CN113466725A - 确定电池荷电状态的方法及装置，存储介质及电子设备 - Google Patents

Abstract

本公开涉及一种确定电池荷电状态的方法及装置，存储介质及电子设备，以解决难以合理确定电池荷电状态的问题。所述方法包括：获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据；根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的电池荷电状态估计值和修正量；根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息；基于所述权重信息以及所述每类观测器的电池荷电状态估计值，确定所述电池的电池荷电状态目标值。

Description

确定电池荷电状态的方法及装置，存储介质及电子设备

技术领域

本公开涉及电池技术领域，具体地，涉及一种确定电池荷电状态的方法及装置，存储介质及电子设备。

背景技术

电动汽车作为一种新能源汽车，具有降低石油消耗、低污染、低噪声等优点，其被认为是能源危机问题和环境恶化问题的重要解决途径。电池作为电动汽车的动力来源，其荷电状态的准确估计不仅有助于提升电池系统的均衡控制效率和电动汽车的能量管理效率，更攸关动态工况下电动汽车的整车安全。

相关技术中，利用电池模型与观测器进行组合，对电池的荷电状态进行估计。在对电池荷电状态进行估计时，由于采样元件校准不合格、采样元件老化等原因，电池数据的测量精度难以得到保证，从而容易导致等效电路模型出现误差，进而导致电池荷电状态的估计出现误差，不利于车辆的安全运行和高效管理。并且，电池模型与观测器组合时，可能加重电池管理系统的运行负担。

发明内容

本公开的目的是提供一种确定电池荷电状态的方法及装置，存储介质及电子设备，以解决难以合理确定电池荷电状态的问题。

为了实现上述目的，本公开第一方面提供一种确定电池荷电状态的方法，所述方法包括：

获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据；

根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的SOC估计值和修正量；

根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息；

基于所述权重信息以及所述每类观测器的SOC估计值，确定所述电池的SOC目标值。

本公开第二方面提供一种确定电池荷电状态的装置，所述装置包括：

获取模块，用于获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据；

第一确定模块，用于根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的SOC估计值和修正量；

第二确定模块，用于根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息；

第三确定模块，用于基于所述权重信息以及所述每类观测器的SOC估计值，确定所述电池的SOC目标值。

本公开第三方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述中任一项所述方法的步骤。

本公开第四方面提供一种电子设备，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现上述任一项所述方法的步骤。

通过上述技术方案，至少可以达到以下有益效果：

通过最小二乘法RLS预估模型确定所述等效电路模型中的元件参数值。并且，在确定所述电池的等效电路模型中的元件参数值时，还考虑了至少包括电压数据的采样误差因子和/或电流数据的采样误差因子的误差信息，从而能够降低采样误差所带来的影响，进而能够提升确定的所述等效电路模型中的元件参数值的准确度，最终起到提升所确定的等效电路模型的精度的效果。进一步地，基于不同类型的观测器确定的电池SOC值，确定电池SOC目标值，进而提升确定电池荷电状态的合理性，保证车辆的高效管理和可靠运行。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是本公开一示例性实施例所示出的一种确定电池荷电状态的方法的流程图。

图2是本公开一示例性实施例所示出的另一种确定电池荷电状态的方法的流程图。

图3是本公开一示例性实施例所示出的一种L阶初始等效电路模型的示意图。

图4是本公开一示例性实施例所示出的另一种L阶初始等效电路模型的示意图。

图5是本公开一示例性实施例所示出的另一种确定电池荷电状态的方法的流程图。

图6是本公开一示例性实施例所示出的一种确定等效电路模型的装置的框图。

图7是本公开一示例性实施例所示出的一种确定等效电路模型的电子设备的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

需要说明的是，本公开说明书和权利要求书以及附图中的术语“第一”、“第二”等用于区别类似的对象，而不必理解为描述特定的顺序或先后次序。

在介绍本公开所提供的确定电池荷电状态的方法、装置、存储介质及电子设备之前，首先对本公开各实施例的应用场景进行介绍。本公开的各实施例可以用于确定电池的荷电状态，所述电池例如可以是三元锂电池、磷酸铁锂电池等等。

以电动汽车为例，电池作为电动汽车的动力来源，其状态的准确估计不仅有助于提升电池系统的均衡控制效率和电动汽车的能量管理效率，还攸关动态工况下电动汽车的整车安全。相关技术中，可以通过确定相应的等效电路模型进而分析所述电池的状态，这些状态例如可以是电池荷电状态(State of charge，简称SOC)、电池能量状态(State ofenergy，简称SOE)、电池功率状态(State of power，简称SOP)、电池健康状态(State ofhealth，简称SOH)等，利用多个电池模型分别与观测器进行组合，或者一个电池模型与一个观测器进行组合的方式，确定电池荷电状态。

申请人发现，由于采样元件校准不合格、采样元件老化等原因，电池数据的测量结果中还可能包括对应的误差，从而导致相关技术中辨识出的等效电路模型容易出现误差，进而导致电池状态的估计出现误差，不利于车辆的安全运行和高效管理。举例来讲，随着电动车辆的使用，BMS(Battery Management System，电池管理系统)的采样器件不断老化，其测量偏置将再次出现，造成BMS的测量噪声不再为白噪声，而变为有色噪声，最终导致辨识出的等效电路模型出现误差，降低电池状态的估计精度。并且，利用不同模型分别与观测器进行组合，无疑加重了车载BMS的运算压力。而利用一种电池模型和一种观测器技术的估计电池SOC，其精度和收敛速度无法满足不同工况和环境条件的应用需求。

为此，本公开提供一种确定电池荷电状态的方法，参照图1所示出的一种确定电池荷电状态的方法的流程示意图，所述方法包括：

S11、获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据。

其中，所述状态数据还可以包括所述电池的容量数据、开路电压-荷电状态曲线等等。

以电动汽车为例，在具体实施时可以通过BMS来直接和/或间接地获取电池的所述状态数据。例如，BMS可以通过电流传感器来直接获取所述电池的电流数据。又或者，BMS可以通过温度传感器来获取所述电池的温度数据。在一些实施例中，BMS也可以通过相应的数据接口来间接地获取所述状态数据，例如，通过数据接口来获取存储器中所存储的所述电池的开路电压-荷电状态曲线信息。

S12、根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的SOC估计值和修正量。

在一种可能实现的方式中，在步骤S12中，所述等效电路模型的元件参数值是通过如下方式得到的：

基于所述电池的离线测试确定等效电路模型，以及所述等效电路模型的元件参数值与荷电状态和电池温度的函数关系式；

根据所述温度数据和所述电池前一时刻的荷电状态数据通过所述函数关系式确定所述元件参数值，其中，所述等效电路模型为RC电路模型或者RV电路模型。

在另一种可能实现的方式中，在步骤S12中，所述等效电路模型的元件参数值是通过如下方式得到的：

基于所述电池的等效电路模型、误差信息、电池特性数据以及所述状态数据，通过最小二乘法RLS预估模型，确定等效电路模型中的元件参数值；

其中，所述等效电路模型是基于对所述电池进行离线测试得到的，所述电池特性数据包括不同温度下的开路电压-荷电状态曲线以及滞回电压-荷电状态曲线，其中，所述等效电路模型为RC电路模型。

可选地，通过上述两种方式确定等效电路模型的元件参数值时，所述等效电路模型可以为RC电路模型，所述步骤S11包括：

获取电池管理系统BMS采集的所述状态数据，所述状态数据还包括所述电池的温度数据、所述电池在不同温度下的开路电压-荷电状态曲线以及滞回电压-荷电状态曲线。

例如，BMS可以通过电流传感器来直接获取所述电池的电流数据。又或者，BMS可以通过温度传感器来获取所述电池的温度数据。在一些实施例中，BMS也可以通过相应的数据接口来间接地获取所述状态数据，例如，通过数据接口来获取存储器中所存储的所述电池的开路电压-荷电状态曲线信息以及滞回电压-荷电状态曲线信息。

所述步骤S12，包括：

根据所述温度数据、当前时刻电池的荷电状态数据、所述开路电压-荷电状态曲线以及滞回电压-荷电状态曲线确定目标开路电压以及目标滞回电压。

应当理解，在经过离线测试获取所述电池在不同温度下的开路电压-荷电状态曲线以及滞回电压-荷电状态曲线后，可以根据所述BMS获取到的电池当前的SOC信息、所述开路电压-荷电状态曲线以及滞回电压-荷电状态曲线确定当前时刻的目标开路电压以及目标滞回电压。

这样，在步骤S12中，可以基于所述等效电路模型、所述误差信息、所述状态数据、所述目标开路电压以及所述目标滞回电压通过RLS预估模型，确定所述等效电路模型中的元件参数值，从而起到在线辨识所述电池的电池模型参数值的效果。同时，由于辨识过程中还考虑了BMS采样器件的采样误差，从而能够进一步地提升确定的所述等效电路模型中的元件参数值的准确度，进而能够提升所述电池等效模型的精度。

所述误差信息可以包括电压数据的采样误差因子，用于描述采样元件采集的电池电压数据与所述电池的真实电压数据之间的差异。例如，采样元件采集的电池电压数据

可以为：

其中，U(k)为第k时刻所述电池的电压真值，ε₁为电压数据的采样误差因子。

这样，上述技术方案在确定所述电池的等效电路模型中的元件参数值时，还考虑了电压数据的采样误差因子，从而能够降低电压采样误差所带来的影响，进而能够提升确定的所述等效电路模型中的元件参数值的准确度，最终起到提升所确定的等效电路模型的精度的效果。

此外，在一些实施例中，所述误差信息也可以包括电流数据的采样误差因子，用于描述采样元件采集的电池电流数据与所述电池的真实电流数据之间的差异。例如，采样元件采集的电池电流数据

可以为：

其中，I(k)为第k时刻所述电池的电流真值，ε₂为电流数据的采样误差因子。

这样，上述技术方案在确定所述电池的等效电路模型中的元件参数值时，还考虑了电流数据的采样误差因子，从而能够降低电流采样误差所带来的影响，进而能够提升确定的所述等效电路模型中的元件参数值的准确度，最终起到提升所确定的等效电路模型的精度的效果。

值得注意的是，在一些实施例中，所述误差信息也可以同时包括所述电压数据的采样误差因子以及电流数据的采样误差因子。在这种情况下，所述步骤S12包括：

基于所述电池的等效电路模型的阶数、所述电压数据的采样误差因子、所述电流数据的采样误差因子以及所述状态数据，通过最小二乘法RLS预估模型，确定所述等效电路模型中的元件参数值。

采用上述技术方案，在确定所述电池的等效电路模型中的元件参数值时，还考虑了所述电压数据的采样误差因子以及所述电流数据的采样误差因子，从而能够进一步地降低采样误差所带来的影响，进而能够提升确定的所述等效电路模型中的元件参数值的准确度，最终起到提升所确定的等效电路模型的精度的效果。

值得说明的是，在一些实施例中，所述误差信息还可以包括所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差。也就是说，在具体实施时，所述采样误差可以包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差中的一种或多种，本公开对此不作限定。

在一种可能的实施方式中，参照图2所示出的一种确定等效电路模型的流程图，如图所示：

在步骤S21中，基于电池离线测试，获得所述电池的初始属性信息，所述初始属性信息包括所述电池的开路电压-荷电状态曲线、滞回电压-荷电状态曲线。

其中，所述初始属性信息还可以包括电池容量信息，电池模型参数的协方差初始值等等，所述离线测试可以包括容量测试，脉冲测试以及典型工况测试。

具体的，针对所述容量测试，在一实施例中，所述容量测试包括：

(1)调整温度为25℃，将电池以电池生产商建议的容量测试电流值(例如1C)放电至电压下限，并静置30分钟；

(2)将电池以电池生产商建议的容量测试电流值(例如1C)充电至电压上限(例如4.25V)后，转为恒压充电(恒压值可以为电池生产商建议数值，例如4.25V)，并静置30分钟；

(3)统计(1)和(2)分别累计的容量值，重复上述(1)和(2)直至相邻循环之间的容量值差异小于0.1Ah，将此时的容量值记为电池容量Q_m。

进一步的，在获得所述电池容量Q_m之后，可以对所述电池进行脉冲测试，所述脉冲测试可以包含充电和放电两个部分，其中充电和放电部分均为20组脉冲组合序列。

举例来讲，充电部分的前18组脉冲组合序列中，每组脉冲组合序列可以包括：

(1)调整温度为25℃，恒流充电脉冲(幅值为1C)，直至脉冲累积安时变化大于等于Q_m的5％；

(2)2小时静置；

(3)10秒钟恒流充电脉冲(幅值为0.5C)；

(4)40秒钟静置；

(5)10秒钟恒流放电脉冲(幅值为0.1C)；

(6)将0.1C分别替换为0.5C、1C、2C、3C、4C、5C后，重复(3)至(5)；

(7)静置24小时；

(8)调整温度至55℃，静置2h；

(9)将55℃分别替换为40℃、25℃、10℃、0℃、-10℃、-20℃，-30℃，重复(8)；

(10)调整温度为25℃；

(11)静置24小时。

充电部分的最后2组脉冲组合序列中，每组脉冲包括：

(1)恒流-恒压脉冲，直至脉冲累积安时变化大于等于Q_m的5％；

(2)2小时静置；

(3)10秒钟恒流充电脉冲(幅值为0.5C)；

(4)40秒钟静置；

(5)10秒钟恒流放电脉冲(幅值为0.5C)；

(6)将0.5C分别替换为1C、2C、3C、4C、5C后，重复(3)至(5)；

(7)静置24小时；

(8)调整温度至55℃，静置2h；

(9)将55℃分别替换为40℃、25℃、10℃、0℃、-10℃、-20℃，-30℃，重复(8)；

(10)调整温度为25℃；

(11)静置24小时。

此外，针对放电部分，放电部分的20组脉冲组合序列中，每组脉冲可以包括：

(1)恒流放电脉冲(幅值为1C)，直至脉冲累积大于或等于Q_m的5％；

(2)2小时静置；

(3)10秒钟恒流放电脉冲(幅值为0.5C)；

(4)40秒钟静置；

(5)10秒钟恒流充电脉冲(幅值为0.5C)；

(6)将0.5C分别替换为1C、2C、3C、4C、5C后，重复(3)至(5)；

(7)静置24小时；

(8)调整温度至55℃，静置2h；

(9)将55℃分别替换为40℃、25℃、10℃、0℃、-10℃、-20℃，-30℃，重复(8)；

(10)调整温度为25℃；

(11)静置24小时。

这样，通过上述脉冲测试，可以根据充电部分每组脉冲中步骤(8)中的静置2h后的电池电压，从而获得不同电池SOC和不同温度条件下，电池充电OCV(Open CircuitVoltage，开路电压)随电池SOC的变化曲线。类似的，可以根据放电部分每组脉冲中步骤(8)中的静置2h后的电池电压，从而获得不同电池SOC和不同温度条件下，电池放电OCV随电池SOC的变化曲线。其中，相同SOC的条件下，电池充电OCV与放电OCV的平均值即为电池OCV，充电OCV与放电OCV的差异的1/2记为滞回电压，电池OCV随电池SOC和温度的变化曲线即为电池OCV-SOC曲线，滞回电压随电池SOC和温度的变化曲线即为滞回电压-荷电状态曲线。

这样，在步骤S22中，可以根据所述初始属性信息分别建立不同阶数的多个初始等效电路模型。

示例地，根据所述初始属性信息建立的L阶初始等效电路模型如图3所示。其中，其中，U_OCV和U_hys分别代表电池开路电压和电池滞回电压，I和U分别代表电池电流(放电为正)和电池电压，R₀为电池电路模型中的欧姆内阻，R₁～R_L为对应RC网络1～L的极化电阻，V_A1～V_AL和V_B1～V_BL分别为模型参数，

为储能元件的端电压。

又一示例，根据所述初始属性信息建立的L阶初始等效电路模型如图4所示。其中，U_OCV和U_hys分别代表电池开路电压和电池滞回电压，I和U分别代表电池电流(放电为正)和电池电压，R₀为电池电路模型中的欧姆内阻，R₁～R_L为对应RC网络1～L的极化电阻，C₁～C_L为对应RC网络1～L的极化电容，

为储能元件的端电压。

其中，可以利用遗传算法、粒子群优化算法等优化算法获得电池模型参数。优化算法以参数初始值作为起点，根据交叉变异等优化规则，对模型参数进行不断的迭代更新，最终达到电池模型电压预测残差均方根最小的目标。

在具体实施时，针对每一种阶数的初始等效电路模型，可以通过多目标优化算法来确定该种阶数的初始等效电路模型中各元件参数的取值。以粒子群算法为例，可以通过随机初始化各元件参数的取值，并将该种阶数的等效电路模型在典型工况下的电压预测残差均方根作为适应值，通过不断地迭代优化，从而选择出该种阶数的等效电路模型的元件初始参数值(优化条件可以为该种阶数的等效电路模型在典型工况下的电压预测残差均方根小于预设阈值或是迭代次数达到阈值等等)，最终得到各种阶数的初始等效电路模型。此外，在一些实施例中，为了降低模型的复杂度，还可以对所述等效电路模型的阶数进行限制，例如可以将所述等效电路模型的阶数L限制为L≤3，其中L为正整数。

在步骤S23中，针对每一阶数的所述初始等效电路模型，分别测试该初始等效电路模型在目标工况下的计算误差信息和计算时间信息。

接上一实施例，在确定各种阶数的初始等效电路模型后，可以分别测试每一阶数的初始等效电路模型在典型工况下的计算误差信息和计算时间信息。

这样，在步骤S24中，可以根据每一所述初始等效电路模型的参数数量、所述计算误差信息以及所述计算时间信息计算每一所述初始等效电路模型的匹配度。并，在步骤S25中，将所述匹配度最优的初始等效电路模型的阶数确定为所述等效电路模型的阶数。

采用上述技术方案，通过对电池进行离线测试，从而获得了所述电池的初始属性信息。进一步的，根据所述初始属性信息建立并计算了不同阶数的初始等效电路模型的匹配度，从而能够提升所述初始等效电路模型模型的精度。

可选地，所述误差信息包括电压数据的采样误差因子和电流数据的采样误差因子，所述RLS预估模型的辨识形式为：

其中，

为所述RLS预估模型第k时刻的输出信号的测量值，U_OCV(k)和U_hys(k)分别代表所述电池第k时刻的目标开路电压和目标滞回电压，

为第k时刻所述BMS采集的电池电压值，

为所述RLS预估模型第k时刻的输入信号，

为第k时刻所述BMS采集的电池电流值，θ(k)为所述RLS预估模型第k时刻的参数矩阵，a₁～a_L，a₀，b₀～b_L为所述参数矩阵中的参数，L为所述初始等效电路模型的阶数，T为所述BMS的采样周期；

其中，

U(k)为第k时刻所述电池的电压真值，ε₁为电压数据的采样误差因子，

I(k)为第k时刻所述电池的电流真值，ε₂为电流数据的采样误差因子。

以图3为例进行说明，根据图3所示出的L阶初始等效电路模型可以得到拉普拉斯空间中L阶初始等效电路模型的表达通式：

其中，U_s为BMS采集到的电池电压数据，I_s为与电压同步采样的电池电流真值，U_OCV为电池开路电压，U_hys为电池滞回电压，R₀代表电池电路模型中的欧姆内阻，R₁～R_L为对应RC网络1～L的极化电阻，C₁～C_L为对应RC网络1～L的极化电容。

利用双线性变换

并令Y(z)＝U_OCV(z)+U_hys(z)-U(z)可得：

其中，T为BMS采样周期。

定义：

则式(2)可以进一步地简化为式(4)：

其中，b_i和a_j为简化系数(i＝0～L，j＝1～L_i)，表达式由电池模型阶数L决定，如式(5)～(7)所示：

当L＝1时，表达式如式(5)所示：

当L＝2时，表达式如式(6)所示：

当L＝3时，表达式如式(7)所示：

由式(4)可得电池模型的离散化表达形式，如式(8)所示：

进一步的，在一些实施例中，由于车载BMS测量误差为有色噪声，因而还可以考虑以下两类误差：

(1)、电压数据的测量误差：

(2)、电流数据的测量误差：

其中，

和

分别表示BMS记录的电池电压测量值和电池电流测量值，ε₁为电压数据的采样误差因子，ε₂为电流数据的采样误差因子。

根据式(9)和(10)，则车载环境下有：

应当理解，当电池SOC已知时，U_OCV(k)和U_hys(k)分别根据开路电压-荷电状态曲线和滞回电压-荷电状态曲线获得，因此也可作为已知量，进而结合式(8)可得到下式：

定义：

则本公开中RLS预估模型的辨识形式为：

则有：

继而可以采用RLS方法对参数θ(k)进行估计。如式(13)所示，其中，P(k)代表k时刻的RLS协方差，λ为遗忘因子，取值范围可以是0.95～1，

为输出Y(k)的测量值。

之后利用多元方程组求解方法对式(3)、(5)～(7)进行反解，即可求得电池元件参数值P_parameter＝[R₀，R₁～R_L，C₁～C_L]。举例来讲，联立公式12、13可解得θ(k)，在θ(k)已知的情况下，可对式3、5～7(根据电池模型阶数确定)进行反解，从而得到所述电池元件参数值P_parameter＝[R₀，R₁～R_L，C₁～C_L]，进而可以通过代入所述电池模型参数确定电池的等效电路模型。

可选地，对于L阶RC电路模型，如下式所示：

U(k)＝U_OCV(SOC(k),Temp(k))+U_hys(SOC(k),Temp(k))

其中，T为采样间隔，C_M为电池可用容量。

可选地，对于L阶RV电路模型，如下式所示：

其中，

i>0，T为采样间隔，C_M为电池可用容量。

申请人发现，在一些场景中，所述误差信息包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差中的至少一种。

可选地，所述误差信息包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差，所述RLS预估模型的辨识形式为：

其中，

为所述RLS预估模型第k时刻的输出信号的测量值，U_OCV(k)和U_hys(k)分别代表所述电池第k时刻的目标开路电压和目标滞回电压，

为第k时刻所述BMS采集的电池电压值，

为所述RLS预估模型第k时刻的输入信号，

为第k时刻所述BMS采集的电池电流值，θ(k)为所述RLS预估模型第k时刻的参数矩阵，a₁～a_L，a₀，c₁，d₀～d_L，c₂为所述参数矩阵中的参数，L为所述初始等效电路模型的阶数，T为所述BMS的采样周期；

其中，

U(k)为第k时刻所述电池的电压真值，ε₁为电压数据的采样误差因子，

I为与电压同步采样的电池电流，ε₂为电流数据的采样误差因子，ε₃为电流数据与电压数据之间的采样时间差值，

和ε₄分别表示电池SOC存在误差时的电池OCV值以及对应的电池开路电压的误差。

接上一实施例的式(10)进行说明，在一些场景中，还可以考虑如下误差：

(3)、电流数据与电压数据之间的采样时间差，即：

其中I'(k)＝I(k)+ε₂，I为与电压同步采样的电池电流，ε₃表示电流数据与电压数据之间的采样时间差值。参照式(10)，I(k)以及ε₂的含义本公开在此不做赘述。

这样，对式(14)作泰勒展开，可得式(15)：I'(k+ε₃)＝I'(k)+ε₃·I'(k)(15)

若

则式(15)可化为：

此外，由于等效电路模型模型的参数值估计过程与电池SOC估计过程相互分离，因而在参数值估计过程中还可以考虑电池SOC误差的影响。也就是说，当电池SOC存在误差时，参数估计需要考虑电池OCV误差：

即

其中，

和ε₄分别表示电池SOC存在误差时的电池OCV值以及对应的电池开路电压的误差。

值得注意的是，对于不同的BMS系统来说，电压数据的采样误差因子、电流数据的采样误差因子以及所述电压数据和所述电流数据的采样时间差的数值大小也可能存在着差异。在所述电压数据和所述电流数据的采样时间差的数值大小不可忽略的情况下：

考虑式(9)、(10)、(14)～式(17)，则车载环境下有：

结合式(8)所示的电池模型的离散化表达形式可得到下式：

进一步的，定义

则在此情况下本公开的RLS预估模型的辨识形式为：

采用上述技术方案，通过最小二乘法RLS预估模型对电池模型参数进行反解，从而能够确定所述等效电路模型中的元件参数值。并且，所述最小二乘法RLS预估模型还考虑了BMS的采样器件所获取到的各类数据的误差，从而能够降低复杂车载条件下，BMS的采样器件所获取到的各类数据的误差(例如BMS的采样器件不断老化所导致的有色测量噪声，BMS测量过程中电流和电压测量过程之间的非同步性所导致的等效电路模型参数值的估计误差等等)对等效电路模型参数值的估计影响，进而能够解决后续电池状态估计精度下降的问题。

S13、根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息。

在一种可能实现的方式中，所述根据预设修正边界值以及每类所述观测器的修正量，确定每类所述观测器的权重信息，包括：

根据预设修正边界值以及每类所述观测器的修正量确定每类所述观测器的置信度；

基于所述置信度计算得到每类所述观测器的权重信息。

可选地，每类观测器计算过程中的预设修正边界值为同一个值，而每类观测器的修正量不同，这样，不同类型的观测器受不同因素的影响大小不同，确定的置信度可能不同。

可选地，所述置信度Γ_i是通过如下公式计算得到的：

其中，L_i(k)为第k时刻对应类型观测器的修正量，U_i(k)为第k时刻所述电压数据，σ为标准差，η为预设修正边界值。

基于不同类型观测器的置信度Γ_i，计算当前时刻每类观测器的权重信息F_i，计算过程的辨析行驶可以如下所示：

这样，根据车辆的每一时刻实车状态，可以确定不同类型的观测器的修正量，进而计算对应的置信度，确定每类观测器的权重信息。

S14、基于所述权重信息以及所述每类观测器的SOC估计值，确定所述电池的SOC目标值。

在步骤S14中，所述观测器是通过如下方式确定所述电池的SOC值的：

S1401、基于前一刻的电池状态向量，根据所述元件参数值、所述电流数据以及所述温度数据，利用电池空间方程的输出方程，确定每类所述观测器的状态向量先验值。

具体实施时，若车辆处于从下电工况进入上电的工况，则根据各项初始值条件，对每类观测器进行初始化。这种情况下，前一时刻的电池状态向量，根据所述元件参数值、所述电流数据以及所述温度数据即为初始化后的电池状态向量，元件参数值、电流数据以及温度数据。

示例地，电池空间方程的输出方程可以是如下辨识形式：

其中，

为状态向量先验值，x_state(k-1)为第k-1时刻的状态向量，P_parameter为所述元件参数值，I(k)为第k时刻的所述电流数据。

在一种可能实现的方式中，所述每类所述观测器的修正量是通过以下方式得到的：

根据所述状态向量先验值、所述元件参数值、所述电流数据以及所述温度数据确定每类所述观测器的修正量。

示例地，通过以下辨识形式确定每类所述观测器的修正量L_i(k)：

其中，I(k)和Temp(k)分别为第k时刻的电流数据和温度数据，U(k)为第k时刻的电压数据，P_parameter为所述元件参数值，

为所述状态向量先验值。

S1402、基于每类所述观测器的增益矩阵以及所述状态向量先验值确定状态向量后验值，其中，不同类型的观测器的增益矩阵不同。

示例地，当所述观测器类型为Luenberger观测器时，所述状态向量后验值

可以通过如下辨识形式确定：

其中，KP_joint和KI_joint均为Luenberger观测器的预设增益。

又一示例，当所述观测器类型为EKF(Extended Kalman filter扩展卡尔曼滤波)、UKF(Unscented Kalman filter无迹卡尔曼滤波)或者AUKF(Adaptive unscented Kalmanfilter自适应无迹卡尔曼滤波)观测器时，所述状态向量后验值

可以通过如下辨识形式确定：

其中，K_joint为EKF、UKF、AUKF观测器的预设增益。

进一步地，当所述观测器为EKF时，其预设增益K_joint可以通过如下辨识形式确定：K_joint＝(A·P·A^T+Q)·C^T·[C·(A·P·A^T+Q)·C^T+R]

其中，P，Q，R分别为电池状态协方差初始值、过程噪声方差初始值以及测量噪声方差初始值，

当所述观测器为UKF、AUKF时，其预设增益K_joint可以通过如下辨识形式确定：

其中，

为第j个特征点在计算状态向量协方差时的权重系数，

为第j个特征点在计算期望时的权重系数，

为第j个特征点输出值与输出的期望之差，R为测量噪声方差初始值。

S1403、根据所述状态向量后验值以及电池状态空间方程确定所述电池的SOC值。

可选地，所述电池状态空间方程为：

其中，P_parameter＝[R₀，R₁～R_L，C₁～C_L]，为所述元件参数值的列向量，R₀为所述等效电路模型的欧姆内阻，R₁～R_L为所述等效电路模型的极化内阻，C₁～C_L为所述等效电路模型的极化电容，I(k)为第k时刻DE所述电流数据，Temp(k)为第k时刻所述温度数据，ω(k)为所述过程噪声，γ(k)为所述测量噪声，其方差分别为过程噪声方差和测量噪声方差，f(·)和g(·)均为非线性函数，SOC(k)为所述电池的SOC值。

最终，在步骤S14中，基于所述电池的SOC值，根据如下辨识形式确定所述电池的SOC值SOC_EC：

其中，SOC_i为不同类型的观测器的电池的SOC值。

本公开还提供一种确定电池荷电状态的装置，参考图5所示出的一种确定电池荷电状态的装置的框图，所述装置500包括：获取模块510，第一确定模块520，第二确定模块530，第四确定模块540。

获取模块510，用于获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据；

第一确定模块520，用于根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的SOC估计值和修正量；

第二确定模块530，用于根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息；

第三确定模块540，用于基于所述权重信息以及所述每类观测器的SOC估计值，确定所述电池的SOC目标值。

上述装置通过最小二乘法RLS预估模型确定所述等效电路模型中的元件参数值。并且，在确定所述电池的等效电路模型中的元件参数值时，还考虑了至少包括电压数据的采样误差因子和/或电流数据的采样误差因子的误差信息，从而能够降低采样误差所带来的影响，进而能够提升确定的所述等效电路模型中的元件参数值的准确度，最终起到提升所确定的等效电路模型的精度的效果。进一步地，基于不同类型的观测器确定的电池SOC值，确定电池SOC目标值，进而提升确定电池荷电状态的合理性，保证车辆的高效管理和可靠运行。

可选地，所述第二确定模块包括：第一确定子模块，用于基于所述电池的离线测试确定等效电路模型，以及所述等效电路模型的元件参数值与荷电状态和电池温度的函数关系式；

第二确定子模块，用于根据所述温度数据和所述电池前一时刻的荷电状态数据通过所述函数关系式确定所述元件参数值，其中，所述等效电路模型为RC电路模型或者RV电路模型。

可选地，所述第二确定模块包括：第九确定子模块，用于基于所述电池的等效电路模型、误差信息、电池特性数据以及所述状态数据，通过最小二乘法RLS预估模型，确定等效电路模型中的元件参数值；

其中，所述等效电路模型是基于对所述电池进行离线测试得到的，所述电池特性数据包括不同温度下的开路电压-荷电状态曲线以及滞回电压-荷电状态曲线，其中，所述等效电路模型为RC电路模型。

可选地，所述装置还包括第四确定模块，用于确定所述等效电路模型的阶数，所述第四确定模块包括：

获取子模块，用于基于电池离线测试，获得所述电池的初始属性信息，所述初始属性信息包括所述电池的开路电压-荷电状态曲线、滞回电压-荷电状态曲线；

创建子模块，用于根据所述初始属性信息分别建立不同阶数的多个初始等效电路模型；

测试子模块，用于针对每一阶数的所述初始等效电路模型，分别测试该初始等效电路模型在目标工况下的计算误差信息和计算时间信息；

计算子模块，用于根据每一所述初始等效电路模型的参数数量、所述计算误差信息以及所述计算时间信息计算每一所述初始等效电路模型的匹配度；

确定子模块，用于将所述匹配度最优的初始等效电路模型确定为所述电池的等效电路模型。

可选地，所述误差信息包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差中的至少一种。

可选地，所述误差信息包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差，所述RLS预估模型的辨识形式为：

其中，

为所述RLS预估模型第k时刻的输出信号的测量值，U_OCV(k)和U_hys(k)分别代表所述电池第k时刻的目标开路电压和目标滞回电压，

为第k时刻所述BMS采集的电池电压值，

为所述RLS预估模型第k时刻的输入信号，

为第k时刻所述BMS采集的电池电流值，θ(k)为所述RLS预估模型第k时刻的参数矩阵，a₁～a_L，a₀，c₁，d₀～d_L，c₂为所述参数矩阵中的参数，L为所述初始等效电路模型的阶数，T为所述BMS的采样周期；

其中，

U(k)为第k时刻所述电池的电压真值，ε₁为电压数据的采样误差因子，

I为与电压同步采样的电池电流，ε₂为电流数据的采样误差因子，ε₃为电流数据与电压数据之间的采样时间差值，

和ε₄分别表示电池SOC存在误差时的电池OCV值以及对应的电池开路电压的误差。

可选地，所述第四确定模块，包括：

第三确定子模块，用于基于前一刻的电池状态向量，根据所述元件参数值、所述电流数据以及所述温度数据，利用电池空间方程的输出方程，确定每类所述观测器的状态向量先验值；

第四确定子模块，用于基于每类所述观测器的增益矩阵以及所述状态向量先验值确定状态向量后验值，其中，不同类型的观测器的增益矩阵不同；

第五确定子模块，用于根据所述状态向量后验值以及电池状态空间方程确定所述电池的SOC值。

可选地，所述第四确定模块，包括：

第六确定子模块，用于根据所述状态向量先验值、所述元件参数值、所述电流数据以及所述温度数据确定每类所述观测器的修正量。

可选地，所述第二确定模块，包括：

第七确定子模块，用于根据预设修正边界值以及每类所述观测器的修正量确定每类所述观测器的置信度；

第八确定子模块，用于基于所述置信度计算得到每类所述观测器的权重信息。

可选地，所述置信度Γ_i是通过如下公式计算得到的：

其中，L_i(k)为第k时刻对应类型观测器的修正量，U_i(k)为第k时刻所述电压数据，σ为标准差，η为预设修正边界值。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

此外值得说明的是，为描述的方便和简洁，说明书中所描述的实施例均属于优选实施例，其所涉及的部分并不一定是本发明所必须的，例如，第一确定模块和第二确定模块，在具体实施时可以是相互独立的装置也可以是同一个装置，本公开对此不作限定。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一实施例中所述的确定电池荷电状态的方法的步骤。

本公开还提供一种电子设备，包括：存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现上述任一实施例中所述的确定电池荷电状态的方法的步骤。

图6是根据一示例性实施例示出的一种用于确定电池荷电状态的装置600的框图。参照图6，装置600可以包括以下一个或多个组件：处理组件602，存储器604，电力组件606，多媒体组件606，输入/输出(I/O)的接口612，传感器组件614，以及通信组件616。

处理组件602通常控制装置600的整体操作，诸如数据的获取、传感器数据的处理，RLS算法的求解等等。处理组件602可以包括一个或多个处理器620来执行指令，以完成上述确定电池荷电状态的方法的全部或部分步骤。此外，处理组件602可以包括一个或多个模块，便于处理组件602和其他组件之间的交互。例如，处理组件602可以包括多媒体模块，以方便多媒体组件606和处理组件602之间的交互。

存储器604被配置为存储各种类型的数据以支持在装置600的操作。这些数据的示例包括用于在装置600上操作的任何应用程序或方法的指令，历史电流数据、历史电压数据、电池的开路电压-荷电状态曲线、滞回电压-荷电状态曲线等。存储器604可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件606为装置600的各种组件提供电力。电力组件606可以包括电源管理系统，一个或多个电源，及其他与为装置600生成、管理和分配电力相关联的组件。

多媒体组件606包括在所述装置600和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。

I/O接口612为处理组件602和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。

传感器组件614包括一个或多个传感器，用于为装置600提供各个方面的状态评估。例如，传感器组件614可以检测电池的温度、电流等等。在一些实施例中，该传感器组件614例如可以包括加温度传感器，速度传感器，电流传感器等等。

通信组件616被配置为便于装置600和其他设备之间有线或无线方式的通信。装置600可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。

在示例性实施例中，装置600可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述确定电池荷电状态的方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器604，上述指令可由装置600的处理器620执行以完成上述确定电池荷电状态的方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的确定电池荷电状态的方法的代码部分。

本公开还提供一种电池管理系统，包括上述任一项确定电池荷电状态的装置。

关于上述实施例中的电池管理系统，其中装置执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (13)

1.一种确定电池荷电状态的方法，其特征在于，所述方法包括：

获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据；

根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的电池荷电状态估计值和修正量；

根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息；

基于所述权重信息以及所述每类观测器的电池荷电状态估计值，确定所述电池的电池荷电状态目标值。

2.根据权利要求1所述的方法，其特征在于，所述等效电路模型的元件参数值是通过如下方式得到的：

基于所述电池的离线测试确定等效电路模型，以及所述等效电路模型的元件参数值与荷电状态和电池温度的函数关系式；

根据所述温度数据和所述电池前一时刻的荷电状态数据通过所述函数关系式确定所述元件参数值，其中，所述等效电路模型为RC电路模型或者RV电路模型。

3.根据权利要求1所述的方法，其特征在于，所述等效电路模型的元件参数值是通过如下方式得到的：

基于所述电池的等效电路模型、误差信息、电池特性数据以及所述状态数据，通过最小二乘法RLS预估模型，确定等效电路模型中的元件参数值；

其中，所述电池特性数据包括不同温度下的开路电压-荷电状态曲线以及滞回电压-荷电状态曲线，所述等效电路模型为RC电路模型。

4.根据权利要求2或3所述的方法，其特征在于，所述等效电路模型是通过如下方式确定的：

基于电池离线测试，获得所述电池的初始属性信息，所述初始属性信息包括所述电池的开路电压-荷电状态曲线、滞回电压-荷电状态曲线；

根据所述初始属性信息分别建立不同阶数的多个初始等效电路模型；

针对每一阶数的所述初始等效电路模型，分别测试该初始等效电路模型在目标工况下的计算误差信息和计算时间信息；

根据每一所述初始等效电路模型的参数数量、所述计算误差信息以及所述计算时间信息计算每一所述初始等效电路模型的匹配度；

将所述匹配度最优的初始等效电路模型确定为所述电池的等效电路模型。

5.根据权利要求3所述的方法，其特征在于，所述误差信息包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差中的至少一种。

6.根据权利要求3所述的方法，其特征在于，所述误差信息包括电压数据的采样误差因子、电流数据的采样误差因子、所述电压数据和所述电流数据的采样时间差以及电池开路电压的误差，所述RLS预估模型的辨识形式为：

其中，

为所述RLS预估模型第k时刻的输出信号的测量值，U_OCV(k)和U_hys(k)分别代表所述电池第k时刻的目标开路电压和目标滞回电压，

为第k时刻所述BMS采集的电池电压值，

为所述RLS预估模型第k时刻的输入信号，

为第k时刻所述BMS采集的电池电流值，θ(k)为所述RLS预估模型第k时刻的参数矩阵，a₁～a_L，a₀，c₁，d₀～d_L，c₂为所述参数矩阵中的参数，L为所述初始等效电路模型的阶数，T为所述BMS的采样周期；

其中，

U(k)为第k时刻所述电池的电压真值，ε₁为电压数据的采样误差因子，

I为与电压同步采样的电池电流，ε₂为电流数据的采样误差因子，ε₃为电流数据与电压数据之间的采样时间差值，

和ε₄分别表示电池电池荷电状态存在误差时的电池OCV值以及对应的电池开路电压的误差。

7.根据权利要求1所述的方法，其特征在于，所述观测器是通过如下方式确定所述电池的电池荷电状态值的：

基于前一刻的电池状态向量，根据所述元件参数值、所述电流数据以及所述温度数据，利用电池空间方程的输出方程，确定每类所述观测器的状态向量先验值；

基于每类所述观测器的增益矩阵以及所述状态向量先验值确定状态向量后验值，其中，不同类型的观测器的增益矩阵不同；

根据所述状态向量后验值以及电池状态空间方程确定所述电池的电池荷电状态值。

8.根据权利要求7所述的方法，其特征在于，所述每类所述观测器的修正量是通过以下方式得到的：

根据所述状态向量先验值、所述元件参数值、所述电流数据以及所述温度数据确定每类所述观测器的修正量。

9.根据权利要求1所述的方法，其特征在于，所述根据预设修正边界值以及每类所述观测器的修正量，确定每类所述观测器的权重信息，包括：

根据预设修正边界值以及每类所述观测器的修正量确定每类所述观测器的置信度；

基于所述置信度计算得到每类所述观测器的权重信息。

10.根据权利要求9所述的方法，其特征在于，所述置信度Γ_i是通过如下公式计算得到的：

其中，L_i(k)为第k时刻对应类型观测器的修正量，U_i(k)为第k时刻所述电压数据，σ为标准差，η为预设修正边界值。

11.一种确定电池荷电状态的装置，其特征在于，所述装置包括：

获取模块，用于获取电池的状态数据，所述状态数据包括电流数据、电压数据、温度数据；

第一确定模块，用于根据所述电池的等效电路模型的元件参数值、所述状态数据、电池特性数据以及观测器初始参数，确定每类观测器的电池荷电状态估计值和修正量；

第二确定模块，用于根据预设修正边界值以及每类观测器的所述修正量，确定每类观测器的权重信息；

第三确定模块，用于基于所述权重信息以及所述每类观测器的电池荷电状态估计值，确定所述电池的电池荷电状态目标值。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-10中任一项所述方法的步骤。

13.一种电子设备，其特征在于，包括：

存储器，其上存储有计算机程序；

处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-10中任一项所述方法的步骤。

Images