CN115932586A - 一种电池荷电状态在线估算方法、装置、设备及介质 - Google Patents
一种电池荷电状态在线估算方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115932586A CN115932586A CN202211436790.9A CN202211436790A CN115932586A CN 115932586 A CN115932586 A CN 115932586A CN 202211436790 A CN202211436790 A CN 202211436790A CN 115932586 A CN115932586 A CN 115932586A
- Authority
- CN
- China
- Prior art keywords
- current
- battery
- ocv
- estimated
- charge
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了一种电池荷电状态在线估算方法、装置、设备及介质。该方法包括:确定待估电池的当前基本变量信息,并获取待估电池的上一开路电压与荷电状态OCV‑SOC关系曲线;根据当前基本变量信息,确定待估电池的当前辨识参数信息;根据当前辨识参数信息校正上一OCV‑SOC关系曲线,获得当前OCV‑SOC关系曲线;根据当前辨识参数信息及所述当前OCV‑SOC关系曲线,确定待估电池的荷电状态估计值。通过获取当前基本变量信息,对辨识目标进行优化,提升长周期累积误差的辨识修正能力,提高对荷电状态估算的鲁棒性和精度,保证估算结果不发散。能够自适应更新OCV‑SOC曲线,降低OCV‑SOC曲线偏移带来的误差。实现对荷电状态估计值在线估算,提高了估算的准确性。
Description
技术领域
本发明涉及电池技术领域,尤其涉及一种电池荷电状态在线估算方法、装置、设备及介质。
背景技术
电池荷电状态反映电池使用中或搁置一段时间后,当前的剩余可用容量与总容量的比值,常用百分数表示。电池的荷电状态精准估算在电池管理系统中十分重要,直接影响充放电策略制定、电芯一致性评估、峰值功率预测、剩余寿命预测等核心功能的实现。
现有技术常采用基于模型的方法对电池荷电状态进行估计,通过建立电池模型,实现电参量与电池荷电状态的动态映射。常用的电池模型有电化学模型与等效电路模型。
电化学模型较为复杂,要准确描述电池机理特性的参数需要用到特殊的实验仪器才能测量,方案实施难度大。等效电路模型通过建立串并联的电阻、电容、电压源来等效电池运行过程中的外特性,然而实际多变的工况和环境影响下,如噪声扰动、辨识算法的参数不平衡问题等,导致等效电路模型有诸多的不确定性,进而影响电池荷电状态的准确估计。
发明内容
本发明提供了一种电池荷电状态在线估算方法、装置、设备及介质,实现对电池荷电状态的在线估算。
根据本发明的第一方面,提供了一种电池荷电状态在线估算方法,包括:
确定待估电池的当前基本变量信息,并获取待估电池的上一开路电压与荷电状态OCV-SOC关系曲线;
根据当前基本变量信息,确定待估电池的当前辨识参数信息;
根据当前辨识参数信息校正上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线;
根据当前辨识参数信息及当前OCV-SOC关系曲线,确定待估电池的荷电状态估计值。
根据本发明的第二方面,提供了一种电池荷电状态在线估算装置,包括:
获取模块,用于确定待估电池的当前基本变量信息,并获取待估电池的上一开路电压与荷电状态OCV-SOC关系曲线;
信息确定模块,用于根据当前基本变量信息,确定待估电池的当前辨识参数信息;
曲线获取模块,用于根据当前辨识参数信息校正上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线;
估计值确定模块,用于根据当前辨识参数信息及当前OCV-SOC关系曲线,确定待估电池的荷电状态估计值。
根据本发明的第三方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的电池荷电状态在线估算方法。
根据本发明的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的电池荷电状态在线估算方法。
