CN112526349A - 一种基于电池荷电状态与温度联合估计的整车能量管理方法 - Google Patents

一种基于电池荷电状态与温度联合估计的整车能量管理方法 Download PDF

Info

Publication number
CN112526349A
CN112526349A CN202011377947.6A CN202011377947A CN112526349A CN 112526349 A CN112526349 A CN 112526349A CN 202011377947 A CN202011377947 A CN 202011377947A CN 112526349 A CN112526349 A CN 112526349A
Authority
CN
China
Prior art keywords
battery
temperature
state
time
model
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
Application number
CN202011377947.6A
Other languages
English (en)
Other versions
CN112526349B (zh
Inventor
徐向阳
李光远
张辉
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.)
Beihang University
Original Assignee
Beihang University
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 Beihang University filed Critical Beihang University
Priority to CN202011377947.6A priority Critical patent/CN112526349B/zh
Publication of CN112526349A publication Critical patent/CN112526349A/zh
Application granted granted Critical
Publication of CN112526349B publication Critical patent/CN112526349B/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]
    • G01R31/367—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]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • 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)

Abstract

本发明提出了一种基于电池荷电状态与温度联合估计的整车能量管理方法，属于电动汽车能量管理技术领域；具体为：首先、针对某个电动汽车的电池，搭建电池生热模型进行简化和离散化，得到对应的状态空间方程；然后，搭建动力电池温度时变的等效电路模型，进行简化和离散化，得到对应的状态空间方程；接着，利用电池温度模型，对电池生热模型进行改写；改写后采用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计；最后，将各时刻得到的电池荷电状态值SOC与电池工作温度T输入电动汽车能量管理系统，设计基于规则的方法对电动汽车驱动系统与热管理系统的用电进行分配管理，本发明算法精度较高，实现更加有效的电动汽车能量进行管理。

