分极化后的等效内阻R0′的串联阻值也即R＝R0+R0′，电芯充分极化后的等效总内阻R的曲线如图3所示。基于此，本申请公开了一种基于静态极化和卡尔曼滤波的SOC估算方法，该SOC估算方法的流程为：电芯在一定时间的充放电过程中会充分极化，这段过程的时长与电芯有关，通常为几分钟左右，在此极化过程中使用开路电压法估算SOC初始值，基于SOC初始值利用安时积分法得到电芯的SOC估算值。待电芯极化完成后，可以通过时间达到预设的时长来确定电芯完成极化，利用卡尔曼滤波算法对SOC估算值进行修正得到SOC修正值，同时在预设的各个电芯等效总内阻修正时刻对内阻进行更新。具体步骤如下，请参考图4所示的流程示意图：
1、根据电芯的总容量Q、t时刻的电流值I(t)以及t时刻的SOC修正值SOC(t|t)得到t+1时刻的SOC估算值SOC(t+1|t)，计算公式为：
Figure GDA0002447974540000051
其中，电芯的总容量Q和电流值I(t)是可以直接采集读取的，t时刻的SOC修正值SOC(t|t)是上一个修正循环得到的。
2、根据t+1时刻的SOC估算值SOC(t+1|t)确定t+1时刻的开路电压估算值f(SOC(t+1|t))和t+1时刻的SOC系数H(t+1)，包括：
查询第一预设映射表，确定与t+1时刻的SOC估算值SOC(t+1|t)和t+1时刻的实时温度对应的开路电压值为t+1时刻的开路电压估算值f(SOC(t+1|t))。其中，第一预设映射表包括基于温度校正的SOC值和开路电压值之间的对应关系，也即第一预设映射表是温度-SOC-OCV表，该第一预设映射表是预先通过实验获得的。
确定t+1时刻的开路电压估算值f(SOC(t+1|t))与t+1时刻的SOC估算值SOC(t+1|t)的比值为t+1时刻的SOC系数H(t+1)，也即SOC系数H(t+1)是函数f()中变量SOC的分段线性系数。
3、根据t+1时刻的开路电压估算值f(SOC(t+1|t))、t时刻的电流值I(t)和t时刻对应的电芯等效总内阻R(t)确定t+1时刻的闭路电压估算值VC(t+1)，计算公式为：
VC(t+1)＝f(SOC(t+1|t))+I(t)*R(t)；
4、读取传感器测量的闭路电压实测值VS(t+1)，计算t+1时刻的电压预测误差ΔV(t+1)为：
ΔV(t+1)＝VC(t+1)-VS(t+1)
5、根据t时刻的SOC估计方差的修正值P(t|t)和t+1时刻的SOC系数H(t+1)确定t+1时刻的卡尔曼增益K(t+1)，包括：
首先，根据t时刻的SOC估计方差的修正值P(t|t)按照如下计算公式计算得到t+1时刻的SOC估计方差P(t+1|t)：
P(t+1|t)＝P(t|t)+|ΔI×Δt/Q|2
其中，ΔI是电流采集误差值，Δt是t+1时刻和t时刻的时间差，t时刻的SOC估计方差的修正值P(t|t)是上一个修正循环中得到的。
然后，根据t+1时刻的SOC估计方差P(t+1|t)和t+1时刻的SOC系数H(t+1)按照如下计算公式计算得到t+1时刻的卡尔曼增益K(t+1)：
K(t+1)＝(P(t+1|t)*H(t+1))/(H2(t+1)*P(t+1|t)+M(t+1))
其中，M(t+1)是t+1时刻对应的测量方差值，可以通过传感器电压测量误差的平方计算得到，传感器电压测量误差可以从传感器的铭牌读取。
6、根据t+1时刻的SOC估算值SOC(t+1|t)、t+1时刻的电压预测误差ΔV(t+1)和t+1时刻的卡尔曼增益K(t+1)确定t+1时刻的SOC修正值SOC(t+1|t+1)，计算公式为：
SOC(t+1|t+1)＝SOC(t+1|t)+K(t+1)*ΔV(t+1)
7、根据t+1时刻的卡尔曼增益K(t+1)、t+1时刻的SOC估计方差P(t+1|t)和t+1时刻的SOC系数H(t+1)确定t+1时刻的SOC估计方差的修正值P(t+1|t+1)：
P(t+1|t+1)＝(1-H(t+1)*K(t+1))*P(t+1|t)
令t＝t+1，并再次回到步骤1进行下一时刻的SOC修正，以此不断循环修正。同时，在循环修正过程中，在预设的各个电芯等效总内阻修正时刻根据电芯等效总内阻修正时刻的SOC修正值更新电芯等效总内阻，电芯等效总内阻修正时刻通常是根据电芯的等效总内阻的变化曲线选取的若干个点，如图3可以看出，电芯的等效总内阻在某些区间变化较大，在某些区间变化较小，因此可以在等效总内阻变化较大的区间较多的选取电芯等效总内阻修正时刻。在每个电芯等效总内阻修正时刻进行等效总内阻更新的步骤如下：
(1)获取该电芯等效总内阻修正时刻的实时电压值V(SOC,T)和实时电流值I(SOC,T)，按照如下公式计算得到该电芯等效总内阻修正时刻的实时计算内阻R1(SOC,T)：
R1(SOC,T)＝V(SOC,T)/I(SOC,T)
(2)查询第二预设映射表，确定与该电芯等效总内阻修正时刻的SOC修正值和实时温度对应的等效总内阻为该电芯等效总内阻修正时刻的实时查表内阻R2(SOC,T)。其中，第二预设映射表包括基于温度校正的SOC值和等效总内阻之间的对应关系，也即第二预设映射表是温度-SOC-等效总内阻表，该第二预设映射表是预先通过实验获得的。
(3)根据电芯等效总内阻修正时刻的实时计算内阻R1(SOC,T)和实时查表内阻R2(SOC,T)确定更新后的电芯等效总内阻R(SOC,T)，计算公式为：
R(SOC,T)＝C1·R1(SOC,T)+C2·R2(SOC,T)
其中，C1和C2是参数，通常为经验值，C1>0，C2>0且C1+C2＝1。
以上所述的仅是本申请的优选实施方式，本发明不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本发明的保护范围之内。