本发明实施例的技术方案,通过获取当前基本变量信息,对辨识目标进行优化,提升长周期累积误差的辨识修正能力,提高对荷电状态估算的鲁棒性和精度,保证估算结果不发散。能够自适应更新OCV-SOC曲线,降低OCV-SOC曲线偏移带来的误差。实现对荷电状态估计值在线估算,提高了估算的准确性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
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单地介绍,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,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种电池荷电状态在线估算方法的流程图;
图2是根据本发明实施例二提供的一种电池荷电状态在线估算方法的流程图;
图3是根据本发明实施例二提供的一种电池荷电状态在线估计方法中的等效电路示例图;
图4是根据本发明实施例三提供的一种电池荷电状态在线估算装置的结构示意图;
图5是实现本发明实施例的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种电池荷电状态在线估算方法的流程图,本实施例可适用于对电池荷电状态进行在线估算的情况,该方法可以由电池荷电状态在线估算装置来执行,该电池荷电状态在线估算装置可以采用硬件和/或软件的形式实现,该电池荷电状态在线估算装置可配置于电子设备中。如图1所示,该方法包括:
S110、确定待估电池的当前基本变量信息,并获取待估电池的上一开路电压与荷电状态OCV-SOC关系曲线。
在本实施例中,待估电池可以理解为待获取荷电状态估计值的电池。当前基本变量信息可以理解为待估电池对应电路中的多个变量组成的信息。上一开路电压与荷电状态OCV-SOC关系曲线可以理解为根据当前基本变量信息求出的开路电压与当前荷电状态的关系曲线。
具体的,可以根据待估电池的状态信息构建电路,优选为二阶RC等效电路,可以获取电路的电压值电流值等信息,确定待估电池的当前基本变量信息,可以跟据当前基本变量信息结合初始OCV-SOC关系曲线,确定上一OCV-SOC关系曲线。
S120、根据当前基本变量信息,确定待估电池的当前辨识参数信息。
在本实施例中,辨识参数信息可以理解为反映对应电路中各元件的情况的信息。
具体的,首先根据当前基本变量信息,判断当前辨识过程处于何种变化过程,如传荷过程或扩散过程,在不同变化过程对应变化的辨识参数是不同的,再根据不同变化过程通过辨识算法计算不同的当前辨识参数,确定待估电池的当前辨识参数信息,其中,辨识算法优选为遗忘因子最小二乘辨识算法。
S130、根据当前辨识参数信息校正上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线。
可以知道的是,电芯OCV-SOC曲线会在出厂时进行测试标定,其表示形式为但受到老化、工况、温度的影响,曲线会发生不同程度的偏移。而卡尔曼滤波算法中的观测方程,需要通过OCV-SOC曲线将状态值映射到观测方程中,因此有必要随着工况的变化,对OCV-SOC关系曲线进行校正,其中,欧姆内阻的变化能够较直接的反映出老化引起的曲线的偏移程度。
具体的,首先可以根据当前识别参数信息确定当前欧姆内阻,并根据当前欧姆内阻确定出欧姆内阻偏移量,将欧姆内阻偏移量与设定的偏移量阈值进行判断,确定上一OCV-SOC关系曲线是否需要校正,若需要校正,则确定开路电压修正值,对每个时间步下的开路电压修正值及SOC估计值进行拟合,确定重构的OCV-SOC函数,根据重构的重构的OCV-SOC函数与上一OCV-SOC函数进行距离的求取,根据距离对上一OCV-SOC关系曲线进行平移,确定当前OCV-SOC关系曲线。
S140、根据当前辨识参数信息及当前OCV-SOC关系曲线,确定待估电池的荷电状态估计值。
在本实施例中,荷电状态估计值可以理解为对荷电状态进行预测得到的估计值。
具体的,可以采用卡尔曼滤波算法求出荷电状态估计值,可以根据当前辨识参数信息确定状态转移矩阵,可以根据OCV-SOC关系曲线确定观测矩阵,将状态转移矩阵及观测矩阵代入卡尔曼滤波算法,可以根据更新后的噪声方差参数对状态转移矩阵及观测矩阵进行预测,获得预测结果,确定待估电池的荷电状态估计值。
