CN203405557U - 一种动力电池荷电状态估计系统 - Google Patents
一种动力电池荷电状态估计系统 Download PDFInfo
- Publication number
- CN203405557U CN203405557U CN201320517820.9U CN201320517820U CN203405557U CN 203405557 U CN203405557 U CN 203405557U CN 201320517820 U CN201320517820 U CN 201320517820U CN 203405557 U CN203405557 U CN 203405557U
- Authority
- CN
- China
- Prior art keywords
- power battery
- battery
- charged state
- data
- current
- 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.)
- Expired - Lifetime
Links
Images
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本实用新型涉及一种动力电池荷电状态估计系统，包括：电动车加速踏板与脉冲激励单元的输入端连接，脉冲激励单元的输出端与动力电池的输入端连接；电动车加速踏板被踩下时，控制脉冲激励单元的输出端向动力电池的输入端输入脉冲电流激励；采集单元从动力电池中采集动力电池的电压数据和电流数据；电池管理系统接收所述采集单元采集到的所述电压数据和电流数据，输出电池荷电状态的估计值。因此，本实用新型提供了一种精确估计动力电池荷电状态的动力电池荷电状态估计系统。
Description
技术领域
本实用新型涉及一种动力电池荷电状态估计系统，具体涉及一种电动车动力电池荷电状态估计系统，属于电动车动力电池技术领域。
背景技术
随着世界石油资源的日益枯竭，汽车、动力机车、大型工程机械车辆等的动力源将不得不逐步摆脱石油资源的束缚而采用一些新的能源驱动，动力电池，比如锂离子动力电池，因其具有高电压、高容量、循环性能好、循环寿命长、安全性能好和环保等优点而受到人们的青睐，成为动力源技术的主要发展方向之一。在便携式电子设备、电动汽车、空间技术、国防工业等多方面具有广阔的应用前景。
电池的荷电状态（state of charge，SOC），是电池状态的主要参数之一，其数值定义为电池的剩余容量占电池的总容量的比值。国内外通用的做法是把在一定温度下动力电池充电到不能够再吸收电量的状态定义为100%的SOC状态，而将动力电池不能够再放出电量的状态定义为0%的SOC状态。准确和可靠地获得电池的荷电状态是电池智能管理控制系统中最基本也是最首要的任务。但动力电池荷电状态因受到电池充放电率、温度、自放电率、老化寿命、电池的放电截止电压、内阻等多种因素的影响，很难对其做出准确估计。
目前，国内外在准确估计动力电池荷电状态方面已经做了不少研究。常见的估计算法有如下几种：
开路电压法，是利用电池的开路电压与电池的荷电状态的单调关系，通过建立剩余容量——开路电压之间的关系曲线，根据检测到的开路电压值确定电池的荷电状态，但该方法需要对电池长时间静置才能使测量结果准确，因而不适合应用在电动汽车实际行驶的情况下。
安时计量法，是目前应用最广泛、最简单易行的动力电池荷电状态估计方法，它是利用电流在一定时间段的积分来计算电池的剩余容量，进而获得电池的荷电状态。但该方法存在累积误差越来越大的问题，且不适宜于电池的在线估计。
模糊神经网络法用来估计动力电池荷电状态是一种很好的解决方案。但是，该方案有一个缺点就是需要大量的样本数据进行训练才能建好模糊神经网络模型，训练数据的不准确和训练方法的不恰当必然会对电池荷电状态的估计带来误差。