Description

一种基于电池荷电状态与温度联合估计的整车能量管理方法
技术领域
本发明涉及一种基于电池荷电状态与温度联合估计的整车能量管理方法，属于电动汽车 能量管理技术领域。
背景技术
全球电动汽车，尤其是纯电动汽车发展形势一片利好，但目前为止，公交车、出租车和 租赁车才是世界上真正投入使用纯电动汽车的领军者，纯私人电动汽车市场还在崛起阶段。
纯电动汽车之所以到目前还没有完全推广的原因是复杂的，但究其最主要的还是纯电动 汽车的能量源问题。纯电动汽车能量源效率的不足，使纯电动汽车续驶里程和动力性能成为 行业发展的技术短板，构成了纯电动汽车进入大众消费的巨大障碍。
提高能量源效率的方法主要有两种：一是提高电池本体技术，二是提高能量系统控制技 术。
作为能量管理系统被控对象之一的锂离子电池，需要对电池本体进行精确的描述与仿真。 尤其是电池的荷电状态与电池的工作温度。荷电状态不能够直接测量，需要进行估计。电池 工作温度虽然可以近似使用温度传感器获得，但是过多的温度传感器成本较高且精度较低， 而且电池的实际工作温度与温度传感器测量的温度之间存在一定的误差。所以要想合理地进 行能量管理，就必须对电池的荷电状态与电池工作温度进行精确的估计。
发明内容
为了满足能量管理系统对电池本体进行精确的描述与仿真的要求，本发明提出了一种基 于电池荷电状态与温度联合估计的整车能量管理方法，针对电池进行建模，设计联合估计器 估计其荷电状态与温度，进而进行电动汽车能量的优化管理。
具体步骤如下：
步骤一、针对某个电动汽车的电池，搭建电池生热模型，并进行简化。
电池生热模型采用集中质量热模型，能量平衡方程为：
Figure BDA0002807648110000011
其中ρ是电池的密度；Cp是电池的比热容；T为电池温度；I为电池电流；Vbattery是电池的体积；Voc为电池开路电压；V为电池端电压；h为热交换系数；Abattery为电池表面积；T∞是室温；
简化过程为：将短时间内的电流设为恒定值，并将
Figure BDA0002807648110000021
简化为多项式，对模型进行线性 化，得到：
Figure BDA0002807648110000022
步骤二、对简化后的电池生热模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化 的状态空间方程；
状态空间方程如下：
Tk＝ATTk-1+BT+rk
Figure BDA0002807648110000023
Figure BDA0002807648110000024
其中，Tk是k时刻电池的温度状态；AT是电池生热模型的状态转移矩阵；BT为电池生热 模型的输入矩阵，rk是电池生热模型的过程噪声。
步骤三、搭建动力电池温度时变的等效电路模型，得到状态空间方程；
等效电路模型简称电池温度模型，具体为：电源两端依次串联极化电容和极化电阻组成 的并联电路，电池的欧姆内阻Ri(T)，以及开路电压Voc。
等效电路模型随温度时变的参数包括：可用容量、欧姆内阻、极化电容和极化电阻。
状态空间方程表示为：
Figure BDA0002807648110000025
y＝Voc(SOC)+Vs+i·Ri(T)
x为电池温度模型的状态向量，x＝[SOC V*]T，SOC为电池的荷电状态，A为状态空间方程的传递矩阵，
Figure RE-GDA0002933464460000026
Rs(T)为随温度变化的电池的极化内阻，Cs(T)为随温度变化的电池的极化电容；B为状态空间方程的输入矩阵，
Figure RE-GDA0002933464460000027
η为电池充放电效率，Ct(T)为随温度变化的容量；u为电池温度模型的输入，取值为输入电流i；y为 测得的电池端电压；Vs为极化电阻与极化电容组成的并联电路的端电压；Ri(T)为随温度变 化的电池的欧姆内阻，i为电池充放电电流，在充电时为正，放电时为负。
步骤四、对简化后的等效电路模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化 的状态空间方程。
考虑过程噪声和测量噪声，得到离散化的电池等效电路模型的状态空间方程为：
xk+1＝Ad(T)·xk+Bd(T)·uk+wk
yk＝Voc,k(SOCk)+Vs,k+ikRi(T)+vk
其中，xk是k时刻的电池状态；yk是k时刻的测量输出；uk是k时刻电池温度模型的输入， 取值为ik；wk为k时刻的过程噪声；Voc,k为k时刻的电池开路电压；SOCk为k时刻的电池荷电状态；ik是k时刻的输入变量，即电池的充放电电流；Vs,k是k时刻等效电路模型中的极化电压；vk为k时刻的测量噪声；Ad和Bd为离散化后的状态转移矩阵和输入矩阵，表示为：
Figure BDA0002807648110000031
步骤五、利用电池温度模型，对电池生热模型进行改写；
改写公式如下：
Tk＝AT(xk)Tk-1+BT(xk,yk)+rk
AT(xk)是由电池生热模型中的状态转移矩阵AT表示的状态函数；BT(xk,yk)是由电池生 热模型中的矩阵BT表示的状态和输出的函数；
步骤六、利用改写的电池生热模型以及电池温度模型，采用双扩展卡尔曼滤波对电池荷 电状态SOC和电池温度T进行联合估计。
具体步骤如下：
步骤601、针对t0时刻，设置迭代次数k＝0时的扩展卡尔曼滤波器的初始值，分别为：
温度估计值初始值
Figure BDA0002807648110000032
Figure BDA0002807648110000033
T0为随机设定的温度初值。
温度估计误差协方差矩阵初始值
Figure BDA0002807648110000034
Figure BDA0002807648110000035
状态估计值初始值
Figure BDA0002807648110000036
Figure BDA0002807648110000037
x0为随机设定的状态初值。
状态估计误差协方差矩阵初始值
Figure BDA0002807648110000038
Figure BDA0002807648110000039
步骤602、对于k≥1,利用k-1时刻的温度估计值
Figure BDA00028076481100000310
和温度估计误差协方差矩阵
Figure BDA00028076481100000311
分别计算k时刻的温度估计值
Figure BDA00028076481100000312
和温度估计误差协方差矩阵
Figure BDA00028076481100000313
计算公式为：
Figure BDA00028076481100000314
Figure BDA00028076481100000315