本发明实施例一提供的一种电池荷电状态在线估算方法,通过获取当前基本变量信息,对辨识目标进行优化,提升长周期累积误差的辨识修正能力,提高对荷电状态估算的鲁棒性和精度,保证估算结果不发散。能够自适应更新OCV-SOC曲线,降低OCV-SOC曲线偏移带来的误差。实现对荷电状态估计值在线估算,提高了估算的准确性。
作为本实施例的第一可选实施例,根据当前基本变量信息,确定待估电池的当前辨识参数信息之后,还包括:
获取待估电池的上一辨识参数信息。
具体的,获取上一时间步计算出的上一辨识参数信息,其中,上一辨识参数信息是经过有效性检测的辨识参数信息。
对当前辨识参数信息进行有效性检测,将满足有效性检测条件的当前辨识参数信息作为更新后的当前辨识参数信息。
在本实施例中,有效性检测条件可以理解为判断当前辨识参数信息是否正确的条件。
具体的,可以基于连续n个时间步下的当前辨识参数信息的相对变化率,对当前辨识参数信息进行有效性检测,满足检测结果则将当前辨识参数信息作为更新后的当前辨识参数信息。
示例性的,可以将有效性检测条件分为变化率有效性和物理含义有效性两部分。其中,物理含义有效性,基于当前辨识参数信息进行判断,判断各当前辨识参数信息中的各辨识参数是否大于0;变化率有效性指,辨识参数在单位采样周期内,不会发生突变,基于近n个时间步参数辨识结果计算。可以采用下述公式对有效性进行检测:
其中,k表示当前时间步,R0、R1、C1、R2、C2分别为内阻、第1电阻值、第1电容值、第2电阻值、第2电容值,构成当前辨识参数信息,εi是每一个时间步的参数变化率。
可以通过下述公式计算出每个时间步下的参数变化率εi,以当前时间步下的参数变化率εk为例:
其中,Dk=[R0、R1、C1、R2、C2]是由当前辨识参数信息中的各辨识参数组成的向量,Dk-1是由上一时间步辨识参数信息中的各辨识参数组成的向量。
否则,将上一辨识参数信息作为更新后的当前辨识参数信息。
具体的,若经过有效性检测后,当前辨识参数信息不满足有效性检测条件,即当前辨识参数信息中的参数可能小于等于零或发生了突变,则舍弃当前辨识参数信息,将上一辨识参数信息作为更新后的当前辨识参数信息。
实施例二
图2为本发明实施例二提供的一种电池荷电状态在线估算方法的流程图,本实施例是对上述实施例之间的细化。如图2所示,该方法包括:
S201、确定待估电池的当前基本变量信息,并获取待估电池的上一开路电压与荷电状态OCV-SOC关系曲线。
进一步地,确定待估电池的当前基本变量信息,包括:
a1、获取基于对应待估电池建立的等效电路。
在本实施例中,等效电路可以优选为二阶RC等效电路。
具体的,可以根据待估电池的外特性建立电池的二阶RC等效电路。
图3为本发明实施例二提供的一种电池荷电状态在线估计方法中的等效电路示例图。
如图3所示,该二阶RC等效电路包括一个电压源Uoc、一个直流内阻R0以及两个RC并联环路,RC并联环路中包括第一电阻R1、第一电容C1、第二电阻R2和第二电容C2。
b1、将等效电路的当前电压值及当前电流值作为待估电池的当前基本变量信息。
具体的,经过测量将测量端电压值作为等效电路的当前电压值,将测量端的电流值作为等效电路的当前电流值。将当前电压值及当前电流值作为待估电池的当前基本变量信息。
S202、确定待估电池的当前荷电状态值,并获取待估电池在上一反应过程对应的上一荷电状态值。
可以知道的是,基于极化反应的机理特征,传荷过程的响应是秒级,而扩散过程在百秒级,因此如果在全周期上进行辨识,可能当前辨识过程中,扩散过程并没有发生,只有传荷过程的影响。会造成辨识精度的降低。这部分误差不仅是机理性的,也涉及到了辨识算法上的一个供需不平衡问题,即激励个数与辨识参数个数的不对等。
在本实施例中,反应过程可以理解为用于表征辨识过程中的不同反应速度的过程,可以是传荷过程或扩散过程。
具体的,基于当前时间步状态方程计算当前荷电状态值,并获取待估电池在上一扩散过程对应的上一荷电状态值。
S203、根据当前荷电状态值及上一荷电状态值,确定待估电池的当前反应过程,并获得当前反应过程对应的当前辨识参数信息。
可以知道的是,基于平台期曲线斜率过低时,定步长的响应较小,采用定步长的方式可能无法对反应过程的改变进行判断,则可以采用了荷电状态变化量的方式,确定变化的尺度。