公开号为CN1945345，发明名称为“一种混合动力汽车电池余量检测装置及检测方法”，公开了一种动力电池荷电状态的检测装置及检测方法，所述检测装置包括电池组，电压检测电路、温度检测电路以及电流检测电路与电池组连接，测量电池组的电压、电流、温度数据，数据采集模块与所述电压、温度、电流检测电路连接，采集所述电压、电流、温度数据输入CPU中央控制器，负载模块输入端与所述电池组连接，输出端与所述CPU中央控制器连接，所述CPU中央控制器接收所述电压、电流温度数据以及负载模块的输出数据，输出电池荷电状态的估计值。但这种检测装置，缺乏对噪声进行抑制的必要装置，因此得到的电池荷电状态的估计值受噪声的影响比较大，不够准确。并且该方案对动力电池荷电状态进行估计时，需要动力电池处于静止状态，显然，这种估计动力电池荷电状态的方案不适用于纯电动汽车的实际行驶情况。
实用新型内容
本实用新型所要解决的技术问题是现有技术中在动力电池荷电状态的估计过程中，缺少对噪声进行有效抑制的装置，误差较大，且不适用于纯电动汽车实际行驶的情况，从而提供一种能够有效抑制噪声，输出的动力电池荷电状态的估计值更为准确，且适用于纯电动汽车实际行驶情况的动力电池荷电状态估计系统。
为解决上述技术问题，本实用新型是通过以下技术方案实现的：
本实用新型所述的一种动力电池荷电状态估计系统，包括：
电动车加速踏板、脉冲激励单元、采集单元、电池管理系统和CAN总线实时监控系统；
所述电动车加速踏板与所述脉冲激励单元的输入端连接，所述脉冲激励单元的输出端与动力电池的输入端连接；所述电动车加速踏板被踩下时，所述电动车加速踏板控制所述脉冲激励单元的输出端向所述动力电池的输入端输入脉冲电流激励；
所述采集单元从所述动力电池的输出端采集所述动力电池的电压数据和电流数据；
所述电池管理系统接收所述采集单元采集到的所述电压数据和电流数据，输出电池荷电状态的估计值；
所述CAN总线实时监控系统的输入端与所述电池管理系统的输出端连接，用于监控显示所述电池管理系统输出的动力电池荷电状态的估计值。
所述动力电池荷电状态估计系统，所述电池管理系统包括用来等效动力电池特性和工作状态过程的Thevenin等效电路模型和扩展卡尔曼滤波器，采用所述Thevenin等效电路模型和所述扩展卡尔曼滤波器，得到动力电池荷电状态的估计值传输至所述CAN总线实时监控系统。
所述动力电池荷电状态估计系统，所述采集单元包括电压传感器和电流传感器；
所述电压传感器用于采集所述电压数据；
所述电流传感器用于采集所述电流数据。
所述动力电池荷电状态估计系统，所述采集单元还包括模数转换器，所述模数转换器接收所述电压传感器输出的电压数据和电流传感器输出的电流数据；
所述模数转换器用于将所述电压数据和所述电流数据由模拟信号转换为数字信号。
所述动力电池荷电状态估计系统，还包括均衡电路，所述均衡电路设置于动力电池中的电池单体之间。
本实用新型的上述技术方案相比现有技术具有以下优点：
（1）本实用新型所述的一种动力电池荷电状态估计系统，包括：电动车加速踏板、脉冲激励单元、采集单元、电池管理系统；所述电动车加速踏板与脉冲激励单元的输入端连接，所述脉冲激励单元的输出端与动力电池的输入端连接；所述电动车加速踏板被踩下时，所述控制脉冲激励单元的输出端向动力电池的输入端输入脉冲电流激励；所述采集单元从动力电池的输出端采集动力电池的电压数据和电流数据；所述电池管理系统根据采集单元采集到的数据计算Thevenin等效电路模型中各个参数的参数值，并应用扩展卡尔曼滤波器估计动力电池荷电状态的估计值。