Claims (8)

1.一种基于静态极化和卡尔曼滤波的SOC估算方法，其特征在于，所述SOC估算方法包括：
在电芯的极化过程中使用开路电压法估算SOC初始值，基于所述SOC初始值利用安时积分法得到所述电芯的SOC估算值，并在所述电芯充分极化完成后，利用卡尔曼滤波算法对所述SOC估算值进行修正得到SOC修正值，包括：
根据所述电芯的总容量、t+1时刻的电流值以及t时刻的SOC修正值得到t+1时刻的SOC估算值；
根据所述t+1时刻的SOC估算值确定t时刻的开路电压估算值和t+1时刻的SOC系数；
根据所述t+1时刻的开路电压估算值、t时刻的电流值和t时刻对应的电芯等效总内阻确定t+1时刻的闭路电压估算值，并根据t+1时刻的闭路电压实测值和所述t+1时刻的闭路电压估算值得到t+1时刻的电压预测误差，所述电芯等效总内阻的阻值为所述电芯的欧姆极化内阻和电芯充分极化后的等效内阻的串联阻值；
根据t时刻的SOC估计方差的修正值和所述t+1时刻的SOC系数确定t+1时刻的卡尔曼增益；
根据t+1时刻的SOC估算值、电压预测误差和卡尔曼增益确定t+1时刻的SOC修正值；
根据所述t+1时刻的卡尔曼增益、所述t时刻的SOC估计方差的修正值和所述t+1时刻的SOC系数确定t+1时刻的SOC估计方差的修正值，令t＝t+1，并再次执行所述根据所述电芯的总容量、t时刻的电流值以及t时刻的SOC修正值得到t+1时刻的SOC估算值的步骤进行循环修正，且在循环修正过程中，在预设的各个电芯等效总内阻修正时刻根据所述电芯等效总内阻修正时刻的SOC修正值更新所述电芯等效总内阻。
2.根据权利要求1所述的SOC估算方法，其特征在于，所述根据所述电芯等效总内阻修正时刻的SOC修正值更新所述电芯等效总内阻，包括：
获取所述电芯等效总内阻修正时刻的实时电压值和实时电流值，根据所述实时电压值和实时电流值按照公式R1(SOC,T)＝V(SOC,T)/I(SOC,T)计算得到所述电芯等效总内阻修正时刻的实时计算内阻，其中R1(SOC,T)是所述电芯等效总内阻修正时刻的实时计算内阻，V(SOC,T)是所述电芯等效总内阻修正时刻的实时电压值，I(SOC,T)是所述电芯等效总内阻修正时刻的实时电流值；
根据第二预设映射表确定与所述电芯等效总内阻修正时刻的SOC修正值和实时温度对应的所述电芯等效总内阻修正时刻的实时查表内阻，所述第二预设映射表包括基于温度校正的SOC值和等效总内阻之间的对应关系；
根据所述电芯等效总内阻修正时刻的实时计算内阻和实时查表内阻确定更新后的所述电芯等效总内阻为R(SOC,T)＝C1·R1(SOC,T)+C2·R2(SOC,T)，其中，R2(SOC,T)是所述电芯等效总内阻修正时刻的实时查表内阻，C1和C2是参数，C1>0，C2>0且C1+C2＝1。
3.根据权利要求1所述的SOC估算方法，其特征在于，所述根据t+1时刻的SOC估算值、电压预测误差和卡尔曼增益确定t+1时刻的SOC修正值，包括按照如下公式确定所述t+1时刻的SOC修正值：
SOC(t+1|t+1)＝SOC(t+1|t)+K(t+1)*ΔV(t+1)；
其中，SOC(t+1|t+1)是所述t+1时刻的SOC修正值，SOC(t+1|t)是所述t+1时刻的SOC估算值，K(t+1)是t+1时刻的卡尔曼增益，ΔV(t+1)是t+1时刻的电压预测误差。
4.根据权利要求1-3任一所述的SOC估算方法，其特征在于，所述根据所述t+1时刻的SOC估算值确定t+1时刻的开路电压估算值，并确定t+1时刻的SOC系数，包括：
根据第一预设映射表确定与所述t+1时刻的SOC估算值和t+1时刻的实时温度对应的开路电压值为所述t+1时刻的开路电压估算值，所述第一预设映射表包括基于温度校正的SOC值和开路电压值之间的对应关系；
确定所述t+1时刻的开路电压估算值与所述t+1时刻的SOC估算值的比值为所述t+1时刻的SOC系数。