Figure BDA00028076481100000316
为k-1时刻电池生热模型过程噪声的协方差矩阵。
步骤603、对于k≥1,利用k-1时刻的状态估计值
Figure BDA0002807648110000041
和状态估计误差协方差矩阵
Figure BDA0002807648110000042
分别计算k时刻的状态估计值
Figure BDA0002807648110000043
和状态估计误差协方差矩阵
Figure BDA0002807648110000044
计算公式如下：
Figure BDA0002807648110000045
Figure BDA0002807648110000046
Ad为电池等效电路模型中的状态转移矩阵；Bd为电池等效电路模型中的输入矩阵；
Figure BDA0002807648110000047
为k-1时刻的电池温度模型过程噪声的协方差矩阵。
步骤604、利用k时刻的状态估计值
Figure BDA0002807648110000048
温度估计值
Figure BDA0002807648110000049
和电池端电压测量值yk更新k时 刻的状态估计值，得到新的状态估计值
Figure BDA00028076481100000410
和新的估计误差协方差矩阵
Figure BDA00028076481100000411
具体为：首先，利用k时刻的状态估计误差协方差矩阵
Figure BDA00028076481100000412
和电池温度模型测量噪声的协 方差矩阵
Figure BDA00028076481100000413
计算k时刻状态估计的卡尔曼增益矩阵
Figure BDA00028076481100000414
Figure BDA00028076481100000415
其中，
Figure BDA00028076481100000416
然后，利用k时刻的卡尔曼增益矩阵
Figure BDA00028076481100000417
和电池端电压测量值yk更新k时刻的状态估计值， 得到新的状态估计值
Figure BDA00028076481100000418
Figure BDA00028076481100000419
最后、利用k时刻的新的状态估计值
Figure BDA00028076481100000420
计算新的估计误差协方差矩阵
Figure BDA00028076481100000421
Figure BDA00028076481100000422
I为单位矩阵。
步骤605、利用k时刻的新的状态估计值
Figure BDA00028076481100000423
提取k时刻的电池荷电状态SOC；
k时刻的电池荷电状态SOCk为：
Figure BDA00028076481100000424
步骤606、利用k时刻的温度估计值
Figure BDA00028076481100000425
新的状态估计值
Figure BDA00028076481100000426
和电池端电压测量值yk更 新k时刻的温度估计值，得到新的温度估计值
Figure BDA00028076481100000427
和估计误差协方差矩阵
Figure BDA00028076481100000428
首先，利用k时刻的温度估计误差协方差矩阵
Figure BDA00028076481100000429
和测量噪声的协方差矩阵
Figure BDA00028076481100000430
计算k时 刻的温度估计的卡尔曼增益矩阵
Figure BDA00028076481100000431
Figure BDA00028076481100000432
其中，
Figure BDA00028076481100000433
然后，利用k时刻的温度测量值Tyk，卡尔曼增益矩阵
Figure BDA0002807648110000051
新的状态估计值
Figure BDA0002807648110000052
和电池端 电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure BDA0002807648110000053
Figure BDA0002807648110000054
最后，利用k时刻的新的温度估计值
Figure BDA0002807648110000055
计算新的估计误差协方差矩阵
Figure BDA0002807648110000056
Figure BDA0002807648110000057
步骤607、利用新的温度估计值
Figure BDA0002807648110000058
提取k时刻的电池温度；
Figure BDA0002807648110000059
步骤608、同理，利用每个时刻的状态估计值
Figure BDA00028076481100000510
与温度估计值
Figure BDA00028076481100000511
提取各时刻相应的电 池荷电状态SOCk和电池工作温度Tk。
步骤七、将各时刻得到的电池荷电状态值SOC与电池工作温度T输入电动汽车能量管理 系统，设计基于规则的方法对电动汽车驱动系统与热管理系统的用电进行分配管理；
整个电动汽车系统将功率分别分配给驱动系统与热管理系统，利用各时刻的电池荷电状 态值SOC与电池工作温度T，决定满足驱动系统或者热管理系统的功率需求优先级。
基于规则的方法描述如下：
1.车辆起步时刻，判断动力电池工作温度T是否低于20℃，或者高于40℃，如果是，优先满足热管理系统，否则，电池工作温度T在最优工作区间，即20℃-40℃，优 先满足驱动系统。
2.汽车急加速时刻，此时加速度大于±3m/s2，优先满足驱动系统。
3.汽车爬坡行驶时刻，此时坡度大于5％，优先满足驱动系统。
4.汽车正常速度行驶时刻，即加速度小于等于±3m/s2，且坡度小于等于5％，优先满 足热管理系统需求。
5.判断电池荷电状态值是否小于等于20％，如果是，优先满足驱动系统；否则，优先 满足热管理系统。
本发明的优点在于：
一种基于电池荷电状态与温度联合估计的整车能量管理方法，设计了精度较高的荷电状 态与温度联合估计算法，在此基础上实现更加有效的电动汽车能量进行管理。
附图说明
图1为本发明一种基于电池荷电状态与温度联合估计的整车能量管理方法流程图；
图2为本发明搭建的温度变化的Thevenin等效电路模型示意图；
图3为本发明使用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计的 流程图。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明作进一步详 细的说明。
本发明一种基于电池荷电状态与温度联合估计的整车能量管理方法，解决了电动汽车能 量管理对电池建模与仿真高精度的要求。如图1所示，具体步骤如下：
步骤一、针对某个电动汽车的电池，搭建电池生热模型，并进行简化。
电池生热模型采用集中质量热模型，在集中质量热模型中，忽略电池温度的空间分布， 于是温度T只是时间t的函数。集中质量热模型的能量平衡方程为：
Figure BDA0002807648110000061
其中ρ是电池的密度；Cp是电池的比热容；T为电池温度；I为电池电流；Vbattery是电池的体积；Voc为电池开路电压；V为电池端电压；h为热交换系数；Abattery为电池表面积；T∞是室温；
简化过程为：将短时间内的电流设为恒定值，并将
Figure BDA0002807648110000062
简化为多项式，对模型进行线性 化，得到：
Figure BDA0002807648110000063
步骤二、对简化后的电池生热模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化 的状态空间方程；
考虑噪声，状态空间方程如下：
Tk＝ATTk-1+BT+rk
Figure BDA0002807648110000064
Figure BDA0002807648110000065
其中，Tk是k时刻电池的温度状态；AT是电池生热模型的状态转移矩阵；BT为电池生热 模型的输入矩阵，值由电池等效电路模型决定。rk是电池生热模型的过程噪声。
步骤三、搭建动力电池温度时变的等效电路模型，得到状态空间方程；
等效电路模型简称电池温度模型，如图2所示，具体为：电源两端依次串联极化电容和 极化电阻组成的并联电路，电池的欧姆内阻Ri(T)，以及开路电压Voc。
考虑电池温度模型参数受到温度的影响，将参数设置为随温度变化的可变参数，包括： 可用容量、欧姆内阻、极化电容和极化电阻。
电池参数(可用容量、欧姆内阻、极化电容电阻等)对温度较为敏感，电池生热与电池 的工作状态息息相关。想要将电池生热纳入能量管理范围内，合理地进行电池生热的估计是 必不可少的。与Thevenin等效电路模型相比，新的模型可用容量、欧姆内阻、极化电容电 阻等均为温度时变的量。在这里认为开路电压与荷电状态的关系与温度无关，因为其温度敏 感度远低于其他随温度变化的量。
将模型搭建为状态方程的形式，取电池温度模型的状态向量x＝[SOC V*]T，输出y＝V， 输入u＝i，状态空间方程表示为：
Figure BDA0002807648110000071
y＝Voc(SOC)+Vs+i·Ri(T)
SOC为电池的荷电状态，A为状态空间方程的传递矩阵，
Figure RE-GDA0002933464460000072
Rs(T)为随温度变化的电池的极化内阻，Cs(T)为随温度变化的电池的极化电容；B为状态 空间方程的输入矩阵，
Figure RE-GDA0002933464460000073
η为电池充放电效率，Ct(T)为随温度变化的容量；u为 电池模型的输入，取值为输入电流i；y为测得的电池端电压；Vs为极化电阻与极化电容组成的并联电路的端电压；Ri(T)为随温度变化的电池的欧姆内阻，i为电池充放电电流，在充电时为正，放电时为负。
步骤四、对简化后的等效电路模型进行离散化，选择采样时间间隔Ts＝1s，考虑过程噪 声和测量噪声，得到离散化的电池等效电路模型的状态空间方程。
状态空间方程为：
xk+1＝Ad(T)·xk+Bd(T)·uk+wk
yk＝Voc,k(SOCk)+Vs,k+ikRi(T)+vk
其中，xk是k时刻的电池状态；yk是k时刻的测量输出；uk是k时刻电池模型的输入，取 值为ik；wk为k时刻的过程噪声；Voc,k为k时刻的电池开路电压；SOCk为k时刻的电池荷电状态；ik是k时刻的输入变量，即电池的充放电电流；Vs,k是k时刻等效电路模型中的极化电压；vk为k时刻的测量噪声；wk和vk是均值为零，且互不相关的两个高斯白噪声；Ad和Bd为 离散化后的状态转移矩阵和输入矩阵，表示为：
Figure BDA0002807648110000081
步骤五、利用电池等效电路模型，对电池生热模型进行改写；
由于电池生热模型中的状态转移矩阵AT与电池等效电路模型中的电池开路电压Voc(SOC)有关，即与电池等效电路模型中的状态x＝[SOC V*]T有关，可以表示为状态的函数，AT＝AT(xk)；BT与电池等效电路模型中的电池开路电压Voc(SOC)和电池端电压V有关， 即与电池等效电路模型中的状态x＝[SOC V*]T和输出y＝V有关，可以表示为状态和输出的 函数，BT＝BT(xk,yk)；因此改写公式如下：
Tk＝AT(xk)Tk-1+BT(xk,yk)+rk
步骤六、利用改写的电池生热模型以及温度时变的等效电路模型，采用双扩展卡尔曼滤 波对电池荷电状态SOC和电池温度T进行联合估计。
采用电池生热模型以及温度时变的Thevenin等效电路模型，分别在温度估计EKF的时 间更新以及状态估计EKF的时间更新中进行估计，包括：DEKF初始化，温度估计EKF的时间更新，状态估计EKF的时间更新，状态估计EKF的测量更新，电池荷电状态SOC提取， 温度估计EKF的测量更新以及电池温度提取。
具体步骤如下：
步骤601、针对t0(k＝0)时刻，设置迭代次数k＝0时的扩展卡尔曼滤波器的初始值， 分别为：
温度估计值初始值
Figure BDA0002807648110000082
Figure BDA0002807648110000083
T0为随机设定的温度初值。
温度估计误差协方差矩阵初始值
Figure BDA0002807648110000084
Figure BDA0002807648110000085
状态估计值初始值
Figure BDA0002807648110000086
Figure BDA0002807648110000087
x0为随机设定的状态初值。
状态估计误差协方差矩阵初始值
Figure BDA0002807648110000088
Figure BDA0002807648110000089
步骤602、对于k≥1,利用k-1时刻的温度估计值
Figure BDA00028076481100000810
和温度估计误差协方差矩阵
Figure BDA00028076481100000811
分别计算k时刻的温度先验估计值
Figure BDA00028076481100000812
和温度估计误差协方差矩阵先验估计值
Figure BDA00028076481100000813
Figure BDA00028076481100000814
Figure BDA00028076481100000815
Figure BDA00028076481100000816
为k-1时刻的电池生热模型过程噪声的协方差矩阵。
步骤603、对于k≥1,利用k-1时刻的状态先验估计值
Figure BDA00028076481100000817
和状态估计误差协方差矩阵
Figure BDA00028076481100000818
分别计算k时刻的状态估计值
Figure BDA00028076481100000819
和状态估计误差协方差矩阵先验估计值
Figure BDA00028076481100000820
计算公式如下：
Figure BDA0002807648110000091
Figure BDA0002807648110000092
Ad为电池等效电路模型中的状态转移矩阵；
Figure BDA0002807648110000093
为k-1时刻的温度模型过程噪声的协方 差矩阵。
步骤604、利用k时刻的状态估计值
Figure BDA0002807648110000094
温度估计值
Figure BDA0002807648110000095
和电池端电压测量值yk更新k时 刻的状态估计值，得到新的状态估计值
Figure BDA0002807648110000096
和新的估计误差协方差矩阵
Figure BDA0002807648110000097
具体为：首先利用k时刻的状态估计误差协方差矩阵
Figure BDA0002807648110000098
k时刻的测量噪声的协方差矩 阵
Figure BDA0002807648110000099
计算k时刻的状态估计的卡尔曼增益矩阵
Figure BDA00028076481100000910
Figure BDA00028076481100000911
Figure BDA00028076481100000912
为
Figure BDA00028076481100000913
的估计值；
Figure BDA00028076481100000914
然后，利用k时刻的卡尔曼增益矩阵
Figure BDA00028076481100000915
和k时刻的电池端电压测量值yk更新k时刻的状 态估计值，得到新的状态估计值
Figure BDA00028076481100000916
Figure BDA00028076481100000917
最后，计算k时刻的新的状态估计值
Figure BDA00028076481100000918
的估计误差协方差矩阵
Figure BDA00028076481100000919
Figure BDA00028076481100000920
I为单位矩阵。
步骤605、利用k时刻的新的状态估计值
Figure BDA00028076481100000921
提取k时刻的电池荷电状态SOC；
k时刻的电池荷电状态SOCk为：
Figure BDA00028076481100000922
步骤606、利用k时刻的温度估计值
Figure BDA00028076481100000923
k时刻更新过的状态估计值
Figure BDA00028076481100000924
和k时刻的电池 端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure BDA00028076481100000925
和温度估计误差协方差矩 阵
Figure BDA00028076481100000926
首先，利用k时刻的温度估计误差协方差矩阵
Figure BDA00028076481100000927
k时刻的测量噪声的协方差矩阵
Figure BDA00028076481100000928
计算k时刻的温度估计的卡尔曼增益矩阵
Figure BDA00028076481100000929
Figure BDA00028076481100000930
其中，
Figure BDA00028076481100000931
然后，利用k时刻的温度测量值
Figure BDA00028076481100000935
k时刻的卡尔曼增益矩阵
Figure BDA00028076481100000932
k时刻的更新的状态 估计值
Figure BDA00028076481100000933
和k时刻的电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure BDA00028076481100000934
Figure BDA0002807648110000101
最后，计算k时刻的新的温度估计值
Figure BDA0002807648110000102
的估计误差协方差矩阵
Figure BDA0002807648110000103
Figure BDA0002807648110000104
步骤607、利用新的温度估计值
Figure BDA0002807648110000105
提取k时刻的电池温度；
Figure BDA0002807648110000106
Figure BDA0002807648110000107
为电池温度Tk的估计值；
步骤608、同理，利用每个时刻的状态估计值
Figure BDA0002807648110000108
与温度估计值
Figure BDA0002807648110000109
提取各时刻相应的电 池荷电状态SOCk和电池工作温度Tk。
步骤七、基于精确估计的电池荷电状态值SOC与电池工作温度T，设计基于规则的方法 实现纯电动汽车整车能量管理；
采用基于规则的方法对电动汽车驱动系统与热管理系统的用电进行分配管理，整个电动 汽车系统在功率分配角度可以分为驱动系统与热管理系统。利用精确估计的电池荷电状态值 SOC与电池工作温度T，来决定优先满足驱动系统或者热管理系统的功率需求。
工作过程可描述如下：
1)、车辆起步时刻，判断动力电池工作温度T是否低于20℃，或者高于40℃，如果是， 优先满足热管理系统，否则，电池工作温度T在最优工作区间，即20℃-40℃，优先满足驱 动系统。
2)、汽车急加速时刻，此时加速度大于±3m/s2，优先满足驱动电机高功率需求。
3)、汽车爬坡行驶时刻，此时坡度大于5％，优先满足驱动电机高功率需求。
4)、汽车正常速度行驶时刻，即加速度小于等于±3m/s2，且坡度小于等于5％，优先 满足热管理系统需求，提高充放电效率，再满足保证驱动电机普通功率需求。
5)、判断电池荷电状态值是否小于等于20％，如果是，优先满足驱动系统；否则，优先 满足热管理系统。

Claims (4)

1.一种基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，具体步骤如下：
步骤一、针对某个电动汽车的电池，搭建电池生热模型，并进行简化；
电池生热模型采用集中质量热模型，能量平衡方程为：
Figure RE-FDA0002933464450000011
其中ρ是电池的密度；Cp是电池的比热容；T为电池温度；I为电池电流；Vbattery是电池的体积；Voc为电池开路电压；V为电池端电压；h为热交换系数；Abattery为电池表面积；T∞是室温；
简化过程为：将短时间内的电流设为恒定值，并将
Figure RE-FDA0002933464450000012
简化为多项式，对模型进行线性化，得到：
Figure RE-FDA0002933464450000013
步骤二、对简化后的电池生热模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程；
状态空间方程如下：
Tk＝ATTk-1+BT+rk
Figure RE-FDA0002933464450000014
Figure RE-FDA0002933464450000015
其中，Tk是k时刻电池的温度状态；AT是电池生热模型的状态转移矩阵；BT为电池生热模型的输入矩阵，rk是电池生热模型的过程噪声；
步骤三、搭建动力电池温度时变的等效电路模型，得到状态空间方程；
状态空间方程表示为：
Figure RE-FDA0002933464450000016
y＝Voc(SOC)+Vs+i·Ri(T)
x为电池温度模型的状态向量，x＝[SOC V*]T，SOC为电池的荷电状态，A为状态空间方程的传递矩阵，
Figure RE-FDA0002933464450000017
Rs(T)为随温度变化的电池的极化内阻，Cs(T) 为随温度变化的电池的极化电容；B为状态空间方程的输入矩阵，
Figure RE-FDA0002933464450000021
η为电池充放电效率，Ct(T)为随温度变化的容量；u为电池温度模型的输入，取值为输入电流i；y为测得的电池端电压；Vs为极化电阻与极化电容组成的并联电路的端电压；Ri(T)为随温度变化的电池的欧姆内阻，i为电池充放电电流，在充电时为正，放电时为负；Voc为开路电压；
步骤四、对简化后的等效电路模型进行离散化，选择采样时间间隔Ts＝1s，得到离散化的状态空间方程；
考虑过程噪声和测量噪声，得到离散化的电池等效电路模型的状态空间方程为：
xk+1＝Ad(T)·xk+Bd(T)·uk+wk
yk＝Voc,k(SOCk)+Vs,k+ikRi(T)+vk
其中，xk是k时刻的电池状态；yk是k时刻的测量输出；uk是k时刻电池温度模型的输入，取值为ik；wk为k时刻的过程噪声；Voc,k为k时刻的电池开路电压；SOCk为k时刻的电池荷电状态；ik是k时刻的输入变量，即电池的充放电电流；Vs,k是k时刻等效电路模型中的极化电压；vk为k时刻的测量噪声；Ad和Bd为离散化后的状态转移矩阵和输入矩阵，表示为：
Figure RE-FDA0002933464450000022
步骤五、利用电池温度模型，对电池生热模型进行改写；
改写公式如下：
Tk＝AT(xk)Tk-1+BT(xk,yk)+rk
AT(xk)是由电池生热模型中的状态转移矩阵AT表示的状态函数；BT(xk,yk)是由电池生热模型中的矩阵BT表示的状态和输出的函数；
步骤六、利用改写的电池生热模型以及电池温度模型，采用双扩展卡尔曼滤波对电池荷电状态SOC和电池温度T进行联合估计；
步骤七、将各时刻得到的电池荷电状态值SOC与电池工作温度T输入电动汽车能量管理系统，设计基于规则的方法对电动汽车驱动系统与热管理系统的用电进行分配管理。
2.如权利要求1所述的一种基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，所述步骤三中等效电路模型简称电池温度模型，具体为：电源两端依次串联极化电容和极化电阻组成的并联电路，电池的欧姆内阻Ri(T)，以及开路电压Voc；
等效电路模型随温度时变的参数包括：可用容量、欧姆内阻、极化电容和极化电阻。
3.如权利要求1所述的一种基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，所述步骤六具体为：
步骤601、针对t0时刻，设置迭代次数k＝0时的扩展卡尔曼滤波器的初始值，分别为：
温度估计值初始值
Figure RE-FDA0002933464450000031
Figure RE-FDA0002933464450000032
T0为随机设定的温度初值；
温度估计误差协方差矩阵初始值
Figure RE-FDA0002933464450000033
Figure RE-FDA0002933464450000034
状态估计值初始值
Figure RE-FDA0002933464450000035
Figure RE-FDA0002933464450000036
x0为随机设定的状态初值；
状态估计误差协方差矩阵初始值
Figure RE-FDA0002933464450000037
Figure RE-FDA0002933464450000038
步骤602、对于k≥1,利用k-1时刻的温度估计值
Figure RE-FDA0002933464450000039
和温度估计误差协方差矩阵
Figure RE-FDA00029334644500000310
分别计算k时刻的温度估计值
Figure RE-FDA00029334644500000311
和温度估计误差协方差矩阵
Figure RE-FDA00029334644500000312
计算公式为：
Figure RE-FDA00029334644500000313
Figure RE-FDA00029334644500000314
Figure RE-FDA00029334644500000315
为k-1时刻电池生热模型过程噪声的协方差矩阵；
步骤603、对于k≥1,利用k-1时刻的状态估计值
Figure RE-FDA00029334644500000316
和状态估计误差协方差矩阵
Figure RE-FDA00029334644500000317
分别计算k时刻的状态估计值
Figure RE-FDA00029334644500000318
和状态估计误差协方差矩阵
