CN111983471A - 一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 - Google Patents
一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 Download PDFInfo
- Publication number
- CN111983471A CN111983471A CN202010857342.0A CN202010857342A CN111983471A CN 111983471 A CN111983471 A CN 111983471A CN 202010857342 A CN202010857342 A CN 202010857342A CN 111983471 A CN111983471 A CN 111983471A
- Authority
- CN
- China
- Prior art keywords
- battery
- safety
- value
- moment
- 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.)
- Granted
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]
- G01R31/367—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
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage 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)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置,属于电池安全度估算技术领域。本发明为了解决现有技术无法对动力电池的安全性进行量化表示和评估的问题。本发明构建电池的等效模型;采集电池的负载电流、负载电压,经所述等效模型得到极化电压和等效模型的开路电压,经卡尔曼滤波得到SOC百分比最大值和最优电压;采集电池温度,温度经卡尔曼滤波得到温度估计值;所述最优电池SOC、最优电压和温度估计值经模糊控制生成电池安全度。本发明结合电池的相关因素,对电池的实时安全度进行量化并且准确的估算。
Description
技术领域
本发明涉及安全度估算领域,特别是涉及一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置。
背景技术
电动汽车在中国正处于快速发展新阶段,电动汽车的发展带动了动力电池产业的发展。然而,近几年电池自燃、爆炸等事故频发,人们越来越关注新能源汽车电池系统的安全性。一旦电池达到了某种临界条件,例如过电压,过温度,低寿命,如不及时采取相应的安全防范措施,电池热失控势必导致安全性事故。
电池的安全性事故来自热失控,而导致热失控的诱因主要有两种,一是机械电气诱因(针刺、碰撞等事故导致),二是电化学诱因(过充、快充、自发性短路等),电池单体热失控之后传递给相邻单体,随后大面积蔓延,最终导致安全事故的发生。而热失控的发展也存在一定的阶段性,据相关的资料显示,SEI膜分解的初始温度大概是100摄氏度-130摄氏度,也把这个温度视为一连串热失控温度的起点,而温度达到300摄氏度时,电池的温度将会出现剧烈的提升,如果不采取相应的安全措施,毫无疑问,电池在达到温度顶峰时,会对使用者造成不可挽回的损失。因此,准确实时的量化出一个锂离子动力电池的安全度,这对于预防电池事故发生、保障使用者生命安全具有重要作用。
发明内容
为了解决上述问题,本发明提供了一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置,根据锂离子动力电池在使用过程中影响异常故障发生的关键因素,采用双卡尔曼滤波的方法进行状态估计,从而确定电池的当前安全度。
本发明一方面提供了一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法,包括如下步骤:
S1、构建电池的等效模型,所述等效模型包括极化部分、电池内阻、电池内部电动势和电池输出电压;
S2、采集电池的负载电流、负载电压,经所述等效模型得到极化电压和等效模型的开路电压,经卡尔曼滤波得到SOC百分比最大值和最优电压;
S3、采集电池温度,温度经卡尔曼滤波得到温度估计值;
S4、所述最优电池SOC、最优电压和温度估计值经模糊控制生成电池安全度。
进一步的,所述等效电路模型为:
其中,Up为极化电压,I为负载电流,E为电池电路模型的开路电压,U为终端电压,R0为锂电池内阻,R1和C1分别为锂电池使用过程中的极化电阻和极化电容。
