CN116559675A - 电流传感器误差辨识方法、装置及电池系统 - Google Patents
电流传感器误差辨识方法、装置及电池系统 Download PDFInfo
- Publication number
- CN116559675A CN116559675A CN202310383632.XA CN202310383632A CN116559675A CN 116559675 A CN116559675 A CN 116559675A CN 202310383632 A CN202310383632 A CN 202310383632A CN 116559675 A CN116559675 A CN 116559675A
- Authority
- CN
- China
- Prior art keywords
- soc
- battery
- current sensor
- error
- track
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 70
- 238000005259 measurement Methods 0.000 claims abstract description 33
- 239000000463 material Substances 0.000 claims abstract description 23
- 230000035945 sensitivity Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 description 11
- 238000012937 correction Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000010287 polarization Effects 0.000 description 6
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 229910001416 lithium ion Inorganic materials 0.000 description 4
- 239000007773 negative electrode material Substances 0.000 description 4
- 239000007774 positive electrode material Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- YADSGOSSYOOKMP-UHFFFAOYSA-N dioxolead Chemical group O=[Pb]=O YADSGOSSYOOKMP-UHFFFAOYSA-N 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical group [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910000652 nickel hydride Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- -1 titanium hydride Chemical compound 0.000 description 1
- 229910000048 titanium hydride Inorganic materials 0.000 description 1
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
- G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
-
- 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
- G01R31/388—Determining ampere-hour charge capacity or SoC involving voltage measurements
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明提供一种电流传感器误差辨识方法、装置及电池系统，所述方法包括：基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，电池测量电流通过电流传感器检测得到；结合电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹；结合电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹；基于待检测SOC轨迹，以及参考SOC轨迹，对电流传感器进行误差辨识。本发明基于精度较高的参考SOC轨迹可以快速且准确确定待检测SOC轨迹所估算的SOC是否存在误差，进而能够准确辨识电流传感器是否存在误差。
Description
技术领域
本发明涉及电池管理技术领域，尤其涉及一种电流传感器误差辨识方法、装置及电池系统。
背景技术
随着电池技术的发展和节能环保要求的提高，在电动汽车、储能领域、轨道交通等多个行业中，电池系统应用的范围越来越广，起到的作用越来越大。有效的电池管理系统(Battery Management System，BMS)是保证电池系统安全可靠和高效运行的核心，在防止电池系统出现过充放电、延长电池系统整体寿命、监控电池运行状态上起着不可替代的作用。BMS主要功能包括了电池状态估算、电池系统参数检测、热管理、故障诊断、均衡和充电控制。
