CN112485672A - 一种电池状态确定方法及装置 - Google Patents
一种电池状态确定方法及装置 Download PDFInfo
- Publication number
- CN112485672A CN112485672A CN202011270164.8A CN202011270164A CN112485672A CN 112485672 A CN112485672 A CN 112485672A CN 202011270164 A CN202011270164 A CN 202011270164A CN 112485672 A CN112485672 A CN 112485672A
- Authority
- CN
- China
- Prior art keywords
- state
- battery
- tested
- parameter
- fractional order
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 238000005259 measurement Methods 0.000 claims description 55
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical group [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 28
- 229910001416 lithium ion Inorganic materials 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 description 16
- 238000007599 discharging Methods 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 239000000969 carrier Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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]
- G01R31/389—Measuring internal impedance, internal conductance or related variables
-
- 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)
Abstract
本发明公开了一种电池状态确定方法及装置，其中方法为：根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程；基于所述状态空间方程，确定状态观测器中的转换关系；基于所述单级分数阶电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
Description
技术领域
本发明涉及电池状态估计技术领域，尤其涉及一种电池状态确定方法及装置。
背景技术
可充电的电池用于日常生活中的供电，如锂离子电池、氢燃料电池等。单节可充电的电池能够提供的能量及开路电压有限，通常多节可充电的电池组成电池组集中进行供电，可充电的电池在使用过程中会发热。单个可充电的电池在电池组内处于不同的位置，电池组的结构决定了单个可充电的电池的温度并不完全一致，这样造成单个可充电的电池的老化程度也不一致。此外，由于制造工艺和使用时间不同，同一电池组中的可充电的电池也可能不一致。为了防止电池组使用过程中某个可充电的电池出现过充过放的问题，对可充电的电池的状态进行估计就尤为重要，如对可充电的电池的充电状态(State of Charge)和健康状态(State of Health)。
然而，现有的算法都是以整数阶的电阻电容(RC)模型对单个可充电的电池充放电过程进行模拟。其中单阶RC模型对可充电的电池阻抗模型拟合误差较大，造成对可充电的电池的状态估计不准确，而多阶RC模型会使可充电的电池阻抗模型过于复杂，实际工程应用时会消耗大量算力，降低电池管理系统(battery management system，BMS)的实时性。这是一个亟待解决的问题。
发明内容
本发明提供一种电池状态确定方法及装置，解决了现有技术中单阶RC模型对可充电的电池的状态估计不准确，而多阶RC模型会消耗大量算力的问题。
第一方面，本发明提供一种电池状态确定方法，包括：根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程；所述待测电池为可充电的电池；所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型；基于所述状态空间方程，确定状态观测器中的转换关系；基于所述电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
上述方法中，由于所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型得到的，所述单级分数阶电池模型可以更准确地描述所述待测电池的阻抗的变化关系，且只采用了单级的电池模型，不需要消耗过多算力，进一步地，可以根据状态微分方程组和动态过程方程组，确定所述待测电池的状态空间方程，基于所述状态空间方程，确定状态观测器中的转换关系，基于所述状态观测器，可以迭代更新所述待测电池的状态，从而逐渐修正所述待测电池的充电状态，逼近精确的所述待测电池的充电状态，相对于整数阶的电池模型，上述方法既不会消耗过大的算力，也能够更精确地得到所述待测电池的充电状态。