进一步的,步骤S2所述经卡尔曼滤波得到最优电池SOC和最优电压的方法包括如下步骤:
S21、根据开路电压建立电池SOC关系,进而得到k+1时刻的电池SOC值;
其中,SOC(k0)为初始SOC,η为锂电池受到温度、放电速率影响的修正因数,QN为锂电池的额定容量;
S22、采集的电流I(k)根据下式k+1时刻的电压预测值:
X(k+1)=A·X(k)+B·I(k)+w(k);
其中,k为测量的离散时间点,X(k)为k时刻测量状态的最优估值,X(k+1)为k+1时刻测量状态的预测值,I(k)为电池电流,为系统的控制向量,w(k)为系统的过程噪声,A为状态矩阵,B为控制矩阵;
S23、根据下式得到k+1时刻的测量电压值:
Z(k+1)=U(k+1)=E[(k+1)]-UP(k+1)-R0[I(k+1)]+vk+1
其中,Z(k+1)为传感器k+1时刻测量得出的测量值,v(k+1)为系统k+1时刻的观测噪声,H为观测矩阵。
S24、根据步骤S23所述k+1时刻的电压值与k+1时刻测量的电压值得到k+1时刻的估计误差,具体为:
P(k+1|k)=A·P(k|k)·AT+Q;
其中,P(k+1|k)为k+1时刻误差估计协方差阵;Q为过程噪声w(k)的协方差;
S25、根据下式计算k+1时刻的卡尔曼增益Kg(k+1):
S26、根据X(k+1|k+1)=X(k+1|k)+Kg(k+1)(Z(k+1)-H·X(k+1|k))更新k+1时刻的电压估计值,进而得到修正的k+1时刻的电池SOC估计值,并根据P(k+1|k+1)=(I-Kg(k+1)·H)·P(k+1|k)更新k+1时刻的误差;
S27、将所述修正的到k+1时刻的电池SOC估计值作为步骤S21的SOC初始值,并重复步骤S21-S26,得到最优SOC和最优电压值;
S28、将单次充电最大SOC值与电池额定容量比较,得出当前电池状态的SOC老化程度,用百分比表示,即为SOC百分比最大值。
进一步的,步骤S3所述温度经卡尔曼滤波得到温度估计值的具体步骤包括:
S31、根据预设的温度初始值得到k-1时刻的温度估计值;
X(k+1)=A1·X(k)+w(k)
Z(k)=H1·X(k)+v(k)
S32、根据k-1时刻的温度估计值得到k时刻的温度估计值,具体为:
S33、通过下式计算k时刻温度测量值:
Z(k)=H1·X(k)+v1(k):
S34、根据下式计算卡尔曼增益:
S35、结合所述步骤S33所述的k时刻温度测量值和步骤S34所述的卡尔曼增益,根据下式得到k时刻优化的温度,并输出;
S36,所述k时刻优化温度值最优值作为步骤S31中所述的温度初始值,重复进行步骤S31-S35,得到最优温度估计值。
进一步的,所述基于双卡尔曼滤波的锂离子动力电池安全度估算方法包括建立安全度对照表,所述安全度对照表由若干安全区间构成,安全区间对应当前时刻的电池安全情况;将得到的安全度数值与所述安全区间匹配,得到当前时刻的电池安全情况。
本发明另一方面提供了一种基于双卡尔曼滤波的锂离子动力电池安全度估算装置,包括:
估算模块,用以根据本发明第一方面所述的基于双卡尔曼滤波的锂离子动力电池安全度估算方法估算电池当前状态的安全度;
显示模块,用以显示电池当前状态下的安全度信息。
进一步的,所述一种基于双卡尔曼滤波的锂离子动力电池安全度估算装置包括区间匹配模块,用以建立安全度对照表,所述安全度对照表由若干安全区间构成,安全区间对应当前时刻的电池安全情况;将估算模块得到的安全度数值与所述安全区间匹配,得到当前时刻的电池安全情况。
本申请与现有技术相比,具有如下有益效果:
1、本申请根据锂离子动力电池在使用过程中影响异常故障发生的关键因素,结合双卡尔曼滤波得到最优电池SOC、电压以及温度,通过模糊控制实时输出了电池使用过程中量化的安全程度示。
2、本发明所述方法的无需进行样本训练,算法的计算量小且更加快速,对于电池系统的噪声干扰具有一定的鲁棒性,可方便更新计算结果,适用于锂离子电池安全度的在线估算。
3、采用扩展卡尔曼滤波方法计算电池的SOC,解决了线性卡尔曼滤波方法在电池的非线性系统中的局限性,以及一般的扩展卡尔曼滤波算法由于采样噪声的不确定引起的系统不稳定,发散现象,实现了电池SOC的优化。
4、使用了双卡尔曼滤波算法同时对所需参量进行估算,再通过模糊控制将其融合归一化为电池安全度,降低了传统数据采集测量方法的不准确性,且使安全度预测方法更加规范合理。
5、本方法适用于各种电池的安全度估算,适用性广且硬件电路易实现,应用场合较多。
附图说明
图1为本发明具体实施例的电池安全度估算方法的整体流程示意图;
图2为本发明具体实施力度的等效电路模型示意图;
图3为本发明具体实施例的对电压与SOC的卡尔曼滤波估算方法流程图;
图4为本发明具体实施例的对电池温度的卡尔曼滤波估算方法流程图;
图5为本发明具体实施例的模糊控制原理图;