其中，电池荷电状态(State of Charge，SOC)估算是电池状态估算的一个关键参数，它表示电池中的剩余可用电量，精确的SOC估计有助于电池系统其他状态参数的估计，并为充放电策略和均衡策略提供良好的思路。目前，BMS中多通过安时积分法进行SOC估算，但安时积分法受电流传感器误差的影响较大，且电流传感器由于温度、老化或电磁环境的干扰，常常出现测量值发生漂移和产生噪声的情况，从而导致电流传感器测量得到的电流存在误差，进而使得估算出来的SOC偏离真实值，因此亟需提供一种方法能够对电流传感器的误差进行辨识，进而提高SOC的估算精度。
发明内容
本发明提供一种电流传感器误差辨识方法、装置及电池系统，用以解决现有技术中无法辨识电流传感器是否存在误差进而影响SOC估算精度的缺陷。
本发明提供一种电流传感器误差辨识方法，包括：
基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；
结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；
结合所述电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；
基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
根据本发明提供的一种电流传感器误差辨识方法，所述基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识，包括：
在所述待检测SOC轨迹与所述参考SOC轨迹之间的斜率比值大于等于阈值的情况下，确定所述电流传感器存在误差。
根据本发明提供的一种电流传感器误差辨识方法，所述确定所述电流传感器存在误差，之后还包括：
基于所述斜率比值，以及测量电量，确定所述电流传感器的误差大小，所述测量电量指于所述电池系统在预设时段内计算得到的电池电量；
基于所述电流传感器的误差大小，对所述电池测量电流进行修正，得到电池修正电流。
根据本发明提供的一种电流传感器误差辨识方法，所述斜率比值基于如下步骤确定：
确定所述待检测SOC轨迹在所述预设时段内的第一SOC变化量，以及所述参考SOC轨迹在预设时段内的第二SOC变化量；
基于所述第一SOC变化量以及所述第二SOC变化量，确定所述斜率比值。
根据本发明提供的一种电流传感器误差辨识方法，所述确定所述电流传感器的误差大小，之后还包括：
基于SOC变化量、所述电池测量电流以及所述电流传感器的误差大小，确定电池容量；所述SOC变化量为所述第一SOC变化量或所述第二SOC变化量。
根据本发明提供的一种电流传感器误差辨识方法，所述基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，包括：
基于所述电池材料，构建电池等效电路模型；
将所述电池测量电流输入至电池等效电路模型，得到所述电池状态空间方程。
本发明还提供一种电流传感器误差辨识装置，包括：
方程构建单元，用于基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；
第一估算单元，用于结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；
第二估算单元，用于结合所述电池状态空间方程，采用第二SOC估计算法对估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；
误差辨识单元，用于基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
本发明还提供一种电池系统，包括：如上所述的电流传感器误差辨识装置。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述电流传感器误差辨识方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述电流传感器误差辨识方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述电流传感器误差辨识方法。
本发明提供的电流传感器误差辨识方法、装置及电池系统，由于参考SOC轨迹的精度较高，从而基于参考SOC轨迹可以快速且准确确定待检测SOC轨迹所估算的SOC是否存在误差，进而能够准确辨识电流传感器是否存在误差。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的电流传感器误差辨识方法的流程示意图；
图2是本发明提供的待检测SOC轨迹和参考SOC轨迹示意图；
图3是本发明提供的一阶RC网络等效电路模型的结构示意图；
图4是本发明提供的二阶RC网络等效电路模型的结构示意图；
图5是本发明提供的电池修正电流确定方法的流程示意图；
图6是本发明提供的电流传感器误差辨识装置的结构示意图；
图7是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、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作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。
本发明提供一种电流传感器误差辨识方法。图1是本发明提供的电流传感器误差辨识方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤110、基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，电池测量电流通过电流传感器检测得到。