具体的,将当前荷电状态值与上一荷电状态值相减,得到荷电状态变化值,判断荷电变化值是否大于设定的阈值,若大于则认为对应着传递过程,否则对应着扩散过程。对二阶RC等效电路进行离散化,并建立递推公式,得到递推输入矩阵,基于带有遗忘因子最小二乘辨识算法计算参数矩阵。根据待估电池的当前反映过程,若对应着传递过程,则基于参数矩阵及等效电路参数模型之间的关系,可以计算出如图3所示的R1、C1、R0,扩散过程的R2、C2作为已知量不进行辨识。若对应着扩散过程,则基于参数矩阵及等效电路参数模型之间的关系,可以计算出如图3所示的R2、C2,传递过程的参数作为已知量不进行辨识。将R0、R1、R2、C1、C2作为当前辨识参数信息。
示例性的,荷电变化值为△SOC,可以通过下述公式求出:
△SOC=SOCk-SOCL (3)
其中,SOCk为当前荷电状态值,SOCL与最近一次扩散过程参数。
可以阈值设定为0.5%,并判断△SOC是否大于0.5%,大于0.5%时计算传递过程对应的当前辨识参数信息,否则,执行计算扩散过程对应的当前辨识参数信息。
S204、获取待估电池的上一辨识参数信息。
S205、对当前辨识参数信息进行有效性检测,将满足有效性检测条件的当前辨识参数信息作为更新后的当前辨识参数信息。
S206、否则,将上一辨识参数信息作为更新后的当前辨识参数信息。
S207、根据更新后的当前辨识参数信息及上一OCV-SOC关系曲线,确定待估电池的欧姆内阻偏移量。
具体的,可以计算出辨识开路电压和欧姆内阻,将辨识开路电压代入初始OCV-SOC曲线,得到当前荷电状态值,将当前荷电状态值代入拟合初始内阻-SOC函数中可以确定当前欧姆内阻,根据设定的荷电状态估计值对应的变化量确定变化区间,基于欧姆内阻计算结果、欧姆内阻辨识结果,计算该变化区间内欧姆内阻偏移量的滑动加权平均值。
示例性的,基于上述当前辨识参数信息的辨识方法,获取当前时间步k下的辨识开路电压OCV1和欧姆内阻辨识结果R0k。由于OCV-SOC曲线fc(z)是基于辨识开路电压及对应的荷电状态值得到的,所以基于初始OCV-SOC曲线fc(z)及辨识开路电压OCV1,可以计算出当前荷电状态值SOC1,如下式:
SOC1=fc(OCV1) (4)
基于额定工况的欧姆内阻检测,拟合初始内阻-SOC函数,如下式:
其中,z为当前时间步k的荷电状态值,RimΩ为当前时间步下的欧姆内阻,a1、a2、a3、a4、a5、a6为拟合参数。
将计算出的当前时间步下的当前荷电状态值SOC1代入公式(5),可以确定出当前欧姆内阻R1k。
获取荷电状态估计值对应的变化量△SOC=5%的时段,基于欧姆内阻计算结果R1k、欧姆内阻辨识结果R0k,可以根据公式(6)计算该变化区间内欧姆内阻偏移量△R的滑动加权平均值ΔRk:
S208、若欧姆内阻偏移量大于第一阈值,则通过设定的校正算法对上一OCV-SOC关系曲线进行校正,确定当前OCV-SOC关系曲线。
具体的,若欧姆内阻偏移量的滑动加权平均值大于第一阈值时,则欧姆内阻的偏移量较大,老化情况引起的曲线偏移程度较大。则可以通过设定的校正算法对上一OCV-SOC关系曲线进行校正。
示例性的,在△SOC周期内,基于每个时间步的内阻变化量△R,可以通过公式(7)计算开路电压修正值OCVpk:
OCVpk=OCVk-Ik*△R (7)
其中,OCVk为当前时间步下的辨识开路电压,Ik为当前时间步下电路的电流值。
示例性的,假设集采系统的实时数据颗粒度为2s,处理后的结果如表1所示:
表1:处理结果表:
时间步 | 1 | 2 | 3 | 4 | … | n |
△SOC | 0.5% | 1% | 1.5% | 2% | … | 5% |
<![CDATA[OCV<sub>pk</sub>]]> | <![CDATA[OCV<sub>p1</sub>]]> | <![CDATA[OCV<sub>p2</sub>]]> | <![CDATA[OCV<sub>p3</sub>]]> | <![CDATA[OCV<sub>p4</sub>]]> | <![CDATA[OCV<sub>pn</sub>]]> | |
荷电状态估计值 | <![CDATA[SOC<sub>k1</sub>]]> | <![CDATA[SOC<sub>k2</sub>]]> | <![CDATA[SOC<sub>k3</sub>]]> | <![CDATA[SOC<sub>k4</sub>]]> | … | <![CDATA[SOC<sub>kn</sub>]]> |
基于多项式拟合算法,拟合OCVpk与荷电状态估计值,得到当前△SOC周期内的OCV-SOC阶段重构函数fp(z)。基于周期内的每个荷电状态值,可以通过公式(8)计算函数fc(z)与fp(z)的距离dk:
基于距离dk对上一OCV-SOC曲线进行平移优化,得到校正后的当前OCV-SOC曲线。