图6为本发明具体实施例的电压、SOC与电池安全度的模糊控制关系图;
图7为本发明具体实施例的温度、SOC与电池安全度的模糊控制关系图;
图8为本发明具体实施例的温度、SOC与电压值综合判断得出电池安全度的模糊规则图;
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
电池的安全性指电池在使用过程中不燃烧、不爆炸、不产生有毒有害气体、不会对使用者造成伤害,为了预防电池事故发生、保障使用者生命安全具,本实施例综合各方面的因素,定量地描述其在使用过程中的安全程度称为电池安全度。
如图1所示,本发明一方面提供了一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法,包括如下步骤:
S1、构建电池的等效模型,所述等效模型包括极化部分、电池内阻、电池内部电动势和电池输出电压;
本实施例所述电池为所述锂离子动力电池包括磷酸铁锂电池、钴酸锂电池或锰酸锂电池;所述锂离子动力电池形状包括方形、圆柱形、软包方形和塑壳方形;目前研究中应用的电池的等效模型有很多,常见的包括Rint模型,Thevenin模型,RC模型,PNGV模型和DP模型等。为了使电池SOC状态估计能够准确地适应环境温度变化的影响,本申请建立带有温度补偿的Thevenin等效电路模型,如图2所示,图中,R0为锂电池内阻,R1,C1分别为锂电池使用过程中的极化电阻和极化电容,E为锂电池内部电动势,U为锂电池输出电压。电路模型的关系式如下:
其中:其中,Up为极化电压,I为负载电流,E为电池电路模型的开路电压,U为终端电压,R0为锂电池内阻,R1和C1分别为锂电池使用过程中的极化电阻和极化电容。
S2、采集电池的负载电流、负载电压,经所述等效模型得到极化电压和等效模型的开路电压,经卡尔曼滤波得到SOC百分比最大值和最优电压;
卡尔曼滤波器是指当系统为线性高斯模型时,滤波器能给出最优的估计,但是实际系统总是存在不同程度的非线性,如平方、三角关系、开方等。锂离子动力电池是一种复杂的非线性系统,对电池的SOC等参量进行预估,需要采用的一种方法是通过线性化方法将电池的非线性系统转换为近似的线性系统,即为扩展卡尔曼滤波算法,其核心思想是围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上项,得到一个近似的线性化模型,然后应用卡尔曼滤波完成状态估计,具体包括如下步骤:
S21、根据开路电压建立电池SOC关系,进而得到k+1时刻的电池SOC值;
其中,SOC(k0)为初始SOC,η为锂电池受到温度、放电速率影响的修正因数,QN为锂电池的额定容量;
S22、采集的电流I(k)根据下式k+1时刻的电压预测值;
本实施例的状态方程为:
X(k+1)=A·X(k)+B·I(k)+w(k);
其中,k为测量的离散时间点,X(k)为k时刻电池的状态参量最优估值,X(k+1)为k+1时刻电池状态参量的预测值,I(k)为电池电流,为系统的控制向量,w(k)为系统的过程噪声,A为状态矩阵,B为控制矩阵。
S23、根据测量方程Z(k+1)=H·X(k+1)+v(k+1)得到k+1时刻的测量电压值,其中,Z(k+1)为传感器k+1时刻测量得出的电压测量值,v(k+1)为系统k+1时刻的观测噪声,H为观测矩阵,本实施例中的测量矩阵为:
Z(k+1)=U(k+1)=E[(k+1)]-UP(k+1)-R0[I(k+1)]+vk+1;
其中,Z(k+1)为传感器k+1时刻测量得出的测量值,v(k+1)为系统k+1时刻的观测噪声,H为观测矩阵;
S24、根据步骤S23所述k+1时刻的电压值与k+1时刻测量的电压值得到k+1时刻的估计误差,具体为:
P(k+1|k)=A·P(k|k)·AT+Q;
其中,P(k+1|k)为k+1时刻误差估计协方差阵;Q为过程噪声w(k)的协方差;
S25、根据下式计算k+1时刻的卡尔曼增益Kg(k+1):
S26、根据X(k+1|k+1)=X(k+1|k)+Kg(k+1)(Z(k+1)-H·X(k+1|k))更新k+1时刻的电压估计值,进而得到修正的k+1时刻的电池SOC估计值,并根据P(k+1|k+1)=(I-Kg(k+1)·H)·P(k+1|k)更新k+1时刻的误差;
S27、将所述修正的到k+1时刻的电池SOC估计值作为步骤S21的SOC初始值,并重复步骤S21-S26,得到最优SOC和最优电压值;
S28、将单次充电最大SOC值与电池额定容量比较,得出当前电池状态的SOC老化程度,用百分比表示,即为SOC百分比最大值。
S3、采集电池温度,温度经卡尔曼滤波得到温度估计值;
进一步的,步骤S3所述温度经卡尔曼滤波得到温度估计值的具体步骤包括:
S31、构建温度的非线性系统方程,根据预设的温度初始值得到k-1时刻的温度估计值;
S32、根据k-1时刻的温度估计值得到k时刻的温度估计值,具体为:
S33、通过下式计算k时刻温度测量值:
Z(k)=H1·X(k)+v1(k):
S34、根据下式计算卡尔曼增益:
S35、结合所述步骤S33所述的k时刻温度测量值和步骤S34所述的卡尔曼增益,根据下式得到k时刻优化的温度,并输出;
S36,所述k时刻优化温度值最优值作为步骤S31中所述的温度初始值,重复进行步骤S31-S35,得到最优温度估计值
S4、所述最优电池SOC、最优电压和温度估计值经模糊控制生成电池安全度,所述模糊控制的原理如图5所示。将输入参量SOCmax、电压值、温度估计值分别通过隶属度函数进行处理,模糊处理后各自分为L(低)、M(中)、H(高)三种等级,其中规定电池SOC最大值的安全范围为0.8~1.0,电压的安全范围为2~4.5V、温度的安全范围为-10~+80℃。图6、图7分别展示了任意两种输入参量与电池安全度估计值之间的隶属度关系。通过该三种输入参量综合判断,得出最终的电池安全度估计值,如图8所示为电池安全度判断的实例:当SOC最大值为0.937、电池电压为3.9V、电池温度为35℃,此时通过模糊控制器判断得出的电池安全度为0.863。
S5、建立安全度对照表,所述安全度对照表由若干安全区间构成,安全区间对应当前时刻的电池安全情况;将得到的安全度数值与所述安全区间匹配,得到当前时刻的电池安全情况。。
利用历史数据和专家经验的方法,建立SOC百分比、电压、温度的合适的隶属度函数关系式,通过模糊控制器的判断,可以得出目前电池的安全度信息。
本实施例中规定了SOC百分比的范围为80%-100%,当最大SOC低于额定的80%时候,视作电池发生故障,需要更换或维修。电压的正常值设定为3.5V-3.8V,当电池电压高过4V或者低于2.5V时,视为低安全度状态。正常工作温度标准设定为25度左右,当电池温度高于60度或低于0度,则视为低安全度状态。安全度的指标定义为从0-1,1表示目前电池的安全度最高,0代表目前电池处于最低安全度。
本实施例依据上述安全区间建立了电池安全程度对应表,如表1所示,表格中会细化不同安全等级下的安全度百分比,表中,第一栏为电池的安全度区间,第二栏为安全度区间对应的电池的安全程度。当电池的安全度数值位于[0.8,1]范围内时,表明此时电池的状体良好,可以继续使用,当电池的安全度数值位于[0.6,0.8)范围内时,表明此时电池状态一般,需要使用者稍加留意,当电池的安全度数值位于[0.4,0.6)范围内时,表明此时电池存在潜在危险,在使用过程中需要使用者多加注意,当电池的安全度数值位于[0.2,0.4)范围内时,此时电池已经达到危险程度,此时应停止使用并将更换电池,当电池的安全度数值位于[0,0.2)范围内时,表面电池达到严重危险程度,表明已经出现燃烧爆炸情况或极易引起燃烧和爆炸,此时应根据实际需要采取紧急处理方式将电池拆卸并妥善转移。
表1电池安全度对应表
安全度区间 | 安全程度 |
0-0.2 | 严重危险 |
0.2-0.4 | 危险 |
0.4-0.6 | 潜在危险 |
0.6-0.8 | 一般 |
0.8-1 | 良好 |
本实施例提供了一种基于双卡尔曼滤波的锂离子动力电池安全度估算装置,包括:
估算模块,用以根据本实施例所述的基于双卡尔曼滤波的锂离子动力电池安全度估算方法估算电池当前状态的安全度;
显示模块,用以实时显示电池当前状态下的安全度信息。
区间匹配模块,用以将电池的安全度划分成若干安全区间,所述安全区间对应当前时刻的电池安全情况;将估算模块得到的安全度数值与所述安全区间匹配,得到当前时刻的电池安全情况。
本实施例所述双卡尔曼滤波的锂离子动力电池安全度估算装置集成在一种电子设备中,包括处理器、存储器和显示器,存储器中存在用以实现基于双卡尔曼滤波的锂离子动力电池安全度估算方法的指令,处理器用以调用所述指令以执行本发明实施例所述的电池安全区估算方法,本实施例中的处理器可以为DSP或单片机等。
此外,上述的存储器中的指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中,即本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法,其特征在于,包括如下步骤:
S1、构建电池的等效模型,所述等效模型包括极化部分、电池内阻、电池内部电动势和电池输出电压;
S2、采集电池的负载电流、负载电压,经所述等效模型得到极化电压和等效模型的开路电压,经卡尔曼滤波得到当前电池状态中SOC百分比最大值和最优电压;
S3、采集电池温度,温度经卡尔曼滤波得到温度估计值;
S4、所述最优电池SOC、最优电压和温度估计值经模糊控制生成电池安全度。
3.根据权利要求2所述一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法,其特征在于,步骤S2所述经卡尔曼滤波得到最优电池SOC和最优电压的方法包括如下步骤:
S21、根据开路电压建立电池SOC关系,进而得到k+1时刻的电池SOC值;
其中,SOC(k0)为初始SOC,η为锂电池受到温度、放电速率影响的修正因数,QN为锂电池的额定容量;
S22、采集的电流I(k)根据下式k+1时刻的电压预测值:
X(k+1)=A·X(k)+B·I(k)+w(k);
其中,k为测量的离散时间点,X(k)为k时刻测量状态的最优估值,X(k+1)为k+1时刻测量状态的预测值,I(k)为电池电流,为系统的控制向量,w(k)为系统的过程噪声,A为状态矩阵,B为控制矩阵;
S23、根据下式得到k+1时刻的测量电压值:
Z(k+1)=U(k+1)=E[(k+1)]-UP(k+1)-R0[I(k+1)]+vk+1
其中,Z(k+1)为传感器k+1时刻测量得出的测量值,v(k+1)为系统k+1时刻的观测噪声,H为观测矩阵;
S24、根据步骤S23所述k+1时刻的电压值与k+1时刻测量的电压值得到k+1时刻的估计误差,具体为:
P(k+1|k)=A·P(k|k)·AT+Q;
其中,P(k+1|k)为k+1时刻误差估计协方差阵;Q为过程噪声w(k)的协方差;
S25、根据下式计算k+1时刻的卡尔曼增益Kg(k+1):
S26、根据X(k+1|k+1)=X(k+1|k)+Kg(k+1)(Z(k+1)-H·X(k+1|k))更新k+1时刻的电压估计值,进而得到修正的k+1时刻的电池SOC估计值,并根据P(k+1|k+1)=(I-Kg(k+1)·H)·P(k+1|k)更新k+1时刻的误差;
S27、将所述修正的到k+1时刻的电池SOC估计值作为步骤S21的SOC初始值,并重复步骤S21-S26,得到最优SOC和最优电压值;
S28、将单次充电最大SOC值与电池额定容量比较,得出当前电池状态的SOC老化程度,用百分比表示,即为SOC百分比最大值。
5.根据权利要求1所述一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法,其特征在于,步骤S3所述温度经卡尔曼滤波得到温度估计值的具体步骤包括:
S31、根据预设的温度初始值得到k-1时刻的温度估计值;
X(k+1)=A1·X(k)+w(k)
Z(k)=H1·X(k)+v(k)
S32、根据k-1时刻的温度估计值得到k时刻的温度估计值,具体为:
S33、通过下式计算k时刻温度测量值:
Z(k)=H1·X(k)+v1(k):
S34、根据下式计算卡尔曼增益:
S35、结合所述步骤S33所述的k时刻温度测量值和步骤S34所述的卡尔曼增益,根据下式得到k时刻优化的温度,并输出;
S36,所述k时刻优化温度值最优值作为步骤S31中所述的温度初始值,重复进行步骤S31-S35,得到最优温度估计值。
6.根据权利要求1所述一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法,其特征在于,所述基于双卡尔曼滤波的锂离子动力电池安全度估算方法包括建立安全度对照表,所述安全度对照表由若干安全区间构成,安全区间对应当前时刻的电池安全情况;将得到的安全度数值与所述安全区间匹配,得到当前时刻的电池安全情况。
7.一种基于双卡尔曼滤波的锂离子动力电池安全度估算装置,其特征在于,包括:
估算模块,用以根据权利要求1-6任意权利要求所述的基于双卡尔曼滤波的锂离子动力电池安全度估算方法估算电池当前状态的安全度;
显示模块,用以显示电池当前状态下的安全度信息。
8.根据权利要求7所述一种基于双卡尔曼滤波的锂离子动力电池安全度估算装置,其特征在于,所述一种基于双卡尔曼滤波的锂离子动力电池安全度估算装置包括区间匹配模块,用以建立安全度对照表,所述安全度对照表由若干安全区间构成,安全区间对应当前时刻的电池安全情况;将估算模块得到的安全度数值与所述安全区间匹配,得到当前时刻的电池安全情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010857342.0A CN111983471B (zh) | 2020-08-24 | 2020-08-24 | 一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010857342.0A CN111983471B (zh) | 2020-08-24 | 2020-08-24 | 一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111983471A true CN111983471A (zh) | 2020-11-24 |
CN111983471B CN111983471B (zh) | 2022-11-22 |
Family