5.根据权利要求1-3任一所述的SOC估算方法，其特征在于，所述根据所述t+1时刻的开路电压估算值、t时刻的电流值和t时刻对应的电芯等效总内阻确定t+1时刻的闭路电压估算值，包括按照如下公式计算所述t+1时刻的闭路电压估算值：
VC(t+1)＝f(SOC(t+1|t))+I(t)*R(t)；
其中，VC(t+1)是所述t+1时刻的闭路电压估算值，SOC(t+1|t)是所述t+1时刻的SOC估算值，f(SOC(t+1|t))是所述t+1时刻的开路电压估算值，I(t)是所述t时刻的电流值，R(t)是所述t时刻对应的电芯等效总内阻。
6.根据权利要求1-3任一所述的SOC估算方法，其特征在于，所述根据t时刻的SOC估计方差的修正值和所述t+1时刻的SOC系数确定t+1时刻的卡尔曼增益，包括：
按照公式P(t+1|t)＝P(t|t)+|ΔI×Δt/Q|2根据所述t时刻的SOC估计方差的修正值计算t+1时刻的SOC估计方差，其中，P(t+1|t)表示所述t+1时刻的SOC估计方差，P(t|t)是所述t时刻的SOC估计方差的修正值，ΔI是电流采集误差值，Δt是t+1时刻和t时刻的时间差，Q是所述电芯的总容量；
按照公式K(t+1)＝(P(t+1|t)*H(t+1))/(H2(t+1)*P(t+1|t)+M(t+1))根据所述t+1时刻的SOC估计方差和所述t+1时刻的SOC系数确定t+1时刻的卡尔曼增益，其中，K(t+1)是所述t+1时刻的卡尔曼增益，H(t+1)是所述t+1时刻的SOC系数，M(t+1)是t+1时刻对应的测量方差值。
7.根据权利要求1-3任一所述的SOC估算方法，其特征在于，所述根据所述t+1时刻的卡尔曼增益、所述t时刻的SOC估计方差的修正值和所述t+1时刻的SOC系数确定t+1时刻的SOC估计方差的修正值，包括：
按照公式P(t+1|t)＝P(t|t)+|ΔI×Δt/Q|2根据所述t时刻的SOC估计方差的修正值计算t+1时刻的SOC估计方差，其中，P(t+1|t)表示所述t+1时刻的SOC估计方差，P(t|t)是所述t时刻的SOC估计方差的修正值，ΔI是电流采集误差值，Δt是t+1时刻和t时刻的时间差，Q是所述电芯的总容量；
按照公式P(t+1|t+1)＝(1-H(t+1)*K(t+1))*P(t+1|t)根据所述t+1时刻的SOC估计方差、所述t+1时刻的卡尔曼增益和所述t+1时刻的SOC系数计算所述t+1时刻的SOC估计方差的修正值，其中，P(t+1|t+1)是所述t+1时刻的SOC估计方差的修正值，K(t+1)是所述t+1时刻的卡尔曼增益，H(t+1)是所述t+1时刻的SOC系数。
8.根据权利要求1-3任一所述的SOC估算方法，其特征在于，所述根据所述电芯的总容量、t时刻的电流值以及t时刻的SOC修正值得到t+1时刻的SOC估算值，包括：
Figure FDA0002447974530000031
其中，SOC(t+1|t)是所述t+1时刻的SOC估算值，SOC(t|t)是所述t时刻的SOC修正值，I(t)是所述t时刻的电流值，Q是所述电芯的总容量。
CN201910902538.4A 2019-09-24 2019-09-24 一种基于静态极化和卡尔曼滤波的soc估算方法 Active CN110609236B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910902538.4A CN110609236B (zh) 2019-09-24 2019-09-24 一种基于静态极化和卡尔曼滤波的soc估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910902538.4A CN110609236B (zh) 2019-09-24 2019-09-24 一种基于静态极化和卡尔曼滤波的soc估算方法