S209、否则,将上一OCV-SOC关系曲线作为当前OCV-SOC关系曲线。
具体的,若欧姆内阻偏移量的滑动加权平均值小于或等于第一阈值,则认为欧姆内阻偏移量在可接受的范围内,不对上一OCV-SOC关系曲线进行校正,将上一OCV-SOC关系曲线直接作为当前OCV-SOC关系曲线。
S210、获取当前卡尔曼滤波算法。
在本实施例中,卡尔曼滤波算法可以理解为通过状态转移矩阵及观测矩阵,对荷电状态估计值进行最优估计的算法,优选为自适应卡尔曼滤波算法。
具体的,获取上一时间步确定出的当前卡尔曼滤波算法。
S211、根据更新后的当前辨识参数信息,确定状态转移矩阵。
在本实施例中,更新后的当前辨识参数信息可以理解为经过有效性检测的有效的当前辨识参数信息。
示例性的,状态转移矩阵Ak可以表示为:
其中,Rk1为第一电阻值,Rk2为第二电阻值,Ck1为第一电容值,Ck2为第二电容值。
S212、根据当前OCV-SOC关系曲线,确定观测矩阵。
示例性的,观测矩阵Ck可以表示为:
其中,Uocv,k为当前开路电压值,SOCk为当前荷电状态值。
S213、将状态转移矩阵及观测矩阵输入当前卡尔曼滤波算法,将输出结果作为待估电池的荷电状态估计值。
具体的,离散化二阶RC等效电路,并根据状态转移矩阵及观测矩阵进行状态空间表示,根据当前卡尔曼滤波算法,首先进行先验估计,对状态进行预测,计算误差协方差更新参数、当前卡尔曼增益;基于观测方程更新误差新息,基于当前卡尔曼增益及误差新息对状态估计更新,得到的估计结果即为预测结果,即根据输出结果为待估电池的荷电状态估计值。
进一步地,根据当前辨识参数信息及当前OCV-SOC关系曲线,确定待估电池的荷电状态估计值,还包括:
可以知道的是,常规的自适应卡尔曼滤波算法的窗口大小是固定的,无法有效的跟踪新息变化的变化情况,进而影响着算法的鲁棒性能。当前时刻计算新息越大,窗口越窄,更有效的追踪当前的新息变化情况;而当前时刻计算新息越小,窗口越宽,有效对辨识模块进行纠偏。
根据更新后的当前辨识参数信息及当前OCV-SOC关系曲线,确定当前窗口数值。
在本实施例中,窗口数值可以理解为影响对协方差的跟踪能力的参数。
具体的,根据更新后的当前辨识参数信息及当前OCV-SOC关系曲线计算当前误差新息,根据当前误差新息、测量电压、初始化窗口大小、计算当前窗口数值。
示例性的,可以通过公式(9)计算当前窗口数值M:
其中,当前误差新息为ek、测量电压为Yk,其中d为初始化窗口大小。
根据当前窗口数值对当前卡尔曼滤波算法中的参数进行更新,确定下一卡尔曼滤波算法。
具体的,根据当前窗口数值对当前卡尔曼滤波算法中的噪声方差参数进行更新,将更新后的噪声方差参数代入下一卡尔曼滤波算法。
示例性的,可以通过公式(10)对噪声方差参数进行更新:
本发明实施例二提供的一种电池荷电状态在线估算方法,将测量端电压作为辨识拟合目标,将测量电流作为激励,并将开路电压视作大电容,作为等效电路的待辨识参数,摒弃了传统的上一步的估计结果进行拟合,提升长周期累积误差的拟合修正能力,提高对荷电状态估算的鲁棒性和精度,保证估算结果不发散。对二阶RC等效电路中的扩散和传荷过程分别进行辨识,有效减少了单次辨识的参数个数,更准确的反映出电池的动态机理特征,提高辨识精度,对辨识结果进行有效性检测,使得参数变化过程更加平滑,避免由参数辨识结果突变导致算法鲁棒性下降并发散,辨识结果符合实际特性,增强辨识过程的可靠性。能够自适应更新OCV-SOC曲线,降低OCV-SOC曲线偏移带来的辨识误差,通过改变自适应窗口大小,有效跟踪测量和基于新息大小,根据自适应窗口宽度更新噪声协方差,更真实的反馈新息更新结果,进而提高荷电状态估计值的精度。
实施例三
图4为本发明实施例三提供的一种电池荷电状态在线估算装置的结构示意图。如图4所示,该装置包括:获取模块31、信息确定模块32、曲线获取模块33、估计值确定模块34。
其中,获取模块31,用于确定待估电池的当前基本变量信息,并获取待估电池的上一开路电压与荷电状态OCV-SOC关系曲线。
信息确定模块32,用于根据当前基本变量信息,确定待估电池的当前辨识参数信息。
曲线获取模块33,用于根据当前辨识参数信息校正上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线。
估计值确定模块34,用于根据当前辨识参数信息及当前OCV-SOC关系曲线,确定待估电池的荷电状态估计值。