ID=73442480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010857342.0A Active CN111983471B (zh) | 2020-08-24 | 2020-08-24 | 一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111983471B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281655A (zh) * | 2021-05-20 | 2021-08-20 | 中南大学 | 一种低温环境下动力电池内部加热预测控制方法及装置 |
CN115659790A (zh) * | 2022-10-13 | 2023-01-31 | 厦门宇电自动化科技有限公司 | 一种动力电池包的温度实时检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006058114A (ja) * | 2004-08-19 | 2006-03-02 | Toyota Motor Corp | 制御システムおよび推定システムならびにそれを用いた電池の残存容量推定システムおよび残存容量推定方法 |
US20100036626A1 (en) * | 2008-08-08 | 2010-02-11 | Kang Jung-Soo | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern |
CN104933264A (zh) * | 2015-07-07 | 2015-09-23 | 电子科技大学 | 一种电动汽车再生制动分配系数的确定方法 |
CN106707192A (zh) * | 2017-01-23 | 2017-05-24 | 深圳市哈威飞行科技有限公司 | 飞行器安全检测管理装置及安全控制系统 |
CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
JP2018156739A (ja) * | 2017-03-15 | 2018-10-04 | 株式会社東芝 | 電池安全性評価装置、電池制御装置、電池安全性評価方法、プログラム、制御回路及び蓄電システム |
CN108646199A (zh) * | 2018-08-23 | 2018-10-12 | 广西艾盛创制科技有限公司 | 一种动力电池soc估算方法和系统 |
CN109490790A (zh) * | 2019-01-23 | 2019-03-19 | 哈尔滨理工大学 | 采用补偿脉冲法的锂动力电池功率特性测试方法及装置 |
CN109633454A (zh) * | 2019-01-13 | 2019-04-16 | 浙江大学 | 一种实现锂离子电池等效温度在线估计的方法 |
JP2019164959A (ja) * | 2018-03-20 | 2019-09-26 | 株式会社東芝 | 電池安全性評価装置、電池安全性評価方法、プログラム、制御回路及び蓄電システム |
CN111007400A (zh) * | 2019-11-22 | 2020-04-14 | 西安工程大学 | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 |
CN111505506A (zh) * | 2020-05-15 | 2020-08-07 | 吉林大学 | 一种多尺度卡尔曼滤波与无迹卡尔曼滤波融合的电池soc估算方法 |
-
2020
- 2020-08-24 CN CN202010857342.0A patent/CN111983471B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006058114A (ja) * | 2004-08-19 | 2006-03-02 | Toyota Motor Corp | 制御システムおよび推定システムならびにそれを用いた電池の残存容量推定システムおよび残存容量推定方法 |
US20100036626A1 (en) * | 2008-08-08 | 2010-02-11 | Kang Jung-Soo | Apparatus and method for estimating state of health of battery based on battery voltage variation pattern |
CN104933264A (zh) * | 2015-07-07 | 2015-09-23 | 电子科技大学 | 一种电动汽车再生制动分配系数的确定方法 |
CN106814329A (zh) * | 2016-12-30 | 2017-06-09 | 深圳市麦澜创新科技有限公司 | 一种基于双卡尔曼滤波算法的电池soc在线估计方法 |
