CN110687462A - 一种动力电池soc与容量全生命周期联合估计方法 - Google Patents

Abstract

本发明提供了一种动力电池SOC与容量全生命周期联合估计方法，其采用实时采集的电池系统老化数据，基于模型提取多个老化阶段下的温变参数，建立含有多个老化阶段信息的电池模型，配合滤波器算法分别实施SOC估计，并利用不同老化状态对应的权值，以此融合计算出当前时刻的荷电状态SOC和容量，融合结果是基于多模型端电压信息匹配的结果，因而能够准确有效的获取不同温度、不同老化状态下的电池系统的荷电状态SOC和容量。

Description

一种动力电池SOC与容量全生命周期联合估计方法

技术领域

本发明涉及动力电池管理技术领域，尤其涉及一种基于数据融合对动力电池系统的荷电状态与容量实现全生命周期的联合估计的方法。

背景技术

由于电池可测量值有限，许多参数无法直接获取，因此对于诸如荷电状态SOC与容量等常通过估计的方式来获得。目前主流的SOC估计方法是以安时积分为核心结合开路电压校正，采用定义方法进行容量的估计，估计误差受SOC精度影响往往大于5％，无法满足纯电动汽车的使用要求。

虽然采用滤波器反馈修正的方法能够提高安时积分法的估计精度，但由于SOC和容量存在明显的耦合关系，仅估计两者中任何单一状态量存在片面性，因此需要进行二者的联合协同估计。目前SOC-容量联合估计方法中大多采用SOC-容量-OCV三维响应面结合双滤波器实施，但该三维响应面受温度工况影响，曲面会随老化发生变化，稳定性较差；虽然利用该三维响应结合相关优化算法可以实现容量的有效定位，但受限于优化算法的实时性，该方法在车载控制器中应用前景较为渺茫。

对于估计结果来说，现有动力电池等效模型存在适应性差的问题，即单个电池模型较难实现全生命周期的电池模拟，并且在宽温度区间还会出现SOC估计不准的情况，即由于模型失效导致SOC估计不准确，故在估计效率提升上也面临着诸多困难。本发明能够结合多个老化状态下的参数，通过计算当前模型与测试数据拟合误差，实现了待测电池的有效定位，并利用含温度输入的模型，实现了老化、温度的解耦计算，保证了动力电池全生命周期、全温度范围的准确估计。

发明内容

为解决上述本领域中所存在的技术问题，本发明提供了一种动力电池SOC与容量全生命周期联合估计方法，基于数据融合的方式来实现，所述方法具体包括以下步骤：

步骤一、在所述动力电池充放电过程中，以采样时间△t为间隔对动力电池的端电压U_t、充放电电流I以及表面温度数据进行采样；

步骤二、建立所述动力电池在多个不同老化状态下的宽温度的系统模型以及所述系统模型对应的离散方程；所述的不同老化状态r可以为真实容量是额定容量的100％、95％、90％、85％、80％时的状态。

步骤三、基于某个老化状态下的模型参数，采用滤波器算法估计所述当前动力电池系统的SOC；

步骤四、根据当前电池实时数据计算各老化模型预测的权值；

步骤五、基于各老化状态下得到的SOC与权值，对当前电池系统的实时SOC与容量进行融合计算。

进一步地，所建立的动力电池系统模型采用戴维南模型，得到对应的离散方程为：

其中，

C_p,k为所述动力电池系统在k时刻的极化电容；

R_p,k为所述动力电池系统在k时刻的极化电阻；

R_0,k为所述动力电池系统在k时刻的欧姆内阻；

I_k为所述动力电池系统在k时刻的电流；

U_ocv,k为所述动力电池系统在k时刻的开路电压；

U_p,k为所述动力电池系统在k时刻的极化电压；

U_t,k为所述动力电池系统在k时刻的端电压。

进一步地，第r个老化状态下的模型参数由下式表示：

T_k为所述电池系统在k时刻的表面温度；

z_k为所述电池系统在k时刻的荷电状态；

n、f、h、i分别表示阶次，取值为5；

系数矩阵

以及其中a，b，c，d为每个系数矩阵的中的元素值，可通过线性回归的方法获得；m、g、j分别取值为6，l取值为8。

进一步地，所述步骤三具体包括：

基于第r个老化状态下的模型参数估计当前动力电池系统的SOC；

其中，

D_k，r＝-R_0.k，r，

x_k,r＝[U_p,k,r z_k,r]^T为基于第r老化阶段下模型参数计算出的动力电池系统k时刻的状态向量；u_k为动力电池系统在k时刻的输入向量；ω_k为动力电池系统在k时刻的过程噪声；v_k为动力电池系统在k时刻的量测噪声；y_k为动力电池系统模型在k时刻的输出值；C_a为动力电池系统的最大可用容量；η为动力电池系统的库伦效率系数；