此处，电池材料指用于制造电池的各种材料，包括正极材料、负极材料、电解质、隔膜等。不同种类的电池使用的材料也不同，例如锂离子电池的正极材料主要是钴酸锂、三元材料、钛酸锂等，负极材料主要是石墨、硅等；铅酸电池的正极材料是铅二氧化物，负极材料是铅；镍氢电池的正极材料是氢化镍，负极材料是氢化钛等。
根据电池系统的电池材料，可以构建电池等效电路模型，并将电池测量电流输入至电池等效电路模型，得到电池状态空间方程。
步骤120、结合电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，第一SOC估计算法对电流传感器误差的敏感度小于阈值。
具体地，第一SOC估计算法是对电流传感器误差的敏感度小于阈值的算法，即可以理解为在电流传感器存在误差的情况下，采用第一SOC估计算法估算SOC时，得到的SOC不受电流传感器误差的影响，即估算的SOC精度较高。
在一些具体实施方式中，若电池等效电路模型为二阶RC网络等效电路模型，第一SOC估计算法为扩展卡尔曼滤波算法，以满足电池系统非线性特性，对二阶RC网络等效电路模型对应的电池状态空间方程进行离散化，得到如下离散状态空间方程表达式为公式：
其中，Up1,k-1和Up2,k-1表示二阶RC网络两端的极化电压，Rp1,k-1和Rp2,k-1表示二阶RC网络的极化电阻，Cp1,k-1和Cp2,k-1表示二阶RC网络的极化电容，Ik-1表示电池测量电流，Ut,k表示电池两端的端电压，OCV表示开路电压，Ro,k表示欧姆内阻，ω表示过程噪声，均值为0，协方差为Q，υ为测量噪声，均值为0，协方差为R，且ω和υ互不相关。
可选地，使用FUDS((federal urban driving schedule))工况电流激励，将电流传感器检测得到的电池测量电流和电压传感器检测得到的电池测量电压输入扩展卡尔曼滤波算法进行估算SOC，得到电池在持续放电过程中的SOC轨迹，由于扩展卡尔曼滤波算法对电流传感器误差的敏感度较小，从而在存在电流传感器误差的情况下也能进行SOC的精准估计，故将采用第一SOC估计算法估算SOC得到的SOC轨迹作为参考SOC轨迹。
步骤130、结合电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹，第二SOC估计算法对电流传感器误差的敏感度大于等于阈值。
具体地，第二SOC估计算法是对电流传感器误差的敏感度大于等于阈值的算法，即可以理解为在电流传感器存在误差的情况下，采用第二SOC估计算法估算SOC时，得到的SOC容易受电流传感器误差的影响，即估算的SOC存在偏差。
在一些具体实施方式中，第一SOC估计算法可以为安时积分法，并使用FUDS/DST(dynamic stress test)工况电流激励，将电流传感器检测得到的电池测量电流进行安时积分计算SOC，得到电池在持续放电过程中的含有误差的SOC轨迹。其中，安时积分法的计算公式下：
其中，SOCk和SOC0分别表示电池SOC在tk和t0时刻的值，I(t)表示电池的充放电电流，Qmax表示电池的最大可用容量。
步骤140、基于待检测SOC轨迹，以及参考SOC轨迹，对电流传感器进行误差辨识。
具体地，参考SOC轨迹是基于对电流传感器误差敏感度较小的第一SOC估计算法估算得到的，待检测SOC轨迹是基于对电流传感器误差敏感度较高的第二SOC估计算法估算得到的，从而参考SOC轨迹的精度高于待检测SOC轨迹的精度，即参考SOC轨迹接近真实SOC轨迹。
若待检测SOC轨迹与参考SOC轨迹之间的差异较大，则表明电流传感器存在误差的概率较大；若待检测SOC轨迹与参考SOC轨迹之间的差异较小，则表明电流传感器存在误差的概率较小。其中，此处的误差可以理解为电流传感器的偏置误差。
由此可见，由于参考SOC轨迹的精度较高，从而基于参考SOC轨迹可以快速且准确确定待检测SOC轨迹所估算的SOC是否存在误差，进而能够准确辨识电流传感器是否存在误差。
基于上述实施例，基于待检测SOC轨迹，以及参考SOC轨迹，对电流传感器进行误差辨识，包括：
在待检测SOC轨迹与参考SOC轨迹之间的斜率比值大于等于阈值的情况下，确定电流传感器存在误差。
具体地，在待检测SOC轨迹与参考SOC轨迹之间的斜率比值大于等于阈值的情况下，表明待检测SOC轨迹与参考SOC轨迹之间的差异较大，也就是可以确定电流传感器存在误差。
如图2所示，在任意时刻判断电流传感器是否存在误差，可以提取对应时刻前一段时间Δt内的两种算法的SOC点，即安时积分法的SOC1点和SOC2点，扩展卡尔曼滤波算法的SOC3点和SOC4点，并根据SOC1点和SOC2点的坐标计算待检测SOC轨迹的斜率k1，根据SOC3点和SOC4点的坐标计算参考SOC轨迹的斜率k2，在k1/k2≥β的情况下，确定电流传感器存在误差。其中，β表示电流传感器出现误差时的阈值，其可以根据实际情况具体设置。
基于上述任一实施例，确定电流传感器存在误差，之后还包括：
基于斜率比值，以及测量电量，确定电流传感器的误差大小，测量电量指于电池系统在预设时段内计算得到的电池电量；
基于电流传感器的误差大小，对电池测量电流进行修正，得到电池修正电流。
需要说明的是，电流传感器的误差大小计算依据为：假设第一SOC估计算法为扩展卡尔曼滤波算法，第二SOC估计算法为安时积分法，在预设时段[t1,t2]内，分别由安时积分法和扩展卡尔曼滤波算法得到的电量累积量为QAh和QEKF，同时，分别由安时积分法和扩展卡尔曼滤波算法得到的SOC变化量为ΔSOCAh和ΔSOCEKF，两种算法得到的电量累积量的比值等于SOC变化量的比值，据此原理可以得到电流传感器的误差大小。其中，该原理的前提是扩展卡尔曼滤波中用来校正SOC估计误差的OCV-SOC曲线(该曲线描述了电池开路电压和SOC之间的线性关系)中的最大可用容量与安时积分法中的最大可用容量相同。
假设在预设时段[t1,t2]内电池电量累计变化量的真值为ΔQ真，电流传感器的误差大小为Ier，则在预设时段内电流传感器误差造成的电量变化值为Qer＝Ie·(t2-t1)，BMS在预设时段内计算得到的电池电量(即测量电流)累计量为ΔQ测＝ΔQ真+Qer。
其中，待检测SOC轨迹计算[t1,t2]时间段内的SOC变化量为：参考SOC轨迹计算[t1,t2]时间段内的SOC变化量为：进而电流传感器的误差程度k为：
进一步地，根据上述公式求解电流传感器的误差大小Ier为：
在得到电流传感器的误差大小Ier后，电池修正电流I修为：
I修＝I测-Ier
其中，I测表示电池测量电流。结合电池修正电流，采用第二SOC估计算法(如安时积分法)估算SOC，得到修正后的待检测SOC轨迹与参考SOC轨迹斜率一致。
基于上述任一实施例，斜率比值基于如下步骤确定：
确定待检测SOC轨迹在预设时段内的第一SOC变化量，以及参考SOC轨迹在预设时段内的第二SOC变化量；
基于第一SOC变化量以及第二SOC变化量，确定斜率比值。
在一些具体实施方式中，在预设时段[t1,t2]内，待检测SOC轨迹的第一SOC变化量为SOC2-SOC1，参考SOC轨迹的第二SOC变化量为SOC4-SOC3，则斜率比值其中，SOC1表示待检测SOC轨迹在t1时刻的SOC值，SOC2表示待检测SOC轨迹在t2时刻的SOC值，SOC3表示参考SOC轨迹在t1时刻的SOC值，SOC4表示参考SOC轨迹在t2时刻的SOC值。
由此可见，本发明实施例通过提取预设时段的SOC变化量(第一SOC变化量和第二SOC变化量)确定斜率比值，对计算机内存要求不高，进而在确定电流传感器的误差大小和电池修正电流时，对应的计算量较小，易在BMS上实施，为BMS的安全高效运行提供了保障。
基于上述任一实施例，确定电流传感器的误差大小，之后还包括：
基于SOC变化量、电池测量电流以及电流传感器的误差大小，确定电池容量；SOC变化量为第一SOC变化量或第二SOC变化量。
在一些具体实施方式中，根据电流传感器的误差大小，以及电池测量电流，可以确定电池修正电流，即真实电流。在预设时段[t1,t2]内，根据电池修正电流计算预设时段内的电量，并根据该电量以及SOC变化量，进一步得到电池容量Qmax：
其中，SOC变化量为第一SOC变化量SOC2-SOC1，或第二SOC变化量SOC4-SOC3。
基于上述任一实施例，基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，包括：
基于电池材料，构建电池等效电路模型；
将电池测量电流输入至电池等效电路模型，得到电池状态空间方程。
在一些具体实施方式中，对于锂离子电池，可以采用图3所示的一阶RC网络等效电路模型或图4所示的二阶RC网络等效电路模型。本发明实施例以25Ah的锂离子电池为研究对象，输入的电流工况选择FUDS((federal urban driving schedule))工况，得到二阶RC网络等效电路模型的精度比一阶RC网络等效电路模型的精度高，因此选择二阶RC网络等效电路模型作为锂离子电池的等效电路模型，进而将电池测量电流输入至二阶RC网络等效电路模型，得到如下电池状态空间方程：
其中，Upi(i＝1,2)表示二阶RC网络两端的极化电压，Rpi(i＝1,2)表示二阶RC网络的极化电阻，Cpi(i＝1,2)表示二阶RC网络的极化电容，I表示电池测量电流，Ut表示电池两端的端电压，OCV表示开路电压，Ro表示欧姆内阻。
基于上述任一实施例，本发明还提供一种电池修正电流确定方法，如图5所示，该方法包括：
首先，根据电池材料构建电池等效电路模型，并将电池测量电流输入至电池等效电路模型，得到电池状态空间方程。
接着，采用卡尔曼滤波算法估算SOC，得到参考SOC轨迹，采用安时积分法估算SOC，得到待检测SOC轨迹。
随即，根据待检测SOC轨迹与参考SOC轨迹之间的斜率比值，确定电流传感器是否存在误差，并根据待检测SOC轨迹在预设时段内的电量累积量与参考SOC轨迹在预设时段内的电量累积量之间的比值(即待检测SOC轨迹在预设时段内的SOC变化量与参考SOC轨迹在预设时段内的SOC变化量之间的比值)，确定电流传感器的误差大小。
最后，根据电流传感器的误差大小，对电池测量电流进行修正，得到电池修正电流。
下面对本发明提供的电流传感器误差辨识装置进行描述，下文描述的电流传感器误差辨识装置与上文描述的电流传感器误差辨识方法可相互对应参照。
基于上述任一实施例，本发明还提供一种电流传感器误差辨识装置，如图6所示，该装置包括：
方程构建单元610，用于基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，电池测量电流通过电流传感器检测得到；
第一估算单元620，用于结合电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，第一SOC估计算法对电流传感器误差的敏感度小于阈值；
第二估算单元630，用于结合电池状态空间方程，采用第二SOC估计算法对估算SOC，得到待检测SOC轨迹，第二SOC估计算法对电流传感器误差的敏感度大于等于阈值；
误差辨识单元640，用于基于待检测SOC轨迹，以及参考SOC轨迹，对电流传感器进行误差辨识。
基于上述任一实施例，所述误差辨识单元640，具体用于：
在所述待检测SOC轨迹与所述参考SOC轨迹之间的斜率比值大于等于阈值的情况下，确定所述电流传感器存在误差。
基于上述任一实施例，所述装置还包括：
误差确定单元，用于确定所述电流传感器存在误差之后，基于所述斜率比值，以及测量电量，确定所述电流传感器的误差大小，所述测量电量指于所述电池系统在预设时段内计算得到的电池电量；