CN106707192A (zh) * | 2017-01-23 | 2017-05-24 | 深圳市哈威飞行科技有限公司 | 飞行器安全检测管理装置及安全控制系统 |
JP2018156739A (ja) * | 2017-03-15 | 2018-10-04 | 株式会社東芝 | 電池安全性評価装置、電池制御装置、電池安全性評価方法、プログラム、制御回路及び蓄電システム |
JP2019164959A (ja) * | 2018-03-20 | 2019-09-26 | 株式会社東芝 | 電池安全性評価装置、電池安全性評価方法、プログラム、制御回路及び蓄電システム |
CN108646199A (zh) * | 2018-08-23 | 2018-10-12 | 广西艾盛创制科技有限公司 | 一种动力电池soc估算方法和系统 |
CN109633454A (zh) * | 2019-01-13 | 2019-04-16 | 浙江大学 | 一种实现锂离子电池等效温度在线估计的方法 |
CN109490790A (zh) * | 2019-01-23 | 2019-03-19 | 哈尔滨理工大学 | 采用补偿脉冲法的锂动力电池功率特性测试方法及装置 |
CN111007400A (zh) * | 2019-11-22 | 2020-04-14 | 西安工程大学 | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 |
CN111505506A (zh) * | 2020-05-15 | 2020-08-07 | 吉林大学 | 一种多尺度卡尔曼滤波与无迹卡尔曼滤波融合的电池soc估算方法 |
Non-Patent Citations (5)
Title |
---|
CONG-SHENG HUANG 等: "Estimating Battery Pack SOC Using A Cell-to-Pack Gain Updating Algorithm", 《IECON 2018-44 ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY》 * |
DELIANG YU 等: "Research on Anti-Lock Braking Control Strategy of Distributed-Driven Electric Vehicle", 《IEEE ACESS》 * |
史卫豪等: "无人机锂电池电路等效和荷电状态智能计算估计", 《自动化仪表》 * |
李然: "锂动力电池健康度评价与估算方法的研究", 《中国优秀博硕士学位论文全文数据库(博士) 工程科技Ⅱ辑》 * |
管庆朋: "增程式氢燃料电池汽车动力性匹配与氢安全评价研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113281655A (zh) * | 2021-05-20 | 2021-08-20 | 中南大学 | 一种低温环境下动力电池内部加热预测控制方法及装置 |
CN113281655B (zh) * | 2021-05-20 | 2022-03-04 | 中南大学 | 一种低温环境下动力电池内部加热预测控制方法及装置 |
CN115659790A (zh) * | 2022-10-13 | 2023-01-31 | 厦门宇电自动化科技有限公司 | 一种动力电池包的温度实时检测方法 |
CN115659790B (zh) * | 2022-10-13 | 2024-02-06 | 厦门宇电自动化科技有限公司 | 一种动力电池包的温度实时检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111983471B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ning et al. | Adaptive sliding mode observers for lithium-ion battery state estimation based on parameters identified online | |
CN111983472B (zh) | 一种基于自适应卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 | |
Ouyang et al. | Coestimation of state-of-charge and state-of-health for power batteries based on multithread dynamic optimization method | |