可选的，所述待测电池的状态为所述待测电池的充电状态；所述状态观测器包括以下四个观测器：系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器；所述四个观测器之间存在预设的数据传递关系；所述系统状态预测器用于更新所述待测电池的充电状态预测值；所述系统状态更新器用于对所述系统状态预测器更新的充电状态预测值修正，得到充电状态估算值；所述参数状态预测器用于更新预设参数的参数预测值；所述参数状态更新器用于对所述参数状态预测器更新的参数预测值修正，得到参数估算值；所述基于所述状态空间方程，确定状态观测器中的转换关系；包括：基于所述状态空间方程，确定所述系统状态预测器的第一转换关系、所述系统状态更新器的第二转换关系、所述参数状态预测器的第三转换关系和所述参数状态更新器的第四转换关系。
上述方法中，所述状态观测器中的四个观测器是基于单级分数阶电池模型得到的，而系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器中的转换关系也是基于单级分数阶电池模型得到的转换关系，由于所述四个观测器之间存在预设的数据传递关系，因此，可以通过所述四个观测器之间传递的数据不断地对所述待测电池的充电状态进行修正，从而提供了一种基于单级分数阶电池模型的状态观测器。
可选的，所述预设参数为所述待测电池的电池实际容量。
上述方法中，所述待测电池的电池实际容量表征了所述待测电池的健康状态，所述待测电池的电池实际容量和所述待测电池的充电状态紧密相关，从而考虑所述待测电池的充电状态可以更精确地更新所述待测电池的状态。
可选的，若所述待测电池的电池实际容量收敛至所述待测电池的额定容量，则确定所述待测电池合格。
上述方式下，通过所述状态观测器对所述待测电池的电池实际容量的估算，可以判断出所述待测电池是否合格，从而及时发现待测电池的隐患。
可选的，针对多轮迭代更新中任意的第K轮迭代更新，所述第K轮迭代更新划分为多个周期；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输入值包括在所述多个周期的系统测量输入值；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输出值包括在所述多个周期的系统测量输出值；所述基于所述电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态，包括：针对所述第K轮迭代更新中的第N周期，基于所述第K系统测量输入值中第M周期的系统测量输入值和所述第K系统测量输出值中第Q周期的系统测量输出值，通过所述系统状态预测器和所述系统状态更新器，将第N-1周期的充电状态估算值迭代更新为第N周期的充电状态估算值；其中，所述第N周期为所述多个周期中的任一周期，在所述多个周期中，所述第M周期、所述第Q周期为所述第N周期之前的周期或者为所述第N周期，N，K和Q为正整数；若所述第N周期满足预设条件，则基于所述第M周期的系统测量输入值和所述第Q周期的系统测量输出值，通过所述参数状态预测器和所述参数状态更新器，将第N-1周期的参数估算值迭代更新为第N周期的参数估算值。
上述方式中包括多轮迭代更新，针对所述第K轮迭代更新，可以基于第M周期的系统测量输入值和第Q周期的系统测量输出值，将第N-1周期的充电状态估算值迭代更新为第N周期的充电状态估算值，由于每两个临近周期前后参数状态变化较少，那么考虑了在所述第N周期满足预设条件时，才将第N-1周期的参数估算值迭代更新为第N周期的参数估算值，从而不需要消耗过大算力，也可以精确地得到第N周期的充电状态估算值。
可选的，在所述第K轮迭代更新中所述第N周期满足且仅满足所述预设条件一次。
可选的，所述单级分数阶电池模型的分数阶数按照以下方式得到：获取所述待测电池在多个电池容量下的阻抗值；基于所述待测电池在多个电池容量下的阻抗值，按照非线性回归方式，确定所述分数阶数。
可选的，所述待测电池为锂离子电池。
第二方面，本发明提供一种电池状态确定装置，包括：处理模块，用于根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程；所述待测电池为可充电的电池；所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型；所述处理模块，还用于基于所述状态空间方程，确定状态观测器中的转换关系；所述更新模块，用于基于所述单级分数阶电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
可选的，所述待测电池的状态为所述待测电池的充电状态；所述状态观测器包括以下四个观测器：系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器；所述四个观测器之间存在预设的数据传递关系；所述系统状态预测器用于更新所述待测电池的充电状态预测值；所述系统状态更新器用于对所述系统状态预测器更新的充电状态预测值修正，得到充电状态估算值；所述参数状态预测器用于更新预设参数的参数预测值；所述参数状态更新器用于对所述参数状态预测器更新的参数预测值修正，得到参数估算值；所述处理模块具体用于：基于所述状态空间方程，确定所述系统状态预测器的第一转换关系、所述系统状态更新器的第二转换关系、所述参数状态预测器的第三转换关系和所述参数状态更新器的第四转换关系。
可选的，所述预设参数为所述待测电池的电池实际容量。
可选的，所述处理模块还用于：若所述待测电池的电池实际容量收敛至所述待测电池的额定容量，则确定所述待测电池合格。
可选的，针对多轮迭代更新中任意的第K轮迭代更新，所述第K轮迭代更新划分为多个周期；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输入值包括在所述多个周期的系统测量输入值；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输出值包括在所述多个周期的系统测量输出值；所述更新模块还用于：针对所述第K轮迭代更新中的第N周期，基于所述第K系统测量输入值中第M周期的系统测量输入值和所述第K系统测量输出值中第Q周期的系统测量输出值，通过所述系统状态预测器和所述系统状态更新器，将第N-1周期的充电状态估算值迭代更新为第N周期的充电状态估算值；其中，所述第N周期为所述多个周期中的任一周期，在所述多个周期中，所述第M周期、所述第Q周期为所述第N周期之前的周期或者为所述第N周期，N，K和Q为正整数；若所述第N周期满足预设条件，则基于所述第M周期的系统测量输入值和所述第Q周期的系统测量输出值，通过所述参数状态预测器和所述参数状态更新器，将第N-1周期的参数估算值迭代更新为第N周期的参数估算值。
