CN115407204A - 基于电池参数补偿的电池荷电状态估算方法及系统 - Google Patents
基于电池参数补偿的电池荷电状态估算方法及系统 Download PDFInfo
- Publication number
- CN115407204A CN115407204A CN202210950967.0A CN202210950967A CN115407204A CN 115407204 A CN115407204 A CN 115407204A CN 202210950967 A CN202210950967 A CN 202210950967A CN 115407204 A CN115407204 A CN 115407204A
- Authority
- CN
- China
- Prior art keywords
- battery
- soc
- charge
- state
- 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.)
- Pending
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明涉及电池管理技术领域,尤其涉及一种基于电池参数补偿的电池荷电状态估算方法及系统,通过电池最大可用电荷量、不同温度下OCV‑SOC关系曲线和电池模型的阻容参数关系曲线,建立扩展卡尔曼滤波模型,通过每一次电池温度改变来更新扩展卡尔曼滤波模型矩阵中的参数,实时对扩展卡尔曼滤波模型进行校正,通过校正后的扩展卡尔曼滤波模型再对电池荷电状态进行估算,使得对电池荷电状态的估算更加精准。
Description
技术领域
本发明涉及电池管理技术领域,尤其涉及一种基于电池参数补偿的电池荷电状态估算方法及系统。
背景技术
随着科技的发展,电动汽车逐步成为汽车市场的主流。为了制造出高性能、高可靠性的电动汽车,就需要对车载电池包实时监测和跟踪,能够准确预测出电池的荷电状态(SOC)以及电池健康(SOH)对提高整车性能、提升车辆安全性有着非常重要的意义。
现有对电池荷电状态(SOC)估算的方法有:模型驱动法、数据驱动法等,其中等效电路模型应用最为广泛。一系列使用卡尔曼滤波算法的电池荷电状态估算方法出现,但由于电池在不同工作状态下的动态特性呈现非线性特性,且随着环境变化以及电池老化等因素对电池模型的影响,现有方法对电池荷电状态的估算误差较大,不能满足使用需求。
发明内容
本发明的目的在于提供一种基于电池参数补偿的电池荷电状态估算方法及系统,解决现有电池荷电状态估算误差大的问题。
本发明的技术问题解决方案:
一种基于电池参数补偿的电池荷电状态估算方法,其特征在于,包括以下步骤:
S1、基于待评估电池的二阶RC等效电路模型,建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线;
S2、监测电池充放电数据来更新电池最大可用电荷量Qmax;
S3、基于电池的二阶RC等效电路模型,利用电池参数数据集和最大可用电荷量Qmax建立电池空间状态模型;
S4、基于电池空间状态模型确定电池扩展卡尔曼滤波模型;根据电池的实时温度和电池最大可用电荷量Qmax来更新电池扩展卡尔曼滤波模型中的矩阵参数以实现扩展卡尔曼滤波器模型的校正,根据校正后的扩展卡尔曼滤波模型对电池荷电状态进行估算。
进一步限定,所述不同温度下OCV-SOC关系曲线获得方法为:
在设定的多个温度下通过对电池进行间歇性充放电实验获得OCV-SOC数据后对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,通过该表达式,即可利用电池的荷电状态计算得到当前电池的开路电压值,OCV-SOC关系曲线的表达式为:
OCV(t,SOC)=p1t*SOC^7+p2t*SOC^6+p3t*SOC^5+p4t*SOC^4+p5t*SOC^3+p6t*SOC^2+p7t*SOC+p8t
其中,t为设定温度,OCV为电池的开路电压,SOC为电池的荷电状态,SOC的取值范围为0~100%,p1t~p8t为拟合系数;
所述不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线获得方法为:
在设定的温度下对电池在不同荷电状态下进行HPPC测试,得到该温度下对应的电池响应端电压曲线并处理,得到对应的阻容参数,通过对阻容参数进行拟合得到对应的阻容参数关系曲线。
进一步限定,所述监测电池充放电数据来更新电池最大可用电荷量Qmax方法为:
根据计算,其中Qpassed为电池荷电状态SOC1到电池荷电状态SOC2之间流过的电荷量,SOC1与SOC2为对电池进行充电或者放电时两个不同时刻的电池荷电状态,并且SOC1与SOC2需要电池电压变化量满足其中dt为两个不同时刻之间的时差,dV为对应时差内的电压差。
进一步限定,所述电池空间状态模型包括状态方程和观测方程,所述状态方程为:
所述观测方程为:
U(K)=OCV(T,SOC)-Us(T,K)-Ud(T,K)-R0(T,SOC)I(K)+νK
其中,Us为电池的浓差极化电压,Ud为电池的电化学极化电压,K为第K次计算电池荷电状态, τs(T,SOC)=Rs(T,SOC)*Cs(T,SOC),τd(T,SOC)=Rd(T,SOC)*Cd(T,SOC),I(K)为第K次循环时电池电流,Δt为采样时间间隔,η为库伦效率,ωK为过程噪声,νK为观测噪声,e为常数,Rs为电池的浓差极化电阻,Rd为电池的电化学极化电阻,Cs为电池的浓差极化电容,Cd为电池的电化学极化电容。
进一步限定,所述电池扩展卡尔曼滤波模型包括状态转移矩阵、输入矩阵和输入矩阵:
所述状态转移矩阵为:
所述输入矩阵为:
所述观测矩阵为:
电池温度T变化后,扩展卡尔曼滤波模型中矩阵的参数被更新,所述扩展卡尔曼滤波模型预测电池荷电状态以及更新矩阵中参数包括以下步骤:
一种基于电池参数补偿的电池荷电状态估算系统,其特征在于,包括:
电池参数集存储模块,用于根据待评估电池的二阶RC等效电路模型,建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线;
电池最大可用电荷量更新模块,用于监测电池充放电数据来更新电池最大可用电荷量Qmax;
电池空间状态模型建立模块,用于根据电池的二阶RC等效电路模型,利用电池参数数据集和最大可用电荷量Qmax建立电池空间状态模型;
卡尔曼滤波模型建立模块,用于根据电池空间状态模型确定电池扩展卡尔曼滤波模型;根据电池的实时温度和电池最大可用电荷量Qmax来更新电池扩展卡尔曼滤波模型中的矩阵参数以实现扩展卡尔曼滤波器模型的校正,根据校正后的扩展卡尔曼滤波模型对电池荷电状态进行估算。
进一步限定,所述电池参数集存储模块包括:
OCV-SOC关系曲线存储模块,用于在设定的多个温度下通过对电池进行间歇性充放电实验获得OCV-SOC数据后对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,存储对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,通过该表达式,即可通过电池的荷电状态算出当前电池的开路电压值;
所述OCV-SOC关系曲线的表达式为:OCV(t,SOC)=p1t*SOC^7+p2t*SOC^6+p3t*SOC^5+p4t*SOC^4+p5t*SOC^3+p6t*SOC^2+p7t*SOC+p8t
其中,t为设定温度,OCV为电池的开路电压,SOC为电池的荷电状态,SOC的取值范围为0~100%,p1t~p8t为拟合系数;
阻容参数关系曲线存储模块,用于在设定的温度下对电池在不同荷电状态下进行HPPC测试,得到该温度下对应的电池响应端电压曲线并处理,得到对应的阻容参数,通过对阻容参数进行拟合得到对应的阻容参数关系曲线并存储。
进一步限定,所述电池最大可用电荷量更新模块具体为:
根据计算,其中Qpassed为电池荷电状态SOC1到电池荷电状态SOC2之间流过的电荷量,SOC1与SOC2为对电池进行充电或者放电时两个不同时刻的电池荷电状态,并且SOC1与SOC2需要电池电压变化量满足其中dt为两个不同时刻之间的时差,dV为对应时差内的电压差。
进一步限定,所述电池空间状态模型建立模块包括:
状态方程建立模块:用于建立状态方程,所述状态方程为:
观测方程建立模块,用于建立观测方程,所述观测方程为:
U(K)=OCV(T,SOC)-Us(T,K)-Ud(T,K)-R0(T,SOC)I(K)+νK
其中,Us为电池的浓差极化电压,Ud为电池的电化学极化电压,K为第K次计算电池荷电状态, τs(T,SOC)=Rs(T,SOC)*Cs(T,SOC),τd(T,SOC)=Rd(T,SOC)*Cd(T,SOC),I(K)为第K次循环时电池电流,Δt为采样时间间隔,η为库伦效率,ωK为过程噪声,νK为观测噪声,e为常数,Rs为电池的浓差极化电阻,Rd为电池的电化学极化电阻,Cs为电池的浓差极化电容,Cd为电池的电化学极化电容。
进一步限定,所述扩展卡尔曼滤波模型建立模块包括:
状态转移矩阵建立模块,用于建立状态转移矩阵,所述状态转移矩阵为:
输入矩阵建立模块,用于建立输入矩阵,所述输入矩阵为:
观测矩阵立模块,用于建立观测矩阵,所述观测矩阵为:
更新模块,用于电池温度T变化后,扩展卡尔曼滤波模型中矩阵的参数被更新,所述扩展卡尔曼滤波模型预测电池荷电状态以及更新矩阵中参数包括以下步骤:
本发明的有益效果在于:
通过电池最大可用电荷量、不同温度下OCV-SOC关系曲线和电池模型的阻容参数关系曲线,建立扩展卡尔曼滤波模型,通过每一次电池温度改变来更新扩展卡尔曼滤波模型矩阵中的参数,实时对扩展卡尔曼滤波模型进行校正,通过校正后的扩展卡尔曼滤波模型再对电池荷电状态进行估算,使得对电池荷电状态的估算更加精准。
附图说明
图1为本发明实施例1的待评估电池的二阶RC等效电路模型图;
图2为本发明实施例1中T分别为-10℃、-5℃、0℃、5℃、15℃、25℃、35℃、45℃时对应的OCV-SOC关系曲线;
图3为本发明实施例1中进行HPPC循环测试图,其中图3a为电池响应端电压变化曲线图,图3b为电池电流变化曲线图;
图4为本发明实施例1不同温度下的阻容参数关系曲线,图4a为阻值参数关系曲线,图4b为容值参数关系曲线;
图5为本发明实施例1基于电池参数补偿的电池荷电状态估算方法与AH积分算法对电池荷电状态估算结果对比图;
图6为图5中A部分的放大示意图;
图7为本发明实施例1基于电池参数补偿的电池荷电状态估算方法估算与AH积分算法估算误差对比图。
具体实施方式
实施例1
本实施例提供一种基于电池参数补偿的电池荷电状态估算方法,包括以下步骤:
S1、基于待评估电池的二阶RC等效电路模型,建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线;
S2、监测电池充放电数据来更新电池最大可用电荷量Qmax;
S3、基于电池的二阶RC等效电路模型,利用电池参数数据集和最大可用电荷量Qmax建立电池空间状态模型;
S4、基于电池空间状态模型确定电池扩展卡尔曼滤波模型;根据电池的实时温度和电池最大可用电荷量Qmax来更新电池扩展卡尔曼滤波模型中的矩阵参数以实现扩展卡尔曼滤波器模型的校正,根据校正后的扩展卡尔曼滤波模型对电池荷电状态进行估算。
具体的,步骤S1中,以锂离子电池进行具体说明,如图1所示,建立锂离子电池的二阶RC等效电路模型,其中,Us为电池的浓差极化电压,Ud为电池的电化学极化电压,Rs为电池的浓差极化电阻,Rd为电池的电化学极化电阻,Cs为电池的浓差极化电容,Cd为电池的电化学极化电容,Uoc为电池开路电压,R0为电池欧姆电阻,Ut为可直接测量的电池的端口电压。
建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及在不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线,其中,不同温度下OCV-SOC关系曲线获得方法为:
在设定的多个温度下通过对电池进行间歇性充放电实验获得OCV-SOC数据后对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,通过该表达式,即可利用电池的荷电状态计算得到当前电池的开路电压值,OCV-SOC关系曲线的表达式为:
OCV(t,SOC)=p1t*SOC^7+p2t*SOC^6+p3t*SOC^5+p4t*SOC^4+p5t*SOC^3+p6t*SOC^2+p7t*SOC+p8t;
其中,t为设定温度,通常根据实际使用温度进行取值,例如分别取值为-10℃、-5℃、0℃、5℃、15℃、25℃、35℃和45℃,OCV为对应温度下电池的开路电压,SOC为对应温度下电池的荷电状态,SOC的取值范围为0~100%,p1t~p8t为根据拟合得到的拟合系数,参考表1,当t=25℃时OCV-SOC的数据;
表1 t=25℃时的OCV-SOC数据
根据表1得到对应的t=25℃时的OCV-SOC关系数据可以通过Matlab中的拟合工具箱进行表达式的拟合,得到t=25℃时的OCV-SOC关系曲线表达式:OCV(t=25,SOC)=p1t=25*SOC^7+p2t=25*SOC^6+p3t=25*SOC^5+p4t=25*SOC^4+p5t=25*SOC^3+p6t=25*SOC^2+p7t=25*SOC+p8t=25,其中,根据计算得到p1t=25=47.44,p2t=25=-166.3,p3t=25=234,p4t=25=-172,p5t=25=73.43,p6t=25=-18.83,p7t=25=3.208,p8t=25=3.261;同理,测量得到其他温度下的OCV-SOC关系数据,并进行拟合得到对应温度下的OCV-SOC关系曲线表达式,最后根据对应的OCV-SOC关系曲线表达式得到OCV-SOC关系曲线,参考图2,为t分别为-10℃、-5℃、0℃、5℃、15℃、25℃、35℃、45℃时对应的OCV-SOC关系曲线。
其中,不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线获取方法为:
在设定的温度下对电池在不同荷电状态下进行HPPC测试,得到该温度下对应的电池响应端电压曲线并处理,得到对应的阻容参数,通过对阻容参数进行拟合得到对应的阻容参数关系曲线。
例如,在设定的温度下,对锂离子电池在0%、5%、10%、15%、20%、30%、40%、50%、60%、70%、80%、90%、95%和100%荷电状态进行HPPC循环测试,参考图3,图3a为t=25℃锂离子电池进行HPPC循环测试时对应的电池端电压响应曲线图,图3b为电池电流变化曲线图,根据HPPC循环测试图得到该温度的锂离子电池在不同荷电状态时对应的电池响应端电压数据,计算得到对应的R0、Rs和Rd的阻值,得到Cs和Cd的容值,根据计算的阻容数据得到不同温度下R0(t,SOC)、Rs(t,SOC)、Cs(t,SOC)、Rd(t,SOC)和Cd(t,SOC)的曲线表达式,参考图4,图4a为t=25℃时R0、Rs和Rd的阻值参数关系曲线,图4b为t=25℃时Cs和Cd的容值参数关系曲线。
具体的,步骤S2中,监测电池充放电数据来更新电池最大可用电荷量Qmax方法为:
根据计算,其中Qpassed为电池荷电状态SOC1到电池荷电状态SOC2之间流过的电荷量,SOC1与SOC2为对电池进行充电或者放电时两个不同时刻的电池荷电状态,并且SOC1与SOC2需要电池电压变化量满足其中dt为两个不同时刻之间的时差,dV为对应时差内的电压差。
具体的,步骤S3中,将等效电路模型离散化后得到由状态方程和观测方程组成的锂电池空间状态模型,电池空间状态模型包括状态方程和观测方程,状态方程为:
所述观测方程为:
U(K)=OCV(T,SOC)-Us(T,K)-Ud(T,K)-R0(T,SOC)I(K)+νK
其中,Us为电池的浓差极化电压,Ud为电池的电化学极化电压,K为第K次计算电池荷电状态, τs(T,SOC)=Rs(T,SOC)*Cs(T,SOC),τd(T,SOC)=Rd(T,SOC)*Cd(T,SOC),I(K)为第K次循环时电池电流,Δt为采样时间间隔,η为库伦效率,ωK为过程噪声,νK为观测噪声,e为常数,Rs为电池的浓差极化电阻,Rd为电池的电化学极化电阻,Cs为电池的浓差极化电容,Cd为电池的电化学极化电容;可以看出,系统中的电池参数是根据温度和电池荷电状态变化进行补偿的,通过建立的待评估电池的二阶RC等效电路模型既能保证精度,又能够减少较更高阶RC等效模型的运算量。
具体的,步骤S4中,对电池空间状态方程线性化后即可得到扩展卡尔曼滤波模型,电池扩展卡尔曼滤波模型包括状态转移矩阵、输入矩阵和输入矩阵:
状态转移矩阵为:
输入矩阵为:
观测矩阵为:
电池温度T变化后,扩展卡尔曼滤波模型中矩阵的参数被更新,所述扩展卡尔曼滤波模型预测电池荷电状态以及更新矩阵中参数包括以下步骤:
在每一次温度与电池荷电状态改变时循环步骤S3.1~S3.8,从而更新扩展卡尔曼滤波模型,再通过更新后的卡尔曼滤波模型再对电池当前荷电状态进行估算,得到更精准的估算值,参考图5,为本发明基于电池参数补偿的电池荷电状态估算方法与AH积分算法对电池荷电状态估算结果对比图,其中EKF为本发明基于电池参数补偿的电池荷电状态估算方法估算得到的电池荷电状态曲线,Real为实际电池荷电状态曲线,AH为AH积分算法估算得到的电池荷电状态曲线,放大部分为本发明基于电池参数补偿的电池荷电状态估算方法估算得到的电池荷电状态曲线与实际电池荷电状态曲线的对比,参考图6和图7,为本发明基于电池参数补偿的电池荷电状态估算方法得到的电池荷电状态与实际电池荷电状态之间的误差和AH积分算法估算得到的电池荷电状态与实际电池荷电状态之间的误差对比图,基于电池参数补偿的电池荷电状态估算方法得到的电池荷电状态与实际电池荷电状态之间的误差小于3%,满足使用需求,估算结果更准确。
实施例2
本实施例提供一种基于电池参数补偿的电池荷电状态估算系统包括:
电池参数集存储模块,用于根据待评估电池的二阶RC等效电路模型,建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线;
电池最大可用电荷量更新模块,用于监测电池充放电数据来更新电池最大可用电荷量Qmax;
电池空间状态模型建立模块,用于根据电池的二阶RC等效电路模型,利用电池参数数据集和最大可用电荷量Qmax建立电池空间状态模型;
卡尔曼滤波模型建立模块,用于根据电池空间状态模型确定电池扩展卡尔曼滤波模型;根据电池的实时温度和电池最大可用电荷量Qmax来更新电池扩展卡尔曼滤波模型中的矩阵参数以实现扩展卡尔曼滤波器模型的校正,根据校正后的扩展卡尔曼滤波模型对电池荷电状态进行估算。
其中,电池参数集存储模块包括:
OCV-SOC关系曲线存储模块,用于在设定的多个温度下通过对电池进行间歇性充放电实验获得OCV-SOC数据后对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,存储对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,通过该表达式,即可通过电池的荷电状态算出当前电池的开路电压值;
所述OCV-SOC关系曲线的表达式为:OCV(t,SOC)=p1t*SOC^7+p2t*SOC^6+p3t*SOC^5+p4t*SOC^4+p5t*SOC^3+p6t*SOC^2+p7t*SOC+p8t
其中,t为设定温度,OCV为电池的开路电压,SOC为电池的荷电状态,SOC的取值范围为0~100%,p1t~p8t为拟合系数;
阻容参数关系曲线存储模块,用于在设定的温度下对电池在不同荷电状态下进行HPPC测试,得到该温度下对应的电池响应端电压曲线并处理,得到对应的阻容参数,通过对阻容参数进行拟合得到对应的阻容参数关系曲线并存储。
电池最大可用电荷量更新模块具体为:
根据计算,其中Qpassed为电池荷电状态SOC1到电池荷电状态SOC2之间流过的电荷量,SOC1与SOC2为对电池进行充电或者放电时两个不同时刻的电池荷电状态,并且SOC1与SOC2需要电池电压变化量满足其中dt为两个不同时刻之间的时差,dV为对应时差内的电压差。
电池空间状态模型建立模块包括:
状态方程建立模块:用于建立状态方程,所述状态方程为:
观测方程建立模块,用于建立观测方程,所述观测方程为:
U(K)=OCV(T,SOC)-Us(T,K)-Ud(T,K)-R0(T,SOC)I(K)+νK
其中,Us为电池的浓差极化电压,Ud为电池的电化学极化电压,K为第K次计算电池荷电状态, τs(T,SOC)=Rs(T,SOC)*Cs(T,SOC),τd(T,SOC)=Rd(T,SOC)*Cd(T,SOC),I(K)为第K次循环时电池电流,Δt为采样时间间隔,η为库伦效率,ωK为过程噪声,νK为观测噪声,e为常数,Rs为电池的浓差极化电阻,Rd为电池的电化学极化电阻,Cs为电池的浓差极化电容,Cd为电池的电化学极化电容。
扩展卡尔曼滤波模型建立模块包括:
状态转移矩阵建立模块,用于建立状态转移矩阵,所述状态转移矩阵为:
输入矩阵建立模块,用于建立输入矩阵,所述输入矩阵为:
观测矩阵立模块,用于建立观测矩阵,所述观测矩阵为:
更新模块,用于电池温度T变化后,扩展卡尔曼滤波模型中矩阵的参数被更新,所述扩展卡尔曼滤波模型预测电池荷电状态以及更新矩阵中参数包括以下步骤:
Claims (10)
1.一种基于电池参数补偿的电池荷电状态估算方法,其特征在于,包括以下步骤:
S1、基于待评估电池的二阶RC等效电路模型,建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线;
S2、监测电池充放电数据来更新电池最大可用电荷量Qmax;
S3、基于电池的二阶RC等效电路模型,利用电池参数数据集和最大可用电荷量Qmax建立电池空间状态模型;
S4、基于电池空间状态模型确定电池扩展卡尔曼滤波模型;根据电池的实时温度和电池最大可用电荷量Qmax来更新电池扩展卡尔曼滤波模型中的矩阵参数以实现扩展卡尔曼滤波器模型的校正,根据校正后的扩展卡尔曼滤波模型对电池荷电状态进行估算。
2.根据权利要求1所述的基于电池参数补偿的电池荷电状态估算方法,其特征在于,所述不同温度下OCV-SOC关系曲线获得方法为:
在设定的多个温度下通过对电池进行间歇性充放电实验获得OCV-SOC数据后对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,通过该表达式,即可利用电池的荷电状态计算得到当前电池的开路电压值,OCV-SOC关系曲线的表达式为:
OCV(t,SOC)=p1t*SOC^7+p2t*SOC^6+p3t*SOC^5+p4t*SOC^4+p5t*SOC^3+p6t*SOC^2+p7t*SOC+p8t
其中,t为设定温度,OCV为电池的开路电压,SOC为电池的荷电状态,SOC的取值范围为0~100%,p1t~p8t为拟合系数;
所述不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线获得方法为:
在设定的温度下对电池在不同荷电状态下进行HPPC测试,得到该温度下对应的电池响应端电压曲线并处理,得到对应的阻容参数,通过对阻容参数进行拟合得到对应的阻容参数关系曲线。
4.根据权利要求2或3所述的基于电池参数补偿的电池荷电状态估算方法,其特征在于,所述电池空间状态模型包括状态方程和观测方程,所述状态方程为:
所述观测方程为:
U(K)=OCV(T,SOC)-Us(T,K)-Ud(T,K)-R0(T,SOC)I(K)+νK
5.根据权利要求4所述的基于电池参数补偿的电池荷电状态估算方法,其特征在于,所述电池扩展卡尔曼滤波模型包括状态转移矩阵、输入矩阵和输入矩阵:
所述状态转移矩阵为:
所述输入矩阵为:
所述观测矩阵为:
电池温度T变化后,扩展卡尔曼滤波模型中矩阵的参数被更新,所述扩展卡尔曼滤波模型预测电池荷电状态以及更新矩阵中参数包括以下步骤:
6.一种基于电池参数补偿的电池荷电状态估算系统,其特征在于,包括:
电池参数集存储模块,用于根据待评估电池的二阶RC等效电路模型,建立待评估电池参数数据集,待评估电池参数数据集包括不同温度下OCV-SOC关系曲线以及不同温度与不同荷电状态下进行HPPC测试获得的电池模型的阻容参数关系曲线;
电池最大可用电荷量更新模块,用于监测电池充放电数据来更新电池最大可用电荷量Qmax;
电池空间状态模型建立模块,用于根据电池的二阶RC等效电路模型,利用电池参数数据集和最大可用电荷量Qmax建立电池空间状态模型;
卡尔曼滤波模型建立模块,用于根据电池空间状态模型确定电池扩展卡尔曼滤波模型;根据电池的实时温度和电池最大可用电荷量Qmax来更新电池扩展卡尔曼滤波模型中的矩阵参数以实现扩展卡尔曼滤波器模型的校正,根据校正后的扩展卡尔曼滤波模型对电池荷电状态进行估算。
7.根据权利要求6所述的基于电池参数补偿的电池荷电状态估算系统,其特征在于,所述电池参数集存储模块包括:
OCV-SOC关系曲线存储模块,用于在设定的多个温度下通过对电池进行间歇性充放电实验获得OCV-SOC数据后对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,存储对该数据进行拟合得到对应温度下OCV-SOC关系曲线的表达式,通过该表达式,即可通过电池的荷电状态算出当前电池的开路电压值;
所述OCV-SOC关系曲线的表达式为:OCV(t,SOC)=p1t*SOC^7+p2t*SOC^6+p3t*SOC^5+p4t*SOC^4+p5t*SOC^3+p6t*SOC^2+p7t*SOC+p8t
其中,t为设定温度,OCV为电池的开路电压,SOC为电池的荷电状态,SOC的取值范围为0~100%,p1t~p8t为拟合系数;
阻容参数关系曲线存储模块,用于在设定的温度下对电池在不同荷电状态下进行HPPC测试,得到该温度下对应的电池响应端电压曲线并处理,得到对应的阻容参数,通过对阻容参数进行拟合得到对应的阻容参数关系曲线并存储。
9.根据权利要求7或8所述的基于电池参数补偿的电池荷电状态估算系统,其特征在于,所述电池空间状态模型建立模块包括:
状态方程建立模块:用于建立状态方程,所述状态方程为:
观测方程建立模块,用于建立观测方程,所述观测方程为:
U(K)=OCV(T,SOC)-Us(T,K)-Ud(T,K)-R0(T,SOC)I(K)+νK
10.根据权利要求9所述的基于电池参数补偿的电池荷电状态估算系统,其特征在于,所述扩展卡尔曼滤波模型建立模块包括:
状态转移矩阵建立模块,用于建立状态转移矩阵,所述状态转移矩阵为:
输入矩阵建立模块,用于建立输入矩阵,所述输入矩阵为:
观测矩阵立模块,用于建立观测矩阵,所述观测矩阵为:
更新模块,用于电池温度T变化后,扩展卡尔曼滤波模型中矩阵的参数被更新,所述扩展卡尔曼滤波模型预测电池荷电状态以及更新矩阵中参数包括以下步骤:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210950967.0A CN115407204A (zh) | 2022-08-09 | 2022-08-09 | 基于电池参数补偿的电池荷电状态估算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210950967.0A CN115407204A (zh) | 2022-08-09 | 2022-08-09 | 基于电池参数补偿的电池荷电状态估算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115407204A true CN115407204A (zh) | 2022-11-29 |
Family
ID=84160212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210950967.0A Pending CN115407204A (zh) | 2022-08-09 | 2022-08-09 | 基于电池参数补偿的电池荷电状态估算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115407204A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116488459A (zh) * | 2023-06-25 | 2023-07-25 | 西安矽源半导体有限公司 | 一种降压型变换器自适应数字补偿控制方法及系统 |
-
2022
- 2022-08-09 CN CN202210950967.0A patent/CN115407204A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116488459A (zh) * | 2023-06-25 | 2023-07-25 | 西安矽源半导体有限公司 | 一种降压型变换器自适应数字补偿控制方法及系统 |
CN116488459B (zh) * | 2023-06-25 | 2023-09-01 | 西安矽源半导体有限公司 | 一种降压型变换器自适应数字补偿控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN113466723B (zh) | 确定电池荷电状态的方法及装置,电池管理系统 | |
Sun et al. | Improved parameter identification and state-of-charge estimation for lithium-ion battery with fixed memory recursive least squares and sigma-point Kalman filter | |
Li et al. | Enhanced online model identification and state of charge estimation for lithium-ion battery under noise corrupted measurements by bias compensation recursive least squares | |
CN112034349B (zh) | 锂电池健康状态在线预估方法 | |
JP4511600B2 (ja) | 電気化学セルの現在状態及び現在パラメーターを推定する装置、方法及びシステム、並びに記録媒体 | |
CN111007400A (zh) | 基于自适应双扩展卡尔曼滤波法的锂电池soc估算方法 | |
CN111722118B (zh) | 一种基于soc-ocv优化曲线的锂离子电池soc估计方法 | |
CN113156321B (zh) | 一种锂离子电池荷电状态soc的估算方法 | |
CN109752660B (zh) | 一种无电流传感器的电池荷电状态估计方法 | |
CN112989690A (zh) | 一种混合动力汽车锂电池多时间尺度荷电状态估计方法 | |
CN113625174A (zh) | 一种锂离子电池soc与容量联合估计方法 | |
CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统 | |
CN115407204A (zh) | 基于电池参数补偿的电池荷电状态估算方法及系统 | |
JP5259190B2 (ja) | ジョイントバッテリー状態とパラメーター推定システム及び方法 | |
CN113671377A (zh) | 一种基于改进ekf算法的锂电池soc估算方法 | |
CN115097314A (zh) | 一种基于迭代法电动车电池soc精度修正方法及系统 | |
CN111027203A (zh) | 一种超级电容soc计算方法 | |
CN114740385A (zh) | 一种自适应的锂离子电池荷电状态估计方法 | |
CN112213644B (zh) | 电池荷电状态估算方法及电池管理系统 | |
CN117169724A (zh) | 一种锂电池soc和soh联合估计方法 | |
Rezoug et al. | State-of-charge Estimation of Lithium-ion Batteries Using Extended Kalman Filter | |
Xiong et al. | A study on the inflence of two OCV tests on state of charge estimation of lithium ion battery | |
Fu et al. | A Self-calibration SOC Estimation Method for Lithium-ion Battery | |
CN116047304A (zh) | 一种储能电池的荷电状态与健康状态的联合估计方法 |
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 |