电流修正单元，用于基于所述电流传感器的误差大小，对所述电池测量电流进行修正，得到电池修正电流。
基于上述任一实施例，所述装置还包括：
SOC变化量确定单元，用于确定所述待检测SOC轨迹在所述预设时段内的第一SOC变化量，以及所述参考SOC轨迹在预设时段内的第二SOC变化量；
斜率比值确定单元，用于基于所述第一SOC变化量以及所述第二SOC变化量，确定所述斜率比值。
基于上述任一实施例，所述装置还包括：
电池容量确定单元，用于确定所述电流传感器的误差大小之后，基于SOC变化量、所述电池测量电流以及所述电流传感器的误差大小，确定电池容量；所述SOC变化量为所述第一SOC变化量或所述第二SOC变化量。
基于上述任一实施例，所述方程构建单元610，包括：
模型构建单元，用于基于所述电池材料，构建电池等效电路模型；
参数输入单元，用于将所述电池测量电流输入至电池等效电路模型，得到所述电池状态空间方程。
基于上述任一实施例，本发明还提供一种电池系统，包括：如上所述的电流传感器误差辨识装置。由于电池系统包括电流传感器误差辨识装置，从而电池系统可以快速且准确判断电流传感器是否存在误差，并在存在误差的情况下，确定电流传感器的误差大小，以及根据误差大小对电池测量电流进行修正，得到电池修正电流。
图7是本发明提供的电子设备的结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、存储器(memory)720、通信接口(CommunicationsInterface)730和通信总线740，其中，处理器710，存储器720，通信接口730通过通信总线740完成相互间的通信。处理器710可以调用存储器720中的逻辑指令，以执行电流传感器误差辨识方法，该方法包括：基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；结合所述电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
此外，上述的存储器720中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的电流传感器误差辨识方法，该方法包括：基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；结合所述电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的电流传感器误差辨识方法，该方法包括：基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；结合所述电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电流传感器误差辨识方法，其特征在于，包括：
基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；
结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；
结合所述电池状态空间方程，采用第二SOC估计算法估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；
基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
2.根据权利要求1所述的电流传感器误差辨识方法，其特征在于，所述基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识，包括：
在所述待检测SOC轨迹与所述参考SOC轨迹之间的斜率比值大于等于阈值的情况下，确定所述电流传感器存在误差。
3.根据权利要求2所述的电流传感器误差辨识方法，其特征在于，所述确定所述电流传感器存在误差，之后还包括：
基于所述斜率比值，以及测量电量，确定所述电流传感器的误差大小，所述测量电量指于所述电池系统在预设时段内计算得到的电池电量；
基于所述电流传感器的误差大小，对所述电池测量电流进行修正，得到电池修正电流。
4.根据权利要求3所述的电流传感器误差辨识方法，其特征在于，所述斜率比值基于如下步骤确定：
确定所述待检测SOC轨迹在所述预设时段内的第一SOC变化量，以及所述参考SOC轨迹在预设时段内的第二SOC变化量；
基于所述第一SOC变化量以及所述第二SOC变化量，确定所述斜率比值。
5.根据权利要求4所述的电流传感器误差辨识方法，其特征在于，所述确定所述电流传感器的误差大小，之后还包括：
基于SOC变化量、所述电池测量电流以及所述电流传感器的误差大小，确定电池容量；所述SOC变化量为所述第一SOC变化量或所述第二SOC变化量。
6.根据权利要求1至5任一项所述的电流传感器误差辨识方法，其特征在于，所述基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，包括：
基于所述电池材料，构建电池等效电路模型；
将所述电池测量电流输入至电池等效电路模型，得到所述电池状态空间方程。
7.一种电流传感器误差辨识装置，其特征在于，包括：
方程构建单元，用于基于电池系统的电池材料，以及电池测量电流，构建电池状态空间方程，所述电池测量电流通过电流传感器检测得到；
第一估算单元，用于结合所述电池状态空间方程，采用第一SOC估计算法估算SOC，得到参考SOC轨迹，所述第一SOC估计算法对电流传感器误差的敏感度小于阈值；
第二估算单元，用于结合所述电池状态空间方程，采用第二SOC估计算法对估算SOC，得到待检测SOC轨迹，所述第二SOC估计算法对所述电流传感器误差的敏感度大于等于所述阈值；
误差辨识单元，用于基于所述待检测SOC轨迹，以及所述参考SOC轨迹，对所述电流传感器进行误差辨识。