TWI384246B (zh) | 藉電池電壓變化模式估測開路電壓以估測電池電阻特徵之裝置及方法 | |
He et al. | An improved coulomb counting approach based on numerical iteration for SOC estimation with real-time error correction ability | |
CN111983471B (zh) | 一种基于双卡尔曼滤波的锂离子动力电池安全度估算方法及估算装置 | |
Sandoval-Chileño et al. | Robust State of Charge estimation for Li-ion batteries based on Extended State Observers | |
You et al. | Charging strategy optimization at low temperatures for li-ion batteries based on multi-factor coupling aging model | |
TWI711832B (zh) | 一種基於模型預測控制之電池充電方法 | |
Liu et al. | A novel fuzzy‐extended Kalman filter‐ampere‐hour (F‐EKF‐Ah) algorithm based on improved second‐order PNGV model to estimate state of charge of lithium‐ion batteries | |
US11360148B2 (en) | Method for updating capacity of battery, device for updating capacity of battery, electronic device, and storage unit | |
Yuan et al. | Study on the relationship between open-circuit voltage, time constant and polarization resistance of lithium-ion batteries | |
CN111983475A (zh) | 一种基于隐马尔科夫的锂离子动力电池安全度评估方法及装置 | |
Huang et al. | Estimation of maximum available capacity of lithium-ion battery based on multi-view features extracted from reconstructed charging curve | |
CN115327415A (zh) | 基于限定记忆递推最小二乘算法的锂电池soc估算方法 | |
Cheng et al. | Fuzzy controlled fast charging system for lithium-ion batteries | |
CN117293975B (zh) | 一种锂电池的充放电调节方法、装置、设备及存储介质 | |
CN111967191B (zh) | 一种基于模糊贝叶斯网络的锂离子动力电池安全度评估方法及装置 | |
CN111983473B (zh) | 一种基于支持向量机的锂离子动力电池安全度评估方法及装置 | |
Kim et al. | Development of Aging Diagnosis Device Through Real-time Battery Internal Resistance Measurement | |
CN112946480A (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
CN116047339A (zh) | 基于热电耦合模型的锂离子电池组soc估计方法及装置 | |
CN111983467B (zh) | 基于二阶rc等效电路模型的电池安全度估算方法及估算装置 | |
Gaga et al. | Methods for estimating lithium-ion battery state of charge for use in electric vehicles: a review | |
Li et al. | Exploring the hysteresis effect of Li-ion batteries: a machine learning based approach |
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 |