可选的，在所述第K轮迭代更新中所述第N周期满足且仅满足所述预设条件一次。
可选的，所述单级分数阶电池模型的分数阶数按照以下方式得到：获取所述待测电池在多个电池容量下的阻抗值；基于所述待测电池在多个电池容量下的阻抗值，按照非线性回归方式，确定所述分数阶数。
可选的，所述待测电池为锂离子电池。
上述第二方面及第二方面各个可选装置的有益效果，可以参考上述第一方面及第一方面各个可选方法的有益效果，这里不再赘述。
第三方面，本发明提供一种计算机设备，包括程序或指令，当所述程序或指令被执行时，用以执行上述第一方面及第一方面各个可选的方法。
第四方面，本发明提供一种存储介质，包括程序或指令，当所述程序或指令被执行时，用以执行上述第一方面及第一方面各个可选的方法。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种电池状态确定方法对应的流程示意图；
图2为本发明实施例提供的一种单级分数阶电池模型的结构示意图；
图3为本发明实施例提供的一种电池状态确定方法对应状态观测器的结构示意图；
图4为本发明实施例提供的一种电池状态确定装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
本发明实施例中出现的专有名词包括：双通道状态观测器(Dual StateObserver),分数阶电池模型(Fractional Order Battery Model),多时间尺度动力学(Multiscale Dynamic),电池状态估计(Battery State Estimation)，电池充电状态(State of Charge),电池健康状态(State of Health)。
待测电池的充电状态SOC可以是待测电池现有充电量与电池额定容量的比值，具体可由如下等式定义
其中Cn即由待测电池设计生产所决定的电池额定容量，会因为使用时间、制造公差等因素而产生不一致，Q(t)为电池充放电过程中阴阳极现存的载流子数目，随着电池充放电过程增加和减少。待测电池的健康状态SOH可由等式
进行定义，C(t)即待测电池实际容量，会随着充电循环次数的增加而降低。
如图1所示，本发明实施例提供一种电池状态确定方法。
步骤101：根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程。
步骤102：基于所述状态空间方程，确定状态观测器中的转换关系。
步骤103：基于所述单级分数阶电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
步骤101～步骤103中，所述待测电池为可充电的电池，举例来说，所述待测电池可以为锂离子电池、氢氧燃料电池等；所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型。
步骤101之前，需要先确定所述单级分数阶电池模型的分数阶数，所述单级分数阶电池模型的分数阶数按照以下方式得到：获取所述待测电池在多个电池容量下的阻抗值；基于所述待测电池在多个电池容量下的阻抗值，按照非线性回归方式，确定所述分数阶数。
需要说明的是，所述单级分数阶电池模型的结构可以如图2所示。单级的R，q模型就可以对待测电池的动态阻抗进行精确的拟合，为待测电池的状态估计打下基础。
如图2所示，待测电池的模型可以由三个部分构成，其中OCV为静态开环路端电压，Ri为待测电池的电池内阻，i为电流，电阻R及分数阶电容q的并联电压为动态电压urq，待测电池的输出电压u可以分解为如下表达式u＝OCV+Ri·i+urq。
步骤102的具体步骤可以如下：
一个典型的离散线性分数阶微分方程可以Υq,r由如下状态微分方程组表示，其中q为微分方程组的分数阶数，A，B，C，D为方程组系统矩阵，Υq,r为主对角阵。
yk＝Ckxk+Dkuk.
其中
该微分方程组可以由如下动态方程组解出：
Φ0＝I.
举例来说，待测电池的状态为待测电池的充电状态SOC，那么SOC状态空间方程可以表示为：
输出为电池输出电压u＝OCV+Ri·i+urq。其中，
表示对t的一阶微分，
表示对t的q阶微分，t为时间。其中，微分方程
中所求得的函数关系为f，
中所求得的函数关系为g。
一种可选实施方式中，所述待测电池的状态为所述待测电池的充电状态；所述状态观测器包括以下四个观测器：系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器；所述四个观测器之间存在预设的数据传递关系；所述系统状态预测器用于更新所述待测电池的充电状态预测值；所述系统状态更新器用于对所述系统状态预测器更新的充电状态预测值修正，得到充电状态估算值；所述参数状态预测器用于更新预设参数的参数预测值；所述参数状态更新器用于对所述参数状态预测器更新的参数预测值修正，得到参数估算值；所述处理模块具体用于：基于所述状态空间方程，确定所述系统状态预测器的第一转换关系、所述系统状态更新器的第二转换关系、所述参数状态预测器的第三转换关系和所述参数状态更新器的第四转换关系。
需要说明的是，所述预设参数可以有多种，举例来说，所述预设参数可以为所述待测电池的电池实际容量。还可以为，Ri上的动态分压，OCV的动态分压等。
本发明实施例提供的电池状态确定方法可以通过图3示出的状态观测器，即双通道观测器。所述系统状态预测器对应图中的状态向量预测模块，所述系统状态更新器对应图中的状态向量更新模块，所述参数状态预测器对应图中的参数向量预测模块，所述参数状态更新器对应图中的参数向量更新模块。其中Ik表示系统输入，yk表示系统输出，x和θ分别表示系统待观测状态及参数。双通道观测器通过引入系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器分别对x和θ进行估计。
具体过程为首先在参数状态观测器中利用上一周期k-1的参数估计值
及测量得到的系统输入Ik对参数θ进行预测得到
然后状态观测器通过
Ik及上一观测周期状态估计值
预测得到状态预估值
然后系统状态观测器通过测量得到的系统输出yk对状态预估值
进行更新修正得到当前周期k的系统状态估计值
接着参数状态观测器利用
和yk对
修正得到参数状态估计值
如此交替便完成了同时对系统状态和参数状态的同时估计。
需要说明的是，在待测电池充放电过程中，待测电池的充电状态和待测电池的参数状态变化趋势并不一致。举例来说，参数状态为待测电池的健康状态时，待测电池的充电状态和待测电池的健康状态变化的时间尺度差别可以达到102的数量级。因此中的双通道观测器的状态更新周期不应该一致，否则对待测电池的健康状态的估计误差会很大，也造成了BMS控制器计算能力的浪费。
因此，一种可选实施方式如下：
针对多轮迭代更新中任意的第K轮迭代更新，所述第K轮迭代更新划分为多个周期；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输入值包括在所述多个周期的系统测量输入值；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输出值包括在所述多个周期的系统测量输出值。
那么步骤103的具体过程可以如下：
针对所述第K轮迭代更新中的第N周期，基于所述第K系统测量输入值中第M周期的系统测量输入值和所述第K系统测量输出值中第Q周期的系统测量输出值，通过所述系统状态预测器和所述系统状态更新器，将第N-1周期的充电状态估算值迭代更新为第N周期的充电状态估算值。
若所述第N周期满足预设条件，则基于所述第M周期的系统测量输入值和所述第Q周期的系统测量输出值，通过所述参数状态预测器和所述参数状态更新器，将第N-1周期的参数估算值迭代更新为第N周期的参数估算值。
其中，所述第N周期为所述多个周期中的任一周期，在所述多个周期中，所述第M周期、所述第Q周期为所述第N周期之前的周期或者为所述第N周期，N，K和Q为正整数。
上述实施方式(以下称为基于时间尺度的实施方式)和图3示出的状态观测器的相同点仍然是对待测电池的充电状态和预设参数的参数状态进行交替估计，不同点在于引入了一个时间尺度的预设条件。将第K-1及K轮状态估计周期分割成L个小周期，在这L个小周期内的每一个小周期l都将对待测电池的充电状态SOC进行预估和更新，只有当l＝L时，即L个小周期内的最后一个小周期时，才会对参数状态(如待测电池的监控状态)进行预估和更新，得到第k个周期时锂离子电池容量q的估计值
基于时间尺度的实施方式的一种可选实施方式中，在所述第K轮迭代更新中所述第N周期满足且仅满足所述预设条件一次。
具体过程如下：
为了实现上述双通道观测器状态及参数估计，首先需要一个状态空间模型：
xk+1＝f(xk,uk,θk)+wkθk+1＝θk+rk
yk＝g(xk,uk,θk)+vk和dk＝g(xk,uk,θk)+ek,
其中w,v,r,e是不相关的高斯分布噪声，并且，
w～N(μ＝0,σ2＝Qx)；
v～N(μ＝0,σ2＝Rx)；
r～N(μ＝0,σ2＝Qθ)；
e～N(μ＝0,σ2＝Rθ)。
微分定义：
这三个全微分方程要在每一个估计周期内进行计算。
算法推导过程如下，因此该双通道多时间尺度观测器的公式推导如下：初始化：
其中，E表示期望。
预测：
首先通过所述参数状态预测器进行参数预测：
然后通过所述系统状态预测器进行系统状态预测：
再通过所述系统状态更新器进行系统状态更新：
再通过所述参数状态更新器进行参数状态更新：
需要说明的是，上述变量及英文简写注释：
1、Cn，电池额定容量；
2、Q(t)，电池充放电过程中阴阳极现存的载流子数目；
3、u，锂离子电池输出电压；
4、OCV，静态开环路端电压
5、Ri，电池内阻；
6、Φk，系统动态矩阵；
7、SOC(State of Charge)，电池充电状态；
8、SOH(State of Health)，电池健康状态；
9、Υq,r，分数阶系统阶数；
10、θ，系统待观测参数；
11、
参数观测器观测增益矩阵；
12、
状态观测器观测增益矩阵；
13、Px,k,l，状态观测器观测协方差矩阵；
14、Pθ,k,l，参数观测器观测协方差矩阵；
15、Fk，状态观测器系统矩阵；
16、
状态观测器输出矩阵；
17、
参数观测器输出矩阵
18、BMS(Battery Management System)，电池管理系统；
19、Ik，系统输入；
20、yk，系统输出；
21、
参数状态预估值；
22、
系统状态预估值；
23、
参数状态估计值；
24、
系统状态预估值；
25、
第l个小周期的电池充电状态估计值；
26、
锂离子电池容量估计值。
以锂离子电池为例，状态观测器的开发过程如下：
对锂离子电池进行充放电实验，测试其不同容量下的阻抗值，确定其阻抗值的实部和虚部，通过非线性回归(Nonlinear Regression)的方法确定电池的阶数q。
建立锂离子电池的充电状态SOC和实际电池容量q的状态空间方程，确定状态空间方程中w,v,r,e等噪声的协方差矩阵Qx，Rx，Qθ和Rθ。
确定锂离子电池的充电状态SOC和容量q的初值SOC0，q0；
按照图3示出的状态观测器及算法推导过程进行程序编写。
搭建算法验证测试平台，举例来说，需要容量为3200mAh的18650锂离子电池若干，电流及电压可调的电流源一个，电压采集模块，烧写好观测器程序的控制器，将电流及电压转换成数字量并输入控制器的AI模块一个，以及其他如导线等必须的零件。对待测电池进行充放电、持续充电、持续放电等实验，比较状态观测器估计得到的锂离子电池充电状态及容量的估计值与真实值，验证该观测器的性能及精度。本发明实施例开发的状态观测器相对于现有的锂离子电池状态估计算法相比较，对电池的输出电压u和闭环电路中的电流i的测量硬件精度要求可以低一个数量级，其中电压测量噪声只需达到0.01V2，电流测量噪声只需要达到0.05A2，即使用精度较低的测量硬件即可达到相同的估计精度。在锂离子充放电过程电池充电实验中，电池的充电状态估计误差可以达到0.05％以内。
需要说明的是，步骤101～步骤103可以对待测电池的合格性进行检验，一种可选实施方式中，若所述待测电池的电池实际容量收敛至所述待测电池的额定容量，则确定所述待测电池合格。
对于锂离子电池生产过程中电池额定容量的抽样测定的实验过程设计如下：
(1)将待测电池连入测试电路，包括一个能够编程变换电流的电流源，一个能够测量负载闭环电路电压的电压采集模块。
(2)通过对可编程电流源编程实现对待测电池的充放电实验。
(3)通过测量待观测锂离子电池的输出电压u和闭环电路中的电流i。
(4)将3)中测得的数据分别作为输入和输出信号，通过本发明提供的电池状态确定方法进行电池的电池实际容量的估计。
(5)观察估计的电池实际容量的估计结果是否能够收敛至电池额定容量Cn。
(6)改变本发明提供的电池状态确定方法中电池实际容量的初值，观察电池实际容量的估计结果是否仍然收敛与电池额定容量。
(7)若电池实际容量的估计结果一致且为电池额定容量，则待测电池合格，反之则不合格。
步骤101～步骤103中，由于所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型得到的，所述单级分数阶电池模型可以更准确地描述所述待测电池的阻抗的变化关系，且只采用了单级的电池模型，不需要消耗过多算力，进一步地，可以根据状态微分方程组和动态过程方程组，确定所述待测电池的状态空间方程，基于所述状态空间方程，确定状态观测器中的转换关系，基于所述状态观测器，可以迭代更新所述待测电池的状态，从而逐渐修正所述待测电池的充电状态，逼近精确的所述待测电池的充电状态，相对于整数阶的电池模型，上述方法既不会消耗过大的算力，也能够更精确地得到所述待测电池的充电状态。
步骤101～步骤103中可以通过基于分数阶锂电池模型电池状态观测器的设计方法，对锂离子电池充放电过程中的充电状态(SOC)及锂离子电池使用过程中的健康状态(SOH)进行估计。通过建立单节锂离子电池的分数阶模型，提高锂离子电池充放电模型的精度。锂离子电池的充电状态和健康状态随时间变化的速度尺度是不同的但又动力学相关，充电状态(SOC)在电池工作即充放电时是十分迅速的，完全随时跟随着开路电压(OCV)和电流I的变化，健康状态(SOH)则变化缓慢，通常电池经历多个充放电周期后方才有改变。本发明中为平衡SOC和SOH的估计在时间尺度上的差异设计了一种多时间尺度的估算方法，实现对两个参数的同时但不同时间尺度的估计，提高了锂离子电池充电状态的在线估计精度，而且精确掌握电池的健康状态，方便在对电池组内到达使用寿命的电池单元进行更换。
本发明提出了一种基于分数阶锂电池模型双通道电池状态观测器的设计方法，其创新点在于通过引入多时间尺度的双通道状态观测器分别对锂离子电池充电状态SOC和健康状态SOH进行状态估计，将两个随时间变化速率不一致的变量可以同时进行估计，减小了SOH的估计偏差并且节省了BMS系统计算能力，提高了系统的实时性；同时通过引入分数阶电池模型和多时间尺度观测器一方面可以减少CPU的算力，同时可以提高状态估计精度，提高锂离子电池使用寿命。
如图4所示，本发明提供一种电池状态确定装置，包括：处理模块401，用于根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程；所述待测电池为可充电的电池；所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型；所述处理模块401，还用于基于所述状态空间方程，确定状态观测器中的转换关系；所述更新模块402，用于基于所述单级分数阶电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
可选的，所述待测电池的状态为所述待测电池的充电状态；所述状态观测器包括以下四个观测器：系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器；所述四个观测器之间存在预设的数据传递关系；所述系统状态预测器用于更新所述待测电池的充电状态预测值；所述系统状态更新器用于对所述系统状态预测器更新的充电状态预测值修正，得到充电状态估算值；所述参数状态预测器用于更新预设参数的参数预测值；所述参数状态更新器用于对所述参数状态预测器更新的参数预测值修正，得到参数估算值；所述处理模块401具体用于：基于所述状态空间方程，确定所述系统状态预测器的第一转换关系、所述系统状态更新器的第二转换关系、所述参数状态预测器的第三转换关系和所述参数状态更新器的第四转换关系。
可选的，所述预设参数为所述待测电池的电池实际容量。
可选的，所述处理模块401还用于：若所述待测电池的电池实际容量收敛至所述待测电池的额定容量，则确定所述待测电池合格。
可选的，针对多轮迭代更新中任意的第K轮迭代更新，所述第K轮迭代更新划分为多个周期；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输入值包括在所述多个周期的系统测量输入值；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输出值包括在所述多个周期的系统测量输出值；所述更新模块402还用于：针对所述第K轮迭代更新中的第N周期，基于所述第K系统测量输入值中第M周期的系统测量输入值和所述第K系统测量输出值中第Q周期的系统测量输出值，通过所述系统状态预测器和所述系统状态更新器，将第N-1周期的充电状态估算值迭代更新为第N周期的充电状态估算值；其中，所述第N周期为所述多个周期中的任一周期，在所述多个周期中，所述第M周期、所述第Q周期为所述第N周期之前的周期或者为所述第N周期，N，K和Q为正整数；若所述第N周期满足预设条件，则基于所述第M周期的系统测量输入值和所述第Q周期的系统测量输出值，通过所述参数状态预测器和所述参数状态更新器，将第N-1周期的参数估算值迭代更新为第N周期的参数估算值。
可选的，在所述第K轮迭代更新中所述第N周期满足且仅满足所述预设条件一次。
可选的，所述单级分数阶电池模型的分数阶数按照以下方式得到：获取所述待测电池在多个电池容量下的阻抗值；基于所述待测电池在多个电池容量下的阻抗值，按照非线性回归方式，确定所述分数阶数。
可选的，所述待测电池为锂离子电池。