8.一种电池系统，其特征在于，包括：如权利要求7所述的电流传感器误差辨识装置。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述电流传感器误差辨识方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述电流传感器误差辨识方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310383632.XA CN116559675A (zh) | 2023-04-11 | 2023-04-11 | 电流传感器误差辨识方法、装置及电池系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310383632.XA CN116559675A (zh) | 2023-04-11 | 2023-04-11 | 电流传感器误差辨识方法、装置及电池系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116559675A true CN116559675A (zh) | 2023-08-08 |
Family
ID=87493691
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310383632.XA Pending CN116559675A (zh) | 2023-04-11 | 2023-04-11 | 电流传感器误差辨识方法、装置及电池系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116559675A (zh) |
-
2023
- 2023-04-11 CN CN202310383632.XA patent/CN116559675A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108369258B (zh) | 状态估计装置、状态估计方法 | |
| WO2018059074A1 (zh) | 一种电池微短路的检测方法及装置 | |
| JP5818878B2 (ja) | リチウムイオン電池充電状態の算出方法 | |
| CN109669131B (zh) | 一种工况环境下动力电池soc估算方法 | |
| CN111198328A (zh) | 一种电池析锂检测方法及电池析锂检测系统 | |
| CN105021996A (zh) | 储能电站bms的电池soh估算方法 | |
| CN103797374A (zh) | 用于电池监控的系统和方法 | |
| CN104698385A (zh) | 电池状态计算装置和电池状态计算方法 | |
| CN104569829A (zh) | 蓄电池soc估计与自动校正 | |
| KR102572652B1 (ko) | 배터리의 충전상태를 추정하는 방법 | |
| Wei et al. | Lyapunov-based state of charge diagnosis and health prognosis for lithium-ion batteries | |
| CN111929602A (zh) | 一种基于容量估计的单体电池漏电或微短路定量诊断方法 | |
| CN110888074B (zh) | 用于soc初始值计算的电压确定方法及装置 | |
| Qiu et al. | Battery hysteresis modeling for state of charge estimation based on Extended Kalman Filter | |
| US20220196754A1 (en) | Method for detecting abnormal battery cell | |
| WO2023040486A1 (zh) | 一种新能源汽车电池管理系统sof估算方法 | |
| US11835587B2 (en) | Method for determining full-charge capacity of battery pack, method for determining state of health of battery pack, system, and apparatus | |
| CN114814691A (zh) | 一种基于数字孪生的锂电池系统电压传感器故障诊断方法 | |
| CN107402356B (zh) | 一种基于动态参数辨识的ekf估算铅酸电池soc方法 | |
| Chen et al. | Estimation of state of charge for lithium-ion battery considering effect of aging and temperature | |
| Liu et al. | SOH diagnostic and prognostic based on external health indicator of lithium-ion batteries | |
| CN116184248A (zh) | 一种串联电池组的微小短路故障检测方法 | |
| KR20210064770A (ko) | 차량 및 차량의 제어 방법 | |
| CN112394290A (zh) | 电池包soh的估算方法、装置、计算机设备和存储介质 | |
| CN106815406B (zh) | 一种基于特征模型的动力电池soc估算方法 |
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 |