本发明实施例三提供的一种电池荷电状态在线估算装置,通过获取当前基本变量信息,对辨识目标进行优化,提升长周期累积误差的辨识修正能力,提高对荷电状态估算的鲁棒性和精度,保证估算结果不发散。能够自适应更新OCV-SOC曲线,降低OCV-SOC曲线偏移带来的误差。实现对荷电状态估计值在线估算,提高了估算的准确性。
可选的,获取模块31,具体用于:
获取基于对应待估电池建立的等效电路;
将等效电路的当前电压值及当前电流值作为待估电池的当前基本变量信息。
可选的,信息确定模块32,具体用于:
根据当前基本变量信息,确定待估电池的当前辨识参数信息,
确定待估电池的当前荷电状态值,并获取待估电池在上一反应过程对应的上一荷电状态值;
根据当前荷电状态值及上一荷电状态值,确定待估电池的当前反应过程,并获得当前反应过程对应的当前辨识参数信息。
进一步地,该装置,在信息确定模块32之后,还包括:
获取待估电池的上一辨识参数信息;
对当前辨识参数信息进行有效性检测,将满足有效性检测条件的当前辨识参数信息作为更新后的当前辨识参数信息;
否则,将上一辨识参数信息作为更新后的当前辨识参数信息。
可选的,曲线获取模块33,具体用于:
根据更新后的当前辨识参数信息及上一OCV-SOC关系曲线,确定待估电池的欧姆内阻变化量;
若欧姆内阻变化量大于第一阈值,则通过设定的校正算法对上一OCV-SOC关系曲线进行校正,确定当前OCV-SOC关系曲线;
否则,将上一OCV-SOC关系曲线作为当前OCV-SOC关系曲线。
可选的,估计值确定模块34,具体用于:
获取当前卡尔曼滤波算法;
根据更新后的当前辨识参数信息,确定状态转移矩阵;
根据当前OCV-SOC关系曲线,确定观测矩阵;
将状态转移矩阵及观测矩阵输入当前卡尔曼滤波算法,将输出结果作为待估电池的荷电状态估计值。
可选的,估计值确定模块34,还包括:
根据更新后的当前辨识参数信息及当前OCV-SOC关系曲线,确定当前窗口数值;
根据当前窗口数值对当前卡尔曼滤波算法中的参数进行更新,确定下一卡尔曼滤波模型。
本发明实施例所提供的电池荷电状态在线估算装置可执行本发明任意实施例所提供的电池荷电状态在线估算方法,具备执行方法相应的功能模块和有益效果。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如电池荷电状态在线估算方法。
在一些实施例中,电池荷电状态在线估算方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的电池荷电状态在线估算方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行电池荷电状态在线估算方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括第一件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、第一件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种电池荷电状态在线估算方法,其特征在于,包括:
确定待估电池的当前基本变量信息,并获取所述待估电池的上一开路电压与荷电状态OCV-SOC关系曲线;
根据所述当前基本变量信息,确定所述待估电池的当前辨识参数信息;
根据所述当前辨识参数信息校正所述上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线;
根据所述当前辨识参数信息及所述当前OCV-SOC关系曲线,确定所述待估电池的荷电状态估计值。
2.根据权利要求1所述的方法,其特征在于,所述确定待估电池的当前基本变量信息,包括:
获取基于对应待估电池建立的等效电路;
将所述等效电路的当前电压值及当前电流值作为所述待估电池的当前基本变量信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述当前基本变量信息,确定所述待估电池的当前辨识参数信息,包括:
确定所述待估电池的当前荷电状态值,并获取所述待估电池在上一反应过程对应的上一荷电状态值;
根据所述当前荷电状态值及上一荷电状态值,确定所述待估电池的当前反应过程,并获得当前反应过程对应的当前辨识参数信息。
4.根据权利要求1所述的方法,其特征在于,所述根据所述当前基本变量信息,确定所述待估电池的当前辨识参数信息之后,还包括:
获取所述待估电池的上一辨识参数信息;
对所述当前辨识参数信息进行有效性检测,将满足有效性检测条件的当前辨识参数信息作为更新后的当前辨识参数信息;
否则,将所述上一辨识参数信息作为更新后的当前辨识参数信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述当前辨识参数信息校正所述上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线,包括:
根据所述更新后的当前辨识参数信息及所述上一OCV-SOC关系曲线,确定所述待估电池的欧姆内阻偏移量;
若所述欧姆内阻偏移量大于第一阈值,则通过设定的校正算法对所述上一OCV-SOC关系曲线进行校正,确定当前OCV-SOC关系曲线;
否则,将所述上一OCV-SOC关系曲线作为当前OCV-SOC关系曲线。
6.根据权利要求4所述的方法,其特征在于,所述根据所述当前辨识参数信息及所述当前OCV-SOC关系曲线,确定所述待估电池的荷电状态估计值,包括:
获取当前卡尔曼滤波算法;
根据所述更新后的当前辨识参数信息,确定状态转移矩阵;
根据所述当前OCV-SOC关系曲线,确定观测矩阵;
将所述状态转移矩阵及所述观测矩阵输入所述当前卡尔曼滤波算法,将输出结果作为所述待估电池的荷电状态估计值。
7.根据权利要求6所述的方法,其特征在于,所述根据所述当前辨识参数信息及所述当前OCV-SOC关系曲线,确定所述待估电池的荷电状态估计值,还包括:
根据所述更新后的当前辨识参数信息及所述当前OCV-SOC关系曲线,确定当前窗口数值;
根据所述当前窗口数值对所述当前卡尔曼滤波算法中的参数进行更新,确定下一卡尔曼滤波算法。
8.一种电池荷电状态在线估算装置,其特征在于,包括:
获取模块,用于确定待估电池的当前基本变量信息,并获取所述待估电池的上一开路电压与荷电状态OCV-SOC关系曲线;
信息确定模块,用于根据所述当前基本变量信息,确定所述待估电池的当前辨识参数信息;
曲线获取模块,用于根据所述当前辨识参数信息校正所述上一OCV-SOC关系曲线,获得当前OCV-SOC关系曲线;
估计值确定模块,用于根据所述当前辨识参数信息及所述当前OCV-SOC关系曲线,确定所述待估电池的荷电状态估计值。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的电池荷电状态在线估算方法方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的电池荷电状态在线估算方法方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211436790.9A CN115932586A (zh) | 2022-11-16 | 2022-11-16 | 一种电池荷电状态在线估算方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211436790.9A CN115932586A (zh) | 2022-11-16 | 2022-11-16 | 一种电池荷电状态在线估算方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115932586A true CN115932586A (zh) | 2023-04-07 |
Family
ID=86554800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211436790.9A Pending CN115932586A (zh) | 2022-11-16 | 2022-11-16 | 一种电池荷电状态在线估算方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115932586A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117269801A (zh) * | 2023-11-22 | 2023-12-22 | 潍柴新能源动力科技有限公司 | 电池荷电状态的确定方法、确定装置和电子设备 |
CN117686915A (zh) * | 2023-12-04 | 2024-03-12 | 广东天汇储能科技有限公司 | 一种嵌入式电池能量状态的确定方法、装置及设备 |
CN117706390A (zh) * | 2024-02-06 | 2024-03-15 | 清华大学 | 一种电池荷电状态滚动优化估计方法及装置 |
-
2022
- 2022-11-16 CN CN202211436790.9A patent/CN115932586A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117269801A (zh) * | 2023-11-22 | 2023-12-22 | 潍柴新能源动力科技有限公司 | 电池荷电状态的确定方法、确定装置和电子设备 |
CN117269801B (zh) * | 2023-11-22 | 2024-03-01 | 潍柴新能源动力科技有限公司 | 电池荷电状态的确定方法、确定装置和电子设备 |
CN117686915A (zh) * | 2023-12-04 | 2024-03-12 | 广东天汇储能科技有限公司 | 一种嵌入式电池能量状态的确定方法、装置及设备 |
CN117706390A (zh) * | 2024-02-06 | 2024-03-15 | 清华大学 | 一种电池荷电状态滚动优化估计方法及装置 |
CN117706390B (zh) * | 2024-02-06 | 2024-04-19 | 清华大学 | 一种电池荷电状态滚动优化估计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115932586A (zh) | 一种电池荷电状态在线估算方法、装置、设备及介质 | |
JP2008522152A (ja) | バッテリーの状態及びパラメーターの推定システム及び方法 | |
CN110888065B (zh) | 电池包荷电状态修正方法和装置 | |
WO2023184824A1 (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
CN113190969B (zh) | 一种基于信息评估机制的锂电池模型参数辨识方法 | |
CN113391216A (zh) | 基于响应曲面设计的铅酸电池可用容量估算方法和装置 | |
CN115372841A (zh) | 一种锂离子电池单体热失控风险评价方法及装置 | |
CN117110891A (zh) | 锂离子电池荷电状态估计值的计算方法和计算装置 | |
CN115630502A (zh) | 电池膨胀力确定方法、电子设备及存储介质 | |
CN117629084A (zh) | 一种膜厚确定方法、装置、计算机设备和存储介质 | |
CN116224073A (zh) | 电池soc估计方法、装置、设备、电池模组及存储介质 | |
CN116400223A (zh) | 一种电池电量信息生成方法、设备及可读存储介质 | |
CN115656858A (zh) | 电池寿命确定方法、装置、电子设备及存储介质 | |
CN114879042A (zh) | 电芯分容放电容量预测方法、装置及电子设备 | |
CN109059989B (zh) | 一种仪表剩余寿命评估的方法、系统及设备 | |
CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 | |
CN114563045B (zh) | 一种医院后勤系统的检测方法、装置、电子设备及介质 | |
CN118152806A (zh) | 模型训练方法、电池健康状态的估计方法、设备及介质 | |
CN117517971A (zh) | 一种电池的电量预测方法、装置、电子设备及存储介质 | |
CN115792628A (zh) | 一种动力电池安全性评估方法、装置、设备和存储介质 | |
CN115754752A (zh) | 一种电池soc预测方法、装置、设备及存储介质 | |
CN118033461A (zh) | 一种电池健康状态的评估方法、装置及电子设备 | |
CN116203435A (zh) | 一种电池参数获取方法、装置、电子设备及存储介质 | |
CN117420468A (zh) | 电池状态评估方法、装置、设备及存储介质 | |
CN117318021A (zh) | 基于长短期记忆网络的电力系统动态状态估计方法及系统 |
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 |