采用通用滤波器算法结合老化状态r下的模型参数，对所述系统的SOC和端电压进行估计，得到SOC在k时刻的估计值

及端电压估计值

其中r＝1…n。

进一步地，各老化状态下得到的SOC与权值通过以下方式计算：

其中

L表示窗口长度，优选为190。

进一步地，通过以下方式对当前电池系统的实时SOC与容量进行融合计算：

通过上述本发明所提供的方法进行估计电池系统的荷电状态SOC和容量时，采用实时采集的电池系统老化数据，基于模型提取多个老化阶段下的温变参数，建立含有多个老化阶段信息的电池模型，配合滤波算法分别实施SOC估计，并利用本发明提出的权值计算方法确定每个模型对应的权值，以此融合计算出当前时刻的荷电状态SOC和容量，融合结果是基于多模型端电压信息匹配的结果，能够准确有效的获取不同温度、不同老化状态下的电池系统的荷电状态SOC和容量。

附图说明

图1为本发明所提供方法的原理示意图；

图2为一优选实施例中动力电池系统的等效电路模型图；

图3为某老化状态下40℃时电池系统循环工况测试结果；

图4为某老化状态下10℃时电池系统循环工况测试结果；

图5为100次老化状态下，通过执行本发明提供的方法所得到的估计结果；

图6为400次老化状态下，通过执行本发明提供的方法所得到的估计结果。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1至图6对电池系统荷电状态和容量的估计方法进行详细说明。如图1所示，首先依据实验室测试数据分别建立n个老化阶段下考虑温度变化的电池模型，采用EKF滤波器结合n个电池模型以及当前实时测量的电池电流、电压、温度数据，计算电池系统的荷电状态SOC，利用滤波器的时间更新和量测更新实现SOC的最优估计，输出n个SOC估计结果，利用移动窗口实时统计L数据长度内电池端电压拟合误差，计算误差的均值及方差，结合自适应权值计算方法获取每个模型对应的权值，对n个SOC估计结果进行加权融合。利用每个老化状态的容量信息，加权计算当前电池的容量，实现对电池系统容量的更新。

依次执行以下本发明所提供的方法各步骤：

步骤一、在所述动力电池充放电过程中，以采样时间△t为间隔对动力电池的端电压U_t、充放电电流I以及表面温度数据进行采样；

步骤二、建立所述动力电池在多个不同老化状态下的宽温度的系统模型以及所述系统模型对应的离散方程；

步骤三、基于某个老化状态下的模型参数，采用滤波器或观测器估计所述当前动力电池系统的SOC；

步骤四、根据当前电池实时数据计算各老化模型预测的权值；

步骤五、基于各老化状态下得到的SOC与权值，对当前电池系统的实时SOC与容量进行融合计算。

在本发明的一实例中，以额定电压为3.7V，额定容量为25Ah的三元材料锂离子动力电池为实验对象，采用动态压力工况进行测试，实时测量记录电池在不同环境温度下的端电压、电流、温度数据，记录周期为1秒，如图3(a)-(c)所示，利用安时积分可以计算出该工况过程中的SOC实时变化曲线，如图3(d)所示。

根据电池老化测试数据，对不同温度下5个老化阶段的电池模型参数进行辨识，确定模型参数矩阵A_c，B_c，C_c，D_c，从而建立5个温变的电池模型。然后利用扩展卡尔曼滤波器并行仿真计算当前电池的荷电状态SOC和模型跟踪误差，并统计窗口长度内电压跟踪误差的均值和方差，用于计算各模型权值w_r,k。基于公式

