CN202794475U - 混合动力车用动力锂电池soc估计器 - Google Patents

Abstract

本实用新型公开了一种混合动力车用动力锂电池SOC估计器，属于测试仪器，本实用新型数据采集器用于将电压/电流检测模块、温度传感器检测的数据进行采集并传输给电池SOC估计单元，控制模块依据电池SOC估计单元的估算对各数据分析后对动力锂电池的工作状态进行判断控制电子负载和整车的工作状态，LCD显示器连接在控制模块上用于显示信息，控制模块通过RS232USB接口连接至PC用于对动力锂电池的电压、电流、温度和SOC进行综合分析、控制与测量。本实用新型提出将抗差UKF应用于动力锂电池的SOC估算中，该方法将开路/AH法与抗差UKF估计理论相结合，克服传统估算方法无法消除累积误差的缺点。

Description

混合动力车用动力锂电池SOC估计器

技术领域

本实用新型属于测试仪器，具体是混合动力车用动力锂电池SOC估计器。

背景技术

二十世纪九十年代以来，锂离子电池作为新能源产业的发展方向之一，受到越来越多国内外研究者的重视，并取得了重大的研究进展。在应用过程中，锂离子电池充放电转换频繁、电流较大，对电池模型的动态特性、电池荷电状态(电池荷电状态简称SOC，SOC为State of Charge的缩写)的精度估算，直接关系电池管理系统的性能。电池的SOC被用来反映电池的剩余容量状况。在工作过程中，系统控制器根据电池管理系统提供的电池SOC决定其控制策略，分配各个部分的能量流比例，优化电池充放电功率。由于锂离子电池内部化学反应的复杂性和应用环境的多样性，传统方法不能满足电池动态性能的精确估计与分析，研究者将重点转向电池的数学模型与电池SOC的状态分析上，提出Kalman滤波法和神经网络法。其中Kalman滤波法是一种最优化自同归数据处理算法，通过对状态变量进行实时最优估计，能够有效地提高SOC的估计精度，国内多数专家致力于Kalman滤波应用于动力电池SOC估计的研究，但是主要是以HEV氢镍电池为研究重点。尽管已有研究者对扩展Kalman滤波(EKF)和基于UKF的电池SOC预估算法仍在进行着积极的研究和探索，得出重要的研究结论，但是研究较少且标准UKF方法忽略了量测粗差在SOC状态估计中的影响程度。

实用新型内容

本实用新型的目的是提供一种混合动力车用动力锂电池SOC估计器，用以大幅提高动力锂电池的SOC量测过程中的预估精度，为锂离子电池SOC预估算法理论的完善和发展奠定基础。

为达到上述目的，本实用新型的混合动力车用动力锂电池SOC估计器，其包括用于检测动力锂电池电压和电流的电压/电流检测模块、用于检测动力锂电池温度的温度传感器、数据采集器、控制模块、用于对动力锂电池的放电管理的电子负载、PC、LCD显示器，其特征是：所述的控制模块包括电池SOC估计单元，所述的数据采集器用于将所述电压/电流检测模块、温度传感器检测的数据进行采集并传输给电池SOC估计单元，所述的控制模块依据电池SOC估计单元的估算对各数据分析后对动力锂电池的工作状态进行判断控制所述电子负载和整车的工作状态，所述的LCD显示器连接在所述的控制模块上用于显示信息，所述的控制模块通过USB接口连接至PC用于对动力锂电池的电压、电流、温度和SOC进行综合分析、控制与测量。

具体的，所述的控制模块用stc89c51单片机。所述的电压/电流检测模块由充/放电器、隔离模块构成。

本实用新型的有益效果是：

1)实时监测并显示动力锂电池运行过程中的各种参数和工作状态，包括电池充放电电压、电流，温度，电池实时容量等；

2)通过对各运行参数的采集分析，包括开路电压、电流、温度，采用模型参数拟合的数学方法，建立较精确的适用于混合动力车用蓄电池指标的电池模型，确保动力锂电池SOC估计算法的精确性；

3)在所建立的动力锂电池模型的基础上，提出基于抗差UKF的新型动力锂电池SOC估计算法，并建立滤波状态方程与量测方程，推导算法流程，解决动力锂电池SOC估算中存在的平台电压期间电池容量估计不准确的现实问题；