基于同一发明构思，本发明实施例还提供了一种计算机设备，包括程序或指令，当所述程序或指令被执行时，如本发明实施例提供的电池状态确定方法及任一可选方法被执行。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，包括程序或指令，当所述程序或指令被执行时，如本发明实施例提供的电池状态确定方法及任一可选方法被执行。
本领域内的技术人员应明白，本发明的实施例可提供为方法、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种电池状态确定方法，其特征在于，包括：
根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程；所述待测电池为可充电的电池；所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型；
基于所述状态空间方程，确定状态观测器中的转换关系；
基于所述单级分数阶电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
2.如权利要求1所述的方法，其特征在于，所述待测电池的状态为所述待测电池的充电状态；
所述状态观测器包括以下四个观测器：系统状态预测器、系统状态更新器、参数状态预测器和参数状态更新器；所述四个观测器之间存在预设的数据传递关系；
所述系统状态预测器用于更新所述待测电池的充电状态预测值；所述系统状态更新器用于对所述系统状态预测器更新的充电状态预测值修正，得到充电状态估算值；所述参数状态预测器用于更新预设参数的参数预测值；所述参数状态更新器用于对所述参数状态预测器更新的参数预测值修正，得到参数估算值；
所述基于所述状态空间方程，确定状态观测器中的转换关系；包括：
基于所述状态空间方程，确定所述系统状态预测器的第一转换关系、所述系统状态更新器的第二转换关系、所述参数状态预测器的第三转换关系和所述参数状态更新器的第四转换关系。
3.如权利要求2所述的方法，其特征在于，所述预设参数为所述待测电池的电池实际容量。
4.如权利要求3所述的方法，其特征在于，所述基于所述电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态之后，还包括：
若所述待测电池的电池实际容量收敛至所述待测电池的额定容量，则确定所述待测电池合格。
5.如权利要求2至4任一所述的方法，其特征在于，针对多轮迭代更新中任意的第K轮迭代更新，所述第K轮迭代更新划分为多个周期；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输入值包括在所述多个周期的系统测量输入值；所述实际物理系统在所述第K轮迭代更新时测量的第K系统测量输出值包括在所述多个周期的系统测量输出值；
所述基于所述电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态，包括：
针对所述第K轮迭代更新中的第N周期，基于所述第K系统测量输入值中第M周期的系统测量输入值和所述第K系统测量输出值中第Q周期的系统测量输出值，通过所述系统状态预测器和所述系统状态更新器，将第N-1周期的充电状态估算值迭代更新为第N周期的充电状态估算值；其中，所述第N周期为所述多个周期中的任一周期，在所述多个周期中，所述第M周期、所述第Q周期为所述第N周期之前的周期或者为所述第N周期，N，K和Q为正整数；
若所述第N周期满足预设条件，则基于所述第M周期的系统测量输入值和所述第Q周期的系统测量输出值，通过所述参数状态预测器和所述参数状态更新器，将第N-1周期的参数估算值迭代更新为第N周期的参数估算值。
6.如权利要求5所述的方法，其特征在于，在所述第K轮迭代更新中所述第N周期满足且仅满足所述预设条件一次。
7.如权利要求1至4任一所述的方法，其特征在于，所述单级分数阶电池模型的分数阶数按照以下方式得到：
获取所述待测电池在多个电池容量下的阻抗值；
基于所述待测电池在多个电池容量下的阻抗值，按照非线性回归方式，确定所述分数阶数。
8.如权利要求1至4任一所述的方法，其特征在于，所述待测电池为锂离子电池。
9.一种电池状态确定装置，其特征在于，包括：
处理模块，用于根据待测电池的单级分数阶电池模型的状态微分方程组和所述单级分数阶电池模型的动态过程方程组，确定所述待测电池的状态空间方程；所述待测电池为可充电的电池；所述单级分数阶电池模型是按照离散线性分数阶微分方程描述所述待测电池的阻抗的电池模型；
所述处理模块，还用于基于所述状态空间方程，确定状态观测器中的转换关系；
所述更新模块，用于基于所述单级分数阶电池模型对应实际物理系统的测量物理量，通过所述状态观测器，迭代更新所述待测电池的状态。
10.一种计算机设备，其特征在于，包括程序或指令，当所述程序或指令被执行时，如权利要求1至8中任意一项所述的方法被执行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011270164.8A CN112485672A (zh) | 2020-11-13 | 2020-11-13 | 一种电池状态确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011270164.8A CN112485672A (zh) | 2020-11-13 | 2020-11-13 | 一种电池状态确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112485672A true CN112485672A (zh) | 2021-03-12 |
Family