完成不同老化参数模型的SOC估计结果的相互融合。

图5为基于100次老循环数据，融合算法估计出的电池系统荷电状态SOC和容量估计结果，其中(a)为40℃下SOC估计结果及误差；(b)为40℃下容量估计结果及误差；其中(c)为25℃下SOC估计结果及误差；(d)为25℃下容量估计结果及误差。仿真结果表明，40℃下SOC最大估计误差在1％以内，误差的均方根值为0.41％。容量估计误差在2％以内。25℃下SOC最大估计误差在1％以内，误差的均方根值为0.37％。容量估计误差在3％左右。

图6为400次老化状态下，融合算法估计出的电池系统荷电状态SOC和容量估计结果。其中(a)为25℃下SOC估计结果及误差；(b)为25℃下容量估计结果及误差；其中(c)为10℃下SOC估计结果及误差；(d)为10℃下容量估计结果及误差。仿真结果表明，25℃下SOC最大估计误差在1％以内，误差的均方根值为0.35％。容量的估计误差在3％以内。10℃下SOC最大估计误差在2％以内，误差的均方根值为0.31％。容量的估计误差在4％左右。尽管在低SOC区间容量的估计误差有所增大，但是在实际使用时可通过适当的策略对容量估计结果进行取舍。

由此可见，当获取多个时刻的电池系统的电流、电压、温度数据后，由含有不同参数的五个电池模型计算出当前时刻的SOC和容量预测值，以及每个模型的权值，进而融合计算出当前电池系统的荷电状态SOC和容量。由于电池模型参数考虑了不同温度和不同老化状态，因此在任意老化状态和给定温度区间下都能较好的实现模型的融合，从而获得较为准确的SOC和容量估计值，克服了现有技术中存在的诸多缺陷。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种动力电池SOC与容量全生命周期联合估计方法，其特征在于：方法具体包括以下步骤：

步骤一、在所述动力电池充放电过程中，以采样时间△t为间隔对动力电池的端电压U_t、充放电电流I以及表面温度数据进行采样；

步骤二、建立所述动力电池在多个不同老化状态下、宽温度区间的系统模型以及所述系统模型对应的离散方程；

步骤三、基于某个老化状态下的模型参数，采用滤波器算法估计所述当前动力电池系统的SOC；

步骤四、根据当前电池实时数据计算各老化模型预测的权值；

步骤五、基于各老化状态下得到的SOC与权值，对当前电池系统的实时SOC与容量进行融合计算。

2.如权利要求1所述的方法，其特征在于：所建立的动力电池系统模型采用戴维南模型，得到对应的离散方程为：

其中，

C_p,k为所述动力电池系统在k时刻的极化电容；

R_p,k为所述动力电池系统在k时刻的极化电阻；

R_0,k为所述动力电池系统在k时刻的欧姆内阻；

I_k为所述动力电池系统在k时刻的电流；

U_ocv,k为所述动力电池系统在k时刻的开路电压；

U_p,k为所述动力电池系统在k时刻的极化电压；

U_t,k为所述动力电池系统在k时刻的端电压。

3.如权利要求2所述的方法，其特征在于：第r个老化状态下的模型参数由下式表示：

T_k为所述电池系统在k时刻的表面温度；

z_k为所述电池系统在k时刻的荷电状态；

系数矩阵为：

其中a，b，c，d为每个系数矩阵的中的元素值，可通过线性回归的方法获得；n、f、h、i、m、g、j分别表示阶次。

4.如权利要求3所述的方法，其特征在于：所述步骤三具体包括：

基于第r个老化状态下的模型参数估计当前动力电池系统的SOC；

其中，

D_k，r＝-R_0，k，r，

x_k,r＝[U_p,k,r z_k,r]^T为基于第r老化阶段下模型参数计算出的动力电池系统k时刻的状态向量；u_k为动力电池系统在k时刻的输入向量；ω_k为动力电池系统在k时刻的过程噪声；v_k为动力电池系统在k时刻的量测噪声；y_k为动力电池系统模型在k时刻的输出值；C_a为动力电池系统的最大可用容量；η为动力电池系统的库伦效率系数；

采用通用滤波器算法结合老化状态r下的模型参数，对所述系统的SOC和端电压进行估计，得到SOC在k时刻的估计值

及端电压估计值

其中r＝1…n。

5.如权利要求4所述的方法，其特征在于：各老化状态下得到的SOC与权值通过以下方式计算：

其中

L表示窗口长度。

6.如权利要求5所述的方法，其特征在于：

通过以下方式对当前电池系统的实时SOC与容量进行融合计算：

Images