4)实时记录动力锂电池工作过程中的各种参数，并图形化显示重要参数的变化曲线，以此分析动力锂电池电池的工作特性，控制整车工作状态。

附图说明

图1是本实用新型的总体框图；

图2是本实用新型的硬件组成结构关系图；

图3是本实用新型动力锂电池的电池模型结构图；

图4是本实用新型的SOC估计算法流程图。

具体实施方式

以下结合说明书附图对本实用新型做进一步说明。

本实用新型的混合动力车用动力锂电池SOC估计器，如图1、2所示，其包括用于检测动力锂电池电压和电流的电压/电流检测模块、用于检测动力锂电池温度的温度传感器、数据采集器、控制模块、用于对动力锂电池的放电管理的电子负载、PC、LCD显示器，控制模块包括电池SOC估计单元，数据采集器用于将电压/电流检测模块、温度传感器检测的数据进行采集并传输给电池SOC估计单元，控制模块依据电池SOC估计单元的估算对各数据分析后对动力锂电池的工作状态进行判断控制电子负载和整车的工作状态，LCD显示器连接在控制模块上用于显示信息，控制模块通过RS232USB接口连接至PC用于对动力锂电池的电压、电流、温度和SOC进行综合分析、控制与测量。

具体的，控制模块用stc89c51单片机；电压/电流检测模块由充/放电器、隔离模块构成。

基于上述混合动力车用动力锂电池SOC估计器，可采用新型SOC估计算法：动力锂电池模型建立与仿真验证、模型参数查找表、基于抗差UKF的电池SOC估计算法状态方程与量测方程、SOC估计算法步骤建立。

1)电池模型，选用Thevenin模型作为抗差UKF算法的电池模型，因为它能较好地体现电池的动态性能，同时阶数不高，减少了处理器的运算，易于工程实现。此外，该模型还能够准确地反映电池电动势与端电压的关系，从而使闭环估计有较高的精度。

2)新型SOC估计算法，UKF的抗差估计方法是在Kalman滤波中，当观测向量V存在粗差时(这里仅讨论观测向量中存在粗差的情形)，由标准Kalman滤波算法可知，状态预测

方差因子

都将受到粗差的影响。根据稳健M估计等价权原理，通过分析增益矩阵K_k，可以选取适当的权函数代替观测噪声协方差阵，以减小或消除粗差对估计结构的影响。等价权选定之后，重新利用广义最小二乘原理，可导出UKF滤波的稳健推广估计的递推方程。

进一步的，本实用新型的混合动力车用锂电池的电池模型如图3所示，模型中E(t)描述电池电动势，与电池的SOC有固定的函数关系；R₀描述电池的等效欧姆内阻；R₁描述电池的极化内阻，它与电容C并联用于模拟电池充放电极化过程中表现出的动态特性。其中模型中的参数R₀、R₁、C均可以通过试验利用系统参数辨识的方法得到，并且它们的值与工作环境、工作电流及其方向(充、放电)、寿命状态等因素相关。

从模型中可以得出电压电流关系：

E(t)＝V(t)+R₀i(t)+u(t)    (1)

$i\left(t\right)=\frac{u\left(t\right)}{R_1}+c\frac{\mathrm{du}}{\mathrm{dt}}---\left(2\right)$

E(t)＝F[Soc(t)]+DE(T)     (3)

$\mathrm{Soc}\left(t\right)=\mathrm{Soc}\left(t_0\right)+{\stackrel{`}{o}}_{t_0}^t\frac{k_i{k}_{r}i\left(t\right)}{k_l{Q}_0}\mathrm{dt}---\left(4\right)$

将上述电池模型与Kalman滤波算法结合，可以得出基于UKF进行SOC估计的电池非线性状态空间模型，将(1)～(4)式联合并离散化后得状态方程：

$\left[\begin{array}{c}{\mathrm{Soc}}_{k+1}\\ u_{k+1}\end{array}\right]=\left[\begin{array}{cc}1& 0\\ 0& \exp (-\frac{T}{R_{1}C})\end{array}\right]\left[\begin{array}{c}{\mathrm{Soc}}_k\\ u_k\end{array}\right]+\left[\begin{array}{c}-\frac{k_i{k}_{T}T}{k_1{Q}_0}\\ R_1(1-\exp (-\frac{T}{R_{1}C}))\end{array}\right]i_k+\left\{\begin{array}{c}{\mathrm{ws}}_k\\ {\mathrm{wu}}_k\end{array}\right\}---\left(5\right)$

由状态方程(5)可知，锂离子电池的Kalman滤波模型是多状态的，假设x_k＝(Soc_k，u_K)^T，简化状态方程为：

$\begin{array}{cc}{x}_{k+1}=g\left(x_k\right)+w_k& E\left(w_k{w}_k^T\right)\≈{\mathrm{\Γ}}_k{Q}_k^T{\mathrm{\Γ}}_k^T\end{array}---\left(6\right)$