Publications (2)

Publication Number Publication Date
CN110609236A CN110609236A (zh) 2019-12-24
CN110609236B true CN110609236B (zh) 2020-06-19

Family

ID=68892021

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910902538.4A Active CN110609236B (zh) 2019-09-24 2019-09-24 一种基于静态极化和卡尔曼滤波的soc估算方法

Country Status (1)

Country Link
CN (1) CN110609236B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109061496A (zh) * 2018-08-10 2018-12-21 安徽力高新能源技术有限公司 一种利用扩展卡尔曼滤波算法估算锂电池soc的方法
CN109669134A (zh) * 2019-02-27 2019-04-23 浙江科技学院 一种基于卡尔曼滤波法的soc的估算方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109061496A (zh) * 2018-08-10 2018-12-21 安徽力高新能源技术有限公司 一种利用扩展卡尔曼滤波算法估算锂电池soc的方法
CN109669134A (zh) * 2019-02-27 2019-04-23 浙江科技学院 一种基于卡尔曼滤波法的soc的估算方法

Also Published As

Publication number Publication date
CN110609236A (zh) 2019-12-24

Similar Documents

Publication Publication Date Title
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
CN112946499B (zh) 基于机器学习的锂电池健康状态及荷电状态联合估算方法
US10126369B2 (en) Secondary battery capacity measurement system and secondary battery capacity measurement method
CN105353313B (zh) 电池荷电状态的估算方法和装置
CN107368619B (zh) 一种扩展卡尔曼滤波soc估算方法
CN107991623A (zh) 一种考虑温度和老化程度的电池安时积分soc估计方法
CN108732503A (zh) 一种电池健康状态与电池容量检测方法及装置
CN107064805A (zh) 蓄电池容量测量系统和蓄电池容量测量方法
CN109541485A (zh) 一种动力电池的soc估算方法
CN114545265B (zh) 基于电化学模型的电池荷电状态的估算方法及装置
CN109633479A (zh) 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法
CN107402355A (zh) 一种充电时间预估方法
CN110441702B (zh) 一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法
CN108693483A (zh) 一种电池包荷电状态的计算方法及系统
CN110716146A (zh) 一种动力电池开路电压的估计方法
CN110596604A (zh) 一种基于安时积分法的锂电池soc估计方法
CN110716141B (zh) 一种基于扩展卡尔曼滤波的电池荷电状态估计方法
CN113900027B (zh) 电池soc估算方法、装置以及控制单元和计算机可读存储介质
CN112305426A (zh) 一种多约束条件下的锂离子电池功率状态估计系统
CN110873842A (zh) 电源系统
CN112666475B (zh) 一种电动车的电池组的荷电状态估算方法
CN113466728A (zh) 一种两阶段电池模型参数在线辨识的方法与系统
CN112986828A (zh) 预估电池健康度的方法
CN110609236B (zh) 一种基于静态极化和卡尔曼滤波的soc估算方法
CN109669138A (zh) 一种精准测定动力铅蓄电池剩余容量的方法

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
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: No.59-10 xiuxi Road, Wuxi City, Jiangsu Province, 214125

Patentee after: Wuxi Lingbo Electronic Technology Co.,Ltd.

Address before: No.59-10 xiuxi Road, Wuxi City, Jiangsu Province, 214125

Patentee before: WUXI LINGBO ELECTRONIC TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder