CN115911604A

CN115911604A - 一种双向buck-boost电池均衡方法及电池管理系统

Info

Publication number: CN115911604A
Application number: CN202211352080.8A
Authority: CN
Inventors: 夏必忠; 黎宇恒
Original assignee: Shenzhen International Graduate School of Tsinghua University
Current assignee: Shenzhen International Graduate School of Tsinghua University
Priority date: 2022-10-31
Filing date: 2022-10-31
Publication date: 2023-04-04

Abstract

本发明提出一种双向buck‑boost电池均衡方法及电池管理系统，对双向buck‑boost电池均衡系统建立预测模型，然后建立基于终止型目标和能耗型目标的复合优化目标函数，通过求解二次规划的复合优化目标函数得到最优控制序列，从而控制每个双向buck‑boost均衡通道电流进行均衡控制。与传统的极值均衡策略和模糊控制均衡策略这些基于经验和规则的均衡方法相比，本发明提出的基于数学模型的模型预测控制方法的控制效果更好，提高了均衡的速度以及减少了均衡的损耗，为双向buck‑boost电池均衡拓扑提供了一种高效的均衡策略，具有重要的意义。

Description

一种双向buck-boost电池均衡方法及电池管理系统

技术领域

本发明涉及电动汽车电池管理系统技术领域，尤其涉及一种双向buck-boost电池均衡方法及电池管理系统。

背景技术

锂离子电池由于生产制造工艺的不足以及后天使用环境的差异，每节锂离子电池之间都会存在着一些差异，主要体现在电池容量、自放电速率、电池内阻等方面。电动汽车的电池组是由成百上千的锂离子电池通过串并联形成的，锂离子电池单体的差异会导致整个电池组存在着不一致性，表现出短板效应，电池的容量、自放电效率、电池内存的不一致会导致电池组中各个锂离子电池之间的SOC(StateOfCharge,荷电状态)存在差异。在电池组充电过程中，SOC高的锂离子电池先达到满充，充电过程结束，此时SOC低的锂离子电池还没有充满；在电池组放电过程中，SOC低的锂离子电池先达到最低阈值，放电过程结束，此时SOC高的锂离子电池还有能量没有完全释放。因此，锂离子电池单体之间的不一致性会降低电池组的能量使用效率，电池均衡技术可以有效地减缓电池组的不一致性，对于提高电池组的寿命和能量使用效率具有重要的意义。

目前众多学者和企业对电池均衡技术进行了大量的研究，按照能量损耗方式可以将电池均衡划分为能耗型均衡方式和非能耗型均衡方式，其中能耗型均衡方式是通过盘路电阻消耗SOC高的电池的电量来实现电池均衡的，其虽然结构简单但是能量损耗大、发热严重；非能耗型均衡方式通过采用电容、电感以及变压器这些储能元件来实现削峰填谷的电量转移，基于电容的均衡方法主要包括开关电容和飞渡电容，设计简单，但是当需要均衡的两节电池之间的电势差较小的时候，基于电容的均衡方式速度上会比较慢；基于电感的均衡方法主要包括集中式电感和双向buck-boost(升降压电路)均衡方法，其中集中式电感均衡方法同一时间只能对两节电池进行均衡，当串联电池数量较多时均衡速度慢，基于双向buck-boost的均衡方法在所有相邻的两节电池之间设置一个双向buck-boost均衡电路，通过调节PWM(PulseWidthModulation，脉宽调制)可以很方便地对电流进行控制，但是当需要均衡的两节电池分布在较远的位置时，均衡过程需要跨过较多的buck-boost均衡模块；基于变压器的均衡方法主要包括集中式反激式变压器和分布式反激式变换器的均衡方法，其中集中式变压器每次只能对两节电池进行均衡，当串联电池数量较多时均衡速度较慢，分布式反激式变压器需要给每节电池都设置一个反激式变压器，均衡速度较快，但是成本较高、体积较大，难以适用于大规模的串联电池组上。

目前在实际应用中使用较多的是基于双向buck-boost的电池均衡方法，上海钰泰研发的ETA3000主控开关式均衡芯片就是基于双向buck-boost电池均衡方法，但是其采用的是基于极值的均衡策略，不能实现变电流控制，有学者对双向buck-boost电池均衡电路采用模糊控制的方法实现变电流控制，相比于极值的均衡策略在均衡损耗上有所优化，但是这两种均衡方法都是基于经验和规则的方法确定均衡的策略，因此均衡的策略完全取决于设计者的经验，导致均衡策略简单，其过程速度慢，损耗大。

发明内容

针对现有技术中存在的不足之处，本发明提出了一种双向buck-boost电池均衡方法及电池管理系统，解决了当前双向buck-boost均衡拓扑结构使用基于经验的均衡方法时速度慢、损耗大的问题。

为了实现上述目的，本发明采用如下技术方案：一种双向buck-boost电池均衡方法，包括以下步骤：

S1：建立双向buck-boost电池均衡系统的数学模型，基于双向buck-boost电池均衡系统的均衡原理建立预测模型，选取电池组中每节电池的SOC值x(k)作为状态变量，选取每个均衡通道的归一化均衡电流u(k)作为控制变量，选取电池组的平均SOC值r(k)作为模型预测控制的参考轨迹，根据双向buck-boost电池均衡系统的电量转移关系建立均衡电量转移矩阵T；

S2：建立基于终止型目标和损耗目标的复合优化目标函数；

S3：获取双向buck-boost电池均衡系统的约束条件；

S4：基于所述数学模型，通过二次规划方法求解所述复合优化目标函数得到未来控制时域的最优控制序列；

S5：选取最优控制序列中的第一组控制变量作用于系统，以确定当前时刻每个均衡通道的均衡电流；

S6：重复步骤S4-S5，实现滚动优化控制，直到满足均衡终止条件。

进一步地，步骤S1中，所述预测模型为空间状态方程，其状态方程表示为x(k+1)＝A·x(k)+B·u(k)，系统的观测方程表示为y(k)＝x(k)，其中矩阵A为状态方程的系统矩阵，矩阵B为状态方程的控制矩阵，x(k)为状态变量矩阵，u(k)为控制变量矩阵，y(k)为系统观测值。

进一步地，所述系统状态方程的控制矩阵B表示为：

B＝[Q_x ^-1·T·Q_u·Δt]_(n,n-1)

其中n为电池组中电池节数，Qx为电池组中每节电池的额定容量矩阵，Qu为电池组中每个均衡通道的最大均衡电流矩阵，Δt为采样时间，T为所述电量转移矩阵，表示为：

进一步地，步骤S2中，所述复合优化目标函数表示为：

其中k为当前采样周期，i、j表示相对当前采样周期距离要预测的未来采样周期的长度，x(k)为当前时刻的电池SOC矩阵，U(k)为控制时域的控制序列，Np为预测时域，Nc为控制时域，EN(k)为终止型目标，为系统观测值y(k)与参考轨迹r(k)的差值，Q为终止型目标的权重矩阵，R为损耗目标的权重矩阵，其中，

U(k)＝[u(k),u(k+1),u(k+2),…,u(k+N_c-1)]^T

进一步地，步骤S3中，所述约束条件为：

其中lb为自变量U(k)的下界约束，ub为自变量U(k)的上界约束，At为线性不等约束的系数矩阵，b为线性不等约束的右端向量。

进一步地，步骤S4包括以下步骤：

S4-1：根据所述数学模型预测未来Np步的系统状态，建立预测序列与控制序列的关系式；

S4-2：通过所述关系式，将符合优化目标函数推导为标准二次规划问题；

S4-3：求解所述二次规划问题，得到未来控制时域的最优控制序列。

进一步地，步骤S4-1中，所述数学模型为空间状态方程，所述关系式具体为：

其中X(k)为预测序列矩阵，U(k)为控制序列矩阵，

进一步地，步骤S4-2中，通过所述关系式可以将复合优化目标函数J表达为标准二次规划的形式：

其中，H为二次规划的二次项向量，f为二次规划的一次项向量，f'为向量f的转置，U(k)为控制时域的控制序列，Np为预测时域，Nc为控制时域。

进一步地，所述状态变量通过传感器采集每节电池的电流值进行安时积分法和开路电压法修正获得。

本发明还提供一种电池管理系统，使用如上任一项所述的双向buck-boost电池均衡方法进行电池均衡。

本发明的有益效果是：

1、本发明所述模型预测控制方法可以对双向buck-boost电池均衡系统建立数学模型，通过建立复合目标函数，并将其转换为二次规划问题求解，得到各个均衡通道优化的控制电流，相比于传统基于经验的极值均衡法和模糊控制法在均衡速度和均衡效率方面都得到优化；

2、本发明所述模型预测控制方法的研究对象为双向buck-boost电池均衡系统，该均衡系统由于结构简单、元器件少、控制方便等优点在实际电池管理系统中得到了广泛的应用，本发明针对该均衡拓扑结构提出的基于模型预测控制的均衡策略可以优化此均衡拓扑的性能，让其在实际应用中性能得到更大的提升，具有实际的应用价值；

3、本发明所述双向buck-boost电池均衡方法对均衡电流和MOS管的频繁开闭进行了优化，减少了电流的反复充放电以及MOS管的频繁开闭问题，对于延长电池均衡管理系统的使用寿命具有重要的意义。

附图说明

图1a是本发明实施例中的双向buck-boost电池均衡方法系统框图；

图1b是本发明实施例中预测模型和二次规划求解器求解的最优控制序列的一个可视化图示；

图2a是本发明实施例中电池B1给电感L1充电时电流方向示意图；

图2b是本发明实施例中电感L1给电池B2充电时电流方向示意图；

图3是本发明实施例中的双向buck-boost电池均衡拓扑PWM控制示意图；

图4a是本发明实施例中基于极值算法的SOC均衡变化曲线图；

图4b是本发明实施例中基于极值算法的各个均衡通道的归一化均衡电流变化示意图；

图5a是本发明实施例中基于模糊控制算法的SOC均衡变化曲线图；

图5b是本发明实施例中基于模糊控制算法的各个均衡通道的归一化均衡电流变化示意图；

图6a是本发明实施例中基于模型预测控制算法的SOC均衡变化曲线图；

图6b是本发明实施例中基于模型预测控制算法的各个均衡通道的归一化均衡电流变化示意图。

具体实施方式

为使本发明技术方案和优点更加清楚，下面将结合本发明中的附图对本发明实施例的技术方案进行完整地描述。显然，所描述的实施例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他实施例，都属于本发明保护的范围。

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

基于以上的技术背景，本发明提出了一种双向buck-boost电池均衡方法，通过对双向buck-boost电池均衡系统建立数学模型，提出基于终止型目标和能耗型目标的复合优化目标函数，通过求解二次规划的复合优化目标函数得到最优控制序列，实现对双向buck-boost电池均衡系统的优化控制，与基于经验和规则的控制方法相比，提高了均衡速度和减少了均衡损耗，对双向buck-boost均衡方法的优化具有重要的意义。

如图1a所示为本发明实施例的双向buck-boost电池均衡方法系统框图。所述模型预测控制的A1控制对象为串联电池组及其双向buck-boost电池均衡系统，选取电池组的每节电池单体的SOC值作为系统的状态变量，双向buck-boost电池均衡系统的每个均衡通道的均衡电流作为控制变量，建立所述双向buck-boost电池均衡系统的空间状态方程作为A5预测模型；通过A2数据采集获得电池组中每节电池单体的电压、电流和温度实时参数，A3状态估计采用安时积分法，可以估算出每节电池单体的SOC值，基于当前时刻的SOC值通过所述预测模型推测未来Np步的系统状态，并将预测的状态用于推导基于终止型目标和损耗目标的A7复合优化目标函数，推导得到一个二次规划的问题，通过A8二次规划求解器计算得到未来Nc步的最优控制序列可以使得复合优化目标函数得到最优，将未来Nc步最优控制序列中的第一步控制变量u(k)作为当前控制量作用于A1被控对象中的双向buck-boost电池均衡系统上，以确定当前时刻各个均衡通道的均衡电流大小和方向。循环滚动优化上述模型预测控制方法的过程，即可以提高双向buck-boost电池均衡方法的均衡速度和效率。

如图1b，A6和A9分别是对A5预测模型和A8二次规划求解器求解的最优控制序列的一个可视化的图示。

如图2a、图2b为双向buck-boost电池均衡拓扑原理示意图，每两个相邻电池之间设置一个双向buck-boost电池均衡模块，一个buck-boost电池均衡模块包括1个电感、1个NMOS管、1个PMOS管以及2个二极管组成，通过控制场效应管可以实现均衡电流不同方向的流动，该buck-boost电池均衡模块非常容易扩展，对于由n个锂离子电池串联而成的电池组，需要(n-1)个buck-boost电池均衡模块，总共包括(n-1)个电感、(n-1)个NMOS管、(n-1)个PMOS管以及2n个二极管。双向buck-boost电池均衡拓扑的工作原理如图2a、图2b所示，假设电池B1的电量比电池B2的电量高，首先闭合NMOS管G1，电池B1、电感L1、NMOS管G1形成闭合回路，电流方向如图2a箭头所示，电池B1给电感L1充电；然后断开NMOS管G1，此时电感L1的电流不能突变，电池B2、电感L1、PMOS管G2的寄生二极管以及二极管D2形成闭合回路，电流方向如图2b所示，电感L1给电池B2充电；重复上述过程即可实现电池B1的电量持续转移到电池B2上。所述buck-boost电池均衡模块也可以实现将电池B2的电量转移到电池B1上，所以可以实现电流的双向流动。

如图3所示为双向buck-boost电池均衡拓扑PWM控制示意图，其中，iL是buck-boost电路中电感的电流；idis是buck-boost电路中，电池放电给电感充电时，该放电电池的放电电流；ichg是buck-boost电路中，电感给电池充电时，被充电电池的充电电流大小为ichg。

图3中(a)为MOS管开关的栅极pwm驱动信号，有效电平时间为T1，此时均衡电流从零线性增加，如图3中(c)所示，达到T1时间之后断开MOS管，此时均衡电流线性增递减到零，如图3中(d)所示，buck-boost电感L1的电流如图3中(b)所示。

本实施例的电池组由n节锂离子电池串联而成，状态变量矩阵x(k)由n节电池单体的SOC组成的，SOC的取值范围为[0,1]。

x(k)＝[x₁(k),x₂(k),x₃(k),…,x_n(k)]^T0≤x_i(k)≤1

n节电池串联而成的电池组需要设置(n-1)个双向buck-boost电池均衡模块，每个均衡模块的最大均衡电流为Imax，系统的最大均衡电流矩阵可以表示为Qu。

双向buck-boost电池均衡模块可以通过调节pwm实现变电流控制，因此控制变量矩阵u(k)设置为归一化电流，取值范围为[-1,1]，每个均衡通道的实际均衡电流值为归一化电流和均衡通道最大电流的乘积。u(k)>0表示均衡模块高位置电池向低位置电池转移电量，u(k)<0表示均衡模块低位置电池向高位置电池转移电量。

u(k)＝[u₁(k),u₂(k),u₃(k),…,u_n-1(k)]^T-1≤u_i(k)≤1

(1)建立双向buck-boost电池均衡系统的数学模型。

双向buck-boost电池均衡系统在每相邻两节电池之间都设置一个双向buck-boost电池均衡模块，电池组由n节锂离子电池串联而成，需要设置(n-1)个双向buck-boost电池均衡模块，每个均衡模块可以实现相邻两个电池之间的任意方向电量转移，而且每个均衡模块之间都可以同时独立地工作，基于以上的均衡拓扑结构的特点，以电池组中每节电池的SOC作为状态变量，以每个双向buck-boost电池均衡模块的均衡电流为控制变量，建立双向buck-boost电池均衡系统的数学模型，则(n-1)个双向buck-boost电池均衡模块的电量转移矩阵可以表示为矩阵T。

电池组中每节电池的额定容量可以表示为矩阵Qx，其中，Ci是指第i节电池的额定容量。

离散系统的采样时间为Δt，锂离子电池当前时刻的SOC等于上一时刻的SOC值加上采样周期内SOC的变化量，状态方程的系统矩阵为A，状态方程的控制矩阵为B。

B＝[Q_x ^-1·T·Q_u·Δt]_(n,n-1)

其中，n为电池组中电池节数。

系统的状态方程表示为：

x(k+1)＝A·x(k)+B·u(k)

系统的观测方程表示为：

y(k)＝x(k)

(2)建立双向buck-boost电池均衡系统的复合目标函数。

电池均衡管理的目标可以通过两个方面进行衡量，一方面就是均衡的速度，另一方面就是均衡的损耗。基于此，本发明对双向buck-boost电池均衡系统提出复合的目标函数，包括终止型目标和损耗目标，其中终止型目标为电池组中所有电池单体的SOC值要趋向于电池组的平均SOC；由于均衡过程中MOS管有导通内阻和开关损耗、buck-boost电路的电量转移损耗等因素，如果均衡的策略不佳，会出现反复充放电和MOS管频繁开闭的现象，会导致均衡的损耗增加，因此损耗目标就是减少均衡过程中的反复充电和MOS管频繁开闭和切换。

模型预测控制算法的参考轨迹为电池组的平均SOC值，表示为r(k)矩阵。

终止型目标EN(k)可以表示为观测方程的观测值与所述参考轨迹的差值。

E_N(k)＝y(k)-r(k)＝T_c·x(k)

其中Tc矩阵表示为：

模型预测控制的预测时域为Np，控制时域为Nc，Nc≤Np，状态变量的预测序列表示为矩阵X(k)，控制变量的控制序列表示为矩阵U(k)。

X(k)＝[x(k+1|k),x(k+2|k),x(k+3|k),…,x(k+N_p|k)]^T

U(k)＝[u(k),u(k+1),u(k+2),…,u(k+N_c-1)]^T

终止型目标和损耗目标的复合优化目标函数可以表示为函数J。

其中，k为当前采样周期，i、j表示相对当前采样周期距离要预测的未来采样周期的长度，Q为终止型目标的权重矩阵，R为损耗目标的权重矩阵。

其中，q是终止型目标的权重系数，r是损耗型目标的权重系数，通过修改q和r权重系数来改变Q和R重矩阵的比重不同，以实现不同的优化效果。

通过预测模型可以推导预测时域Np步的系统状态：

令：

可以得到预测序列X(k)与控制序列U(k)的关系式：

复合优化目标函数J可以通过预测序列X(k)与控制序列U(k)的关系式进一步推导：

其中Qp和Rp矩阵为：

因为

与控制序列U(k)无关，因此求解J(x(k),U(k),N_p,N_c)极值的时候可以忽略该部分。令

和

则复合优化目标函数J可以表达为标准二次规划的形式：

其中，H为二次规划的二次项向量，f为二次规划的一次项向量，f’为向量f的转置，U(k)为控制时域的控制序列，Np为预测时域，Nc为控制时域。

(3)提出双向buck-boost电池均衡系统的约束条件。

双向buck-boost电池均衡系统的数学模型以每节电池的SOC作为状态变量，每个双向buck-boost均衡模块的均衡电流作为控制变量，SOC的约束条件是[0,1]，均衡电流的约束条件就是每个通道的最大电流[-Imax,Imax]，电流正负号与相邻两节电池的电量转移方向相关。

因为归一化电流的取值范围为[-1,1]，所以控制序列U(k)的约束条件为lb≤U(k)≤ub，其中lb和ub取值如下：

此外，电池荷电状态SOC的取值范围为[0,1]，所以预测序列X(k)的约束条件为：

根据预测序列X(k)与控制序列U(k)的关系式

可以将预测序列X(k)的约束条件转化为下式：

通过移相和整理，可以得到控制序列U(k)的第二个约束条件为At·U(k)≤b，其中At和b的取值如下：

(4)复合目标函数的求解。

基于所述数学模型，根据当前时刻采样的电池电压、电流、温度数据可以估算出每一节电池的SOC值，通过当前电池组的每节电池的SOC矩阵可以通过所述数学模型预测出未来预测时域Np步的SOC状态变量，可以将所述复合目标函数推导成一个二次规划的问题，通过求解二次规划问题可以得到未来控制时域Nc步的最优控制序列，通过将控制时域Nc步控制序列中的第一步作为均衡电流作用于系统，即可滚动优化对电池组进行持续的优化控制，在均衡速度和均衡损耗上都得到显著优化。

通过步骤(1)～(3)的推导，可以将复合优化目标函数J转化为一个带约束条件的标准二次规划的求解问题，其优化目标和约束条件如下：

求解带约束条件的标准二次规划问题，可以通过matlab中的函数quadprog来进行求解，通过指定quadprog函数中的矩阵H、矩阵f、约束条件lb、ub、At、b以及指定问题求解的初值，初值可以采用随机数的方法确定，quadprog函数可以求得复合优化目标函数J的最优控制序列U(k)，选取最优控制序列U(k)中的第一个控制变量u1(k)作为当前时刻的控制量，调整buck-boost电池均衡模块中MOS管的pwm生成对应的控制电流实现最优化控制。

本发明还提出了一种电池管理系统，使用上述的双向buck-boost电池均衡方法进行电池均衡。

为了验证本发明实施例的可行性，下面以6节串联锂离子电池为例，采用本发明实施例所述模型预测控制算法和传统基于经验的极值算法和模糊控制算法进行对比，所述模型预测控制算法的预测时域Np取为5，控制时域Nc也取为5，6节电池的初始SOC值选取为[80,45,60,70,65,50]，均衡终止条件选取为电池SOC值与电池组平均SOC值差值小于0.001。如图4a所示为基于极值算法的电池SOC均衡变化曲线，如图4b所示为基于极值算法的各个均衡通道的归一化均衡电流变化曲线，从归一化均衡电流变化曲线可以看出，每个通道的归一化均衡电流都存在较长时间的反复跳变现象，而且基于极值算法的电流只能设置为最大值，不能实现变电流控制，所以均衡过程中会存在较多反复充放电以及均衡电流方向反复变化的现象，会造成较大的损耗。如图5a所示为基于模糊控制算法的电池SOC均衡变化曲线，如图5b所示为基于模糊控制算法的各个均衡通道的归一化均衡电流变化曲线，从归一化均衡电流变化曲线可以看出，基于模糊控制的归一化电流实现了变电流的控制，每个均衡通道的归一化均衡电流大小随着相邻两节电池SOC差值的减小而缓慢减小，最终当全部电池的SOC实现均衡之后，归一化电流值也逐渐取向于0，基于模糊控制的均衡方法相对于基于极值的均衡方法在反复充放电和频繁改变均衡电流方向上有了较大的优化，但是从图5a可以看出，基于模糊控制算法的均衡时间较长，这是因为均衡后期相邻电池之间的SOC差值变小之后，均衡电流也变小导致均衡速度变慢。如图6a所示为基于模型预测控制算法的电池SOC均衡变化曲线，如图6b所示为基于模型预测控制算法的各个均衡通道的归一化均衡电流变化曲线，从归一化均衡电流变化曲线可以看出，均衡电流没有出现反复充放电和频繁改变均衡电流方向的问题，在均衡前期采用较大的均衡电流进行均衡，在均衡后期与模糊控制相比，没有随着相邻电池SOC差值的减小均衡电流也随之减小，而是通过求解复合优化目标函数的方法得到优化的归一化控制电流，使得在均衡后期的均衡速度也很快。

如表1所示为三种均衡方法均衡前后SOC和时间对比表，与极值均衡方法相比，模型预测控制方法在均衡时间减少了4.8％，极值均衡方法均衡前后平均SOC损耗3.15％，模型预测控制方法均衡前后平均SOC损耗2.1％，平均SOC损耗提高了1.05％；与模糊控制方法相比，模型预测控制方法在均衡时间减少了71.5％，模糊控制方法均衡前后平均SOC损耗1.78％，模型预测控制方法平均SOC损耗对比模糊控制损耗多了0.32％。综上所述，模型预测控制方法在均衡速度和均衡损耗上都比极值均衡方法优异，与模糊控制相比，模型预测控制的均衡损耗稍微多0.32％，但是在均衡时间上减少了71.5％，因此模型预测控制的综合性能比模糊控制优异，通过实验也验证了所建立的基于终止型目标和损耗目标的复合优化目标函数可以综合提高buck-boost电池均衡系统的均衡速度和减少均衡损耗。

状态变量通过传感器采集每节电池的电流值进行安时积分法和开路电压法修正获得。

表1三种均衡方法均衡前后SOC和时间对比表

以上即为本发明双向buck-boost电池均衡方法的工作原理、工作流程和应用前景的说明，在本说明书的描述中，参考术语“一个实施例”和“示例”等述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相对的实施例或示例中以合适的方式结合。

以上对本发明所提供的一种双向buck-boost电池均衡方法进行了详细介绍，并结合具体实施例对本发明做了进一步阐述，必须指出，以上实施例的说明不用于限制而只是用于帮助理解本发明的核心思想，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，对本发明进行的任何改进以及与本产品等同的替代方案，也属于本发明权利要求的保护范围内。

Claims

1.一种双向buck-boost电池均衡方法，其特征在于，包括以下步骤：

S1：建立双向buck-boost电池均衡系统的数学模型，即基于双向buck-boost电池均衡系统的均衡原理建立预测模型，选取电池组中每节电池的SOC值x(k)作为状态变量，选取每个均衡通道的归一化均衡电流u(k)作为控制变量，选取电池组的平均SOC值r(k)作为模型预测控制的参考轨迹，根据双向buck-boost电池均衡系统的电量转移关系建立均衡电量转移矩阵；

S2：建立基于终止型目标和损耗目标的复合优化目标函数；

S3：获取双向buck-boost电池均衡系统的约束条件；

S4：基于所述预测模型，通过二次规划方法求解所述复合优化目标函数得到未来控制时域的最优控制序列；

S6：重复步骤S4-S5，直到满足均衡终止条件。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，所述预测模型为空间状态方程，其状态方程表示为x(k+1)＝A·x(k)+B·u(k)，系统的观测方程表示为y(k)＝x(k)，其中矩阵A为状态方程的系统矩阵，矩阵B为状态方程的控制矩阵，x(k)为状态变量矩阵，表示当前时刻的电池SOC，u(k)为控制变量矩阵，y(k)为系统观测值。

3.根据权利要求2所述的方法，其特征在于，所述系统状态方程的控制矩阵B表示为：

B＝[Q_x ^-1·T·Q_u·Δt]_(n,n-1)

4.根据权利要求1所述的方法，其特征在于，步骤S2中，所述复合优化目标函数表示为：

其中k为当前采样周期，i、j表示相对当前采样周期距离要预测的未来采样周期的长度，x(k)为当前时刻的电池SOC矩阵，U(k)为控制时域的控制序列，Np为预测时域，Nc为控制时域，J为复合优化目标函数，T为均衡电量转移矩阵，B为系统状态方程的控制矩阵，EN(k)为终止型目标，为系统观测值y(k)与参考轨迹r(k)的差值，Q为终止型目标的权重矩阵，R为损耗目标的权重矩阵。

5.根据权利要求1所述的方法，其特征在于，步骤S3中，所述约束条件为：

6.根据权利要求2所述的方法，其特征在于，步骤S4包括以下步骤：

S4-1：根据所述预测模型对预测时域Np的系统状态进行预测，建立预测序列与控制序列的关系式；

7.根据权利要求6所述的方法，其特征在于，步骤S4-1中，所述预测模型为空间状态方程，所述关系式具体为：

其中X(k)为预测序列矩阵，U(k)为控制序列矩阵，

8.根据权利要求7所述的方法，其特征在于，步骤S4-2中，通过所述关系式将复合优化目标函数J表达为标准二次规划的形式：

9.根据权利要求1所述的方法，其特征在于，所述状态变量通过传感器采集每节电池的电流值进行安时积分法和开路电压法修正获得。

10.一种电池管理系统，其特征在于，使用根据权利要求1-9任一项所述的双向buck-boost电池均衡方法进行电池均衡。