Figure RE-FDA00029334644500000319
计算公式如下：
Figure RE-FDA00029334644500000320
Figure RE-FDA00029334644500000321
Ad为电池等效电路模型中的状态转移矩阵；Bd为电池等效电路模型中的输入矩阵；
Figure RE-FDA00029334644500000322
为k-1时刻的电池温度模型过程噪声的协方差矩阵；
步骤604、利用k时刻的状态估计值
Figure RE-FDA00029334644500000323
温度估计值
Figure RE-FDA00029334644500000324
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure RE-FDA00029334644500000325
和新的估计误差协方差矩阵
Figure RE-FDA00029334644500000326
具体为：首先，利用k时刻的状态估计误差协方差矩阵
Figure RE-FDA00029334644500000327
和电池温度模型测量噪声的协方差矩阵
Figure RE-FDA00029334644500000328
计算k时刻状态估计的卡尔曼增益矩阵
Figure RE-FDA00029334644500000329
Figure RE-FDA00029334644500000330
其中，
Figure RE-FDA00029334644500000331
然后，利用k时刻的卡尔曼增益矩阵
Figure RE-FDA00029334644500000332
和电池端电压测量值yk更新k时刻的状态估计值，得到新的状态估计值
Figure RE-FDA00029334644500000333
Figure RE-FDA00029334644500000334
最后、利用k时刻的新的状态估计值
Figure RE-FDA0002933464450000041
计算新的估计误差协方差矩阵
Figure RE-FDA0002933464450000042
Figure RE-FDA0002933464450000043
I为单位矩阵；
步骤605、利用k时刻的新的状态估计值
Figure RE-FDA0002933464450000044
提取k时刻的电池荷电状态SOC；
k时刻的电池荷电状态SOCk为：
Figure RE-FDA0002933464450000045
步骤606、利用k时刻的温度估计值
Figure RE-FDA0002933464450000046
新的状态估计值
Figure RE-FDA0002933464450000047
和电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure RE-FDA0002933464450000048
和估计误差协方差矩阵
Figure RE-FDA0002933464450000049
首先，利用k时刻的温度估计误差协方差矩阵
Figure RE-FDA00029334644500000410
和测量噪声的协方差矩阵
Figure RE-FDA00029334644500000411
计算k时刻的温度估计的卡尔曼增益矩阵
Figure RE-FDA00029334644500000412
Figure RE-FDA00029334644500000413
其中，
Figure RE-FDA00029334644500000414
然后，利用k时刻的温度测量值Tyk，卡尔曼增益矩阵
Figure RE-FDA00029334644500000415
新的状态估计值
Figure RE-FDA00029334644500000416
和电池端电压测量值yk更新k时刻的温度估计值，得到新的温度估计值
Figure RE-FDA00029334644500000417
Figure RE-FDA00029334644500000418
最后，利用k时刻的新的温度估计值
Figure RE-FDA00029334644500000419
计算新的估计误差协方差矩阵
Figure RE-FDA00029334644500000420
Figure RE-FDA00029334644500000421
步骤607、利用新的温度估计值
Figure RE-FDA00029334644500000422
提取k时刻的电池温度；
Figure RE-FDA00029334644500000423
步骤608、同理，利用每个时刻的状态估计值
Figure RE-FDA00029334644500000424
与温度估计值
Figure RE-FDA00029334644500000425
提取各时刻相应的电池荷电状态SOCk和电池工作温度Tk。
4.如权利要求1所述的一种基于电池荷电状态与温度联合估计的整车能量管理方法，其特征在于，整个电动汽车系统将功率分别分配给驱动系统与热管理系统，利用各时刻的电池荷电状态值SOC与电池工作温度T，决定满足驱动系统或者热管理系统的功率需求优先级；
基于规则的方法描述如下：
a、车辆起步时刻，判断动力电池工作温度T是否低于20℃，或者高于40℃，如果是，优先满足热管理系统，否则，电池工作温度T在最优工作区间，即20℃-40℃，优先满足驱动系统；
b、汽车急加速时刻，此时加速度大于±3m/s2，优先满足驱动系统；汽车爬坡行驶时刻，此时坡度大于5％，优先满足驱动系统；
c、汽车正常速度行驶时刻，即加速度小于等于±3m/s2，且坡度小于等于5％，优先满足热管理系统需求；
d、判断电池荷电状态值是否小于等于20％，如果是，优先满足驱动系统；否则，优先满足热管理系统。
CN202011377947.6A 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法 Active CN112526349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011377947.6A CN112526349B (zh) 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011377947.6A CN112526349B (zh) 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法

Publications (2)

Publication Number Publication Date
CN112526349A true CN112526349A (zh) 2021-03-19
CN112526349B CN112526349B (zh) 2021-11-12

Family

ID=74996022

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011377947.6A Active CN112526349B (zh) 2020-11-30 2020-11-30 基于电池荷电状态与温度联合估计的整车能量管理方法

Country Status (1)

Country Link
CN (1) CN112526349B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238150A (zh) * 2021-05-24 2021-08-10 哈尔滨工业大学 基于状态估计算法的电池实时发热功率获取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1987508A (zh) * 2006-12-26 2007-06-27 天津力神电池股份有限公司 锂离子电池热安全性能预测方法
CN104409789A (zh) * 2014-11-24 2015-03-11 哈尔滨工业大学 一种具有温度保护功能的电池组电量不均衡状态下的充电方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
CN110954831A (zh) * 2019-12-06 2020-04-03 重庆大学 一种多时间尺度的方形锂电池soc和sot联合估计方法
US20200227791A1 (en) * 2017-09-14 2020-07-16 Abb Schweiz Ag Method and System For Controlling a Rechargeable Battery

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1987508A (zh) * 2006-12-26 2007-06-27 天津力神电池股份有限公司 锂离子电池热安全性能预测方法
CN104409789A (zh) * 2014-11-24 2015-03-11 哈尔滨工业大学 一种具有温度保护功能的电池组电量不均衡状态下的充电方法
CN106872904A (zh) * 2017-02-23 2017-06-20 合肥工业大学 基于离散滑模观测器的锂电池内部温度估计方法
US20200227791A1 (en) * 2017-09-14 2020-07-16 Abb Schweiz Ag Method and System For Controlling a Rechargeable Battery
CN110954831A (zh) * 2019-12-06 2020-04-03 重庆大学 一种多时间尺度的方形锂电池soc和sot联合估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙金磊 等: "电动汽车动力电池温度在线估计方法", 《电工技术学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113238150A (zh) * 2021-05-24 2021-08-10 哈尔滨工业大学 基于状态估计算法的电池实时发热功率获取方法
CN113238150B (zh) * 2021-05-24 2022-10-04 哈尔滨工业大学 基于状态估计算法的电池实时发热功率获取方法

Also Published As

Publication number Publication date
CN112526349B (zh) 2021-11-12

Similar Documents

Publication Publication Date Title
Ye et al. A model-based adaptive state of charge estimator for a lithium-ion battery using an improved adaptive particle filter
CN111007399B (zh) 基于改进生成对抗网络的锂电池荷电状态预测方法
CN102981125B (zh) 一种基于rc等效模型的动力电池soc估计方法
Meng et al. Lithium polymer battery state-of-charge estimation based on adaptive unscented Kalman filter and support vector machine
CN105954679B (zh) 一种锂电池荷电状态的在线估计方法
US9377512B2 (en) Battery state estimator combining electrochemical solid-state concentration model with empirical equivalent-circuit model
CN110286332B (zh) 一种基于多新息理论的电动汽车动力电池soc估计方法
CN111929581B (zh) 一种动力锂电池内外部温度预测方法
CN110824363B (zh) 一种基于改进ckf的锂电池soc和soe联合估算方法
CN110795851B (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN110688808B (zh) 一种动力电池模型的粒子群及lm优化混合迭代辨识方法
CN104535934B (zh) 在线前馈补偿的动力电池电荷状态估计方法与系统
CN109061506A (zh) 基于神经网络优化ekf的锂离子动力电池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
CN103632018B (zh) 一种基于Simscape平台的电池建模方法
Huang et al. Soc estimation of li-ion battery based on improved ekf algorithm
CN111060834A (zh) 一种动力电池健康状态估算方法
CN108761340A (zh) 基于噪声干扰的强跟踪容积卡尔曼滤波的电池估算方法
CN107171035B (zh) 锂离子电池的充电方法
Mohan et al. Estimating the power capability of li-ion batteries using informationally partitioned estimators
CN105717460A (zh) 一种基于非线性观测器的动力电池soc估计方法和系统
CN111060824A (zh) 一种基于模型与算法分步融合的荷电状态估计方法
CN112858929A (zh) 一种基于模糊逻辑与扩展卡尔曼滤波的电池soc估计方法
CN105116346A (zh) 一种串联型锂离子电池系统及其荷电状态估计方法
CN112526349B (zh) 基于电池荷电状态与温度联合估计的整车能量管理方法

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