ID=74930744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011270164.8A Pending CN112485672A (zh) | 2020-11-13 | 2020-11-13 | 一种电池状态确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112485672A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113791353A (zh) * | 2021-10-11 | 2021-12-14 | 河北工业大学 | 基于分数阶传递函数的锂电池电压模型构建方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
| CN106291381A (zh) * | 2016-08-16 | 2017-01-04 | 北京理工大学 | 一种联合估计动力电池系统荷电状态与健康状态的方法 |
| CN106383322A (zh) * | 2016-10-21 | 2017-02-08 | 南京世界村汽车动力有限公司 | 一种多时间尺度双ukf自适应估算soc和电池容量c的方法 |
| CN107991628A (zh) * | 2018-01-15 | 2018-05-04 | 厦门大学 | 一种基于相关与回归分析的蓄电池模型建模方法 |
| CN108037464A (zh) * | 2017-12-21 | 2018-05-15 | 湖南宏迅亿安新能源科技有限公司 | 一种基于imm-ekf的电池组soc估算的方法 |
| CN108414947A (zh) * | 2018-06-06 | 2018-08-17 | 哈尔滨工业大学 | 一种基于多时间尺度的空间锂离子电池状态联合估计方法 |
| CN109270463A (zh) * | 2018-12-04 | 2019-01-25 | 南京林业大学 | 基于分数变阶模型的锂电池电极老化程度估算方法 |
| CN111474431A (zh) * | 2020-04-21 | 2020-07-31 | 三峡大学 | 一种电解电容器分数阶等效电路模型及其参数辨识方法 |
-
2020
- 2020-11-13 CN CN202011270164.8A patent/CN112485672A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103941196A (zh) * | 2014-05-07 | 2014-07-23 | 吉林大学 | 锂离子电池荷电状态估计方法 |
| CN106291381A (zh) * | 2016-08-16 | 2017-01-04 | 北京理工大学 | 一种联合估计动力电池系统荷电状态与健康状态的方法 |
| CN106383322A (zh) * | 2016-10-21 | 2017-02-08 | 南京世界村汽车动力有限公司 | 一种多时间尺度双ukf自适应估算soc和电池容量c的方法 |
| CN108037464A (zh) * | 2017-12-21 | 2018-05-15 | 湖南宏迅亿安新能源科技有限公司 | 一种基于imm-ekf的电池组soc估算的方法 |
| CN107991628A (zh) * | 2018-01-15 | 2018-05-04 | 厦门大学 | 一种基于相关与回归分析的蓄电池模型建模方法 |
| CN108414947A (zh) * | 2018-06-06 | 2018-08-17 | 哈尔滨工业大学 | 一种基于多时间尺度的空间锂离子电池状态联合估计方法 |
| CN109270463A (zh) * | 2018-12-04 | 2019-01-25 | 南京林业大学 | 基于分数变阶模型的锂电池电极老化程度估算方法 |
| CN111474431A (zh) * | 2020-04-21 | 2020-07-31 | 三峡大学 | 一种电解电容器分数阶等效电路模型及其参数辨识方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113791353A (zh) * | 2021-10-11 | 2021-12-14 | 河北工业大学 | 基于分数阶传递函数的锂电池电压模型构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | State-of-charge estimation of lithium-ion battery using an improved neural network model and extended Kalman filter | |
| Pan et al. | State of charge estimation of lithium-ion batteries using a grey extended Kalman filter and a novel open-circuit voltage model | |
| Lai et al. | A comparative study of different equivalent circuit models for estimating state-of-charge of lithium-ion batteries | |
| Shen et al. | Accurate state of charge estimation with model mismatch for li-ion batteries: A joint moving horizon estimation approach | |
| Xiong et al. | A data-driven multi-scale extended Kalman filtering based parameter and state estimation approach of lithium-ion polymer battery in electric vehicles | |
| US7996167B2 (en) | Apparatus and method for estimating resistance characteristics of battery based on open circuit voltage estimated by battery voltage variation pattern | |