观测方程

V_k＝F[Soc_k]-u_k-R₀i_k+DE(t)+v_k

式中，Q₀为电池额定容量，T为采样时间，F[Soc_k]为非线性方程，w_k＝(ws_k，wu_k)^T为系统白噪声，其方差阵为Q_k，v_k为观测白噪声，其方差阵为R_k。

本实用新型的混合动力车用锂电池的SOC估计器算法设计流程图，如图4，首先建立适用于混合动力车用动力锂电池的电池模型，通过实验数据拟合电池模型参数，建立参数-SOC查找表，第二步根据电池开路电压与SOC之间的关系建立OCV-SOC查找表，依据混合动力车的实时行驶工况，测量得出实时电压、电流和温度参数，利用本实用新型提出的基于抗差UKF算法实时估算动力锂电池SOC值，并与查找表中数值进行比较，利用误差值修正。

抗差UKF滤波递推方程如下：

2n+1个sigma点的U变换值：

χ_i(k+1/k)＝f[x_i(k/k)，u(k)，k]    (8)

计算预测估计值：

$\hat{X}(k+1/k)=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^{\left(m\right)}{\mathrm{\χ}}_i(k+1/k)---\left(9\right)$

通过观测方程计算测量值：

$V_i(k+1/k)\mathrm{Soc}\left[\hat{X}(k+1/k)\right]---\left(10\right)$

计算信息方差：

$P_{\mathrm{VV}}(k+1/k)=\underset{i=0}{\overset{2n}{\mathrm{\Σ}}}{W}_i^{\left(c\right)}{[V_i(k+1/k)-\hat{V}(k+1/k)][V_i(k+1/k)-\hat{V}(k+1/k)]}^T+{\stackrel{\‾}{R}}_k---\left(11\right)$

计算UKF增益：

$\stackrel{\‾}{K}(k+1)=P_{\mathrm{xV}}{P}_{\mathrm{VV}}^{-1}---\left(12\right)$

更新状态：

${\stackrel{\‾}{X}}^{\′}(k+1/k+1)=\hat{X}(k+1/k)+\stackrel{\‾}{K}(k+1)[V(k+1)-\hat{V}(k+1/k)]---\left(13\right)$

由上述推导过程可知，

x_k+1和即为系统状态的滤波值和滤波误差方差阵。可见抗差UKF估计的递推方程与标准UKF方程具有相似的形式，但此时P_k，k-1与P_k由于受观测噪声等价协方差阵的影响与原递推方程不同。由于等价权

要由残差φ_k确定，因此需要迭代计算，迭代准则是当前计算的参数估计与上一步计算的

进行比较，若之间的较差小于设定的限差，则停止迭代计算，否则循环计算。

本实用新型从电池模型的研究与优化入手，以自主设计的电池SOC仿真系统模型为基础，分析锂离子电池SOC预估算法中的粗差影响因素，引入抗差Kalman滤波理论，建立一种新型基于抗差UKF的SOC预估算法，大幅提高动力储能锂离子电池的SOC量测过程中的预估精度，为锂离子电池SOC预估算法理论的完善和发展奠定基础。

本实用新型对于促进动力储能锂离子电池的推广、提高动力储能锂离子电池组的能量储存能力、利用率和循环寿命有着重要的科学意义。

Claims (3)

1.混合动力车用动力锂电池SOC估计器，其包括用于检测动力锂电池电压和电流的电压/电流检测模块、用于检测动力锂电池温度的温度传感器、数据采集器、控制模块、用于对动力锂电池的放电管理的电子负载、PC、LCD显示器，其特征是：所述的控制模块包括电池SOC估计单元，所述的数据采集器用于将所述电压/电流检测模块、温度传感器检测的数据进行采集并传输给电池SOC估计单元，所述的控制模块依据电池SOC估计单元的估算对各数据分析后对动力锂电池的工作状态进行判断控制所述电子负载和整车的工作状态，所述的LCD显示器连接在所述的控制模块上用于显示信息，所述的控制模块通过USB接口连接至PC用于对动力锂电池的电压、电流、温度和SOC进行综合分析、控制与测量。

2.根据权利要求1所述的混合动力车用动力锂电池SOC估计器，其特征是：所述的控制模块用stc89c51单片机。

3.根据权利要求1所述的混合动力车用动力锂电池SOC估计器，其特征是：所述的电压/电流检测模块由充/放电器、隔离模块构成。

Images