| CN113156321B (zh) | 一种锂离子电池荷电状态soc的估算方法 | |
| Xu et al. | Hierarchical estimation model of state-of-charge and state-of-health for power batteries considering current rate | |
| Wang et al. | Adaptive state-of-charge estimation method for an aeronautical lithium-ion battery pack based on a reduced particle-unscented kalman filter | |
| Chang et al. | Correlations of cell-to-cell parameter variations on current and state-of-charge distributions within parallel-connected lithium-ion cells | |
| CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及系统 | |
| Guo et al. | A parameter adaptive method with dead zone for state of charge and parameter estimation of lithium-ion batteries | |
| Ren et al. | Novel co‐estimation strategy based on forgetting factor dual particle filter algorithm for the state of charge and state of health of the lithium‐ion battery | |
| Zhang et al. | A fractional-order model of lithium-ion batteries and multi-domain parameter identification method | |
| CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
| CN112147514A (zh) | 基于rls的锂电池全工况自适应等效电路模型 | |
| Shu et al. | State of charge estimation for lithium-ion battery based on hybrid compensation modeling and adaptive H-infinity filter | |
| Liu et al. | Dynamic adaptive square-root unscented Kalman filter and rectangular window recursive least square method for the accurate state of charge estimation of lithium-ion batteries | |
| Peng et al. | State of charge estimation for a parallel battery pack jointly by fuzzy-PI model regulator and adaptive unscented Kalman filter | |
| CN112485672A (zh) | 一种电池状态确定方法及装置 | |
| Wang et al. | State of charge estimation for lithium-ion battery based on improved online parameters identification and adaptive square root unscented Kalman filter | |
| Dahmardeh et al. | Probabilistic state-of-charge estimation of lithium-ion batteries considering cell-to-cell variability due to manufacturing tolerance | |
| CN115629314B (zh) | 基于改进Jaya的电池参数与状态联合估计方法及系统 | |
| CN110850299B (zh) | 一种基于sr-ukf的锂离子动力电池状态估计方法 | |
| Tong et al. | Comprehensive battery equivalent circuit based model for battery management application |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210312 Assignee: SHANGHAI ELECTRIC INTELLIGENT REHABILITATION MEDICAL TECHNOLOGY Co.,Ltd. Assignor: Shanghai Electric Group Co.,Ltd. Contract record no.: X2023310000146 Denomination of invention: A method and device for determining battery status License type: Exclusive License Record date: 20230919 |
|
| EE01 | Entry into force of recordation of patent licensing contract |