相较于现有技术，本实用新型提供了一种精确估计动力电池荷电状态的动力电池荷电状态估计系统，且本实用新型是基于脉冲电流激励-响应的机理，这种脉冲方式等效于电动汽车加速踏板踩下之后抬起来这一过程，很容易实现，因此本方案适于应用在电动汽车实际行驶的情况下，对动力电池荷电状态进行在线估计，便于驾驶人实时了解电动汽车动力电池的荷电状态，提前选择好充电的时间、地点。
（2）本实用新型采用扩展卡尔曼滤波器来估计动力电池荷电状态，由于在实施中考虑了噪声对动力电池荷电状态估计的影响，对噪声有很强的抑制作用，减少了测量误差。
附图说明
为了使本实用新型的内容更容易被清楚的理解，下面结合附图，对本实用新型作进一步详细的说明，其中，
图1是本实用新型所述Thevenin等效电路模型示意图；
图2是本实用新型所述的动力电池荷电状态估计系统的结构示意图。
具体实施方式
本实施例所述的动力电池荷电状态估计系统，如图2所示，包括：
电动车加速踏板、脉冲激励单元、采集单元、电池管理系统和CAN总线实时监控系统。
所述电动车加速踏板与所述脉冲激励单元的输入端连接，所述脉冲激励单元的输出端与动力电池的输入端连接；所述电动车加速踏板被踩下时，所述电动车加速踏板控制所述脉冲激励单元的输出端向所述动力电池的输入端输入脉冲电流激励。
所述采集单元从所述动力电池的输出端采集所述动力电池的电压数据和电流数据。
所述电池管理系统接收所述采集单元采集到的所述电压数据和电流数据，输出电池荷电状态的估计值。
所述CAN总线实时监控系统的输入端与所述电池管理系统的输出端连接，用于监控显示所述电池管理系统输出的动力电池荷电状态的估计值。
所述采集单元从所述动力电池的输出端采集所述动力电池的电压数据和电流数据。
所述电池管理系统包括用来等效动力电池特性和工作状态过程的Thevenin等效电路模型和扩展卡尔曼滤波器，采用所述Thevenin等效电路模型和所述扩展卡尔曼滤波器，得到动力电池荷电状态的估计值传输至所述CAN总线实时监控系统。
所述Thevenin等效电路模型如图1所示，包括欧姆内阻R1、极化电阻R2和极化电容C，其输入电压相当于动力电池静置时的开路电压Uocv，其输出电压相当于动力电池的输出电压U（t）。
作为一种可选的实施方式，所述电池管理系统选用深圳市重大产业攻关计划支助的“动力锂电池充放电管理系统关键技术研发”项目所研发的锂动力电池管理系统，其具备电池状态的实时监控、数据处理、SOC估算、数据传输、自动均衡、充放电控制、PC机监控、运行数据存储等强大的功能。
现有技术中还公开有多种电池管理系统，许多厂家也有相关产品在市面上销售，例如在市面上可以购买到的哈尔滨冠拓电源的MC8型锂动力电池管理系统、MC11型动力电池管理系统等。
采用所述Thevenin等效电路模型和所述扩展卡尔曼滤波器，得到动力电池荷电状态的估计值的过程，详见本申请发明人在先进技术研究通报，第Vol.5No.5/May.2011期发表的论文“基于扩展卡尔曼滤波的SOC估计”。
因此，选用扩展卡尔曼滤波器来估计动力电池荷电状态，由于在实施中考虑了噪声对动力电池荷电状态估计的影响，对噪声有很强的抑制作用，减少了测量误差。
作为可选的实施方式，所述采集单元包括电压传感器和电流传感器。
所述电压传感器用于采集所述电压数据。
所述电流传感器用于采集所述电流数据。
作为可选的实施方式，所述采集单元还包括模数转换器，所述模数转换器接收所述电压传感器输出的电压数据和电流传感器输出的电流数据；并将所述电压数据和所述电流数据由模拟信号转换为数字信号后输入所述电池管理系统中。
本实用新型所述的动力电池荷电状态估计系统，还包括均衡电路，所述均衡电路设置于动力电池中的电池单体之间。动力电池单体之间存在差异，动力电池组的工作状态是由最差动力电池单体所决定的，因此，在动力电池组的各个电池间设置均衡电路，可以使各个动力电池单体充放电的工作情况尽量一致。
相较于现有技术，本实用新型提供了一种精确估计动力电池荷电状态的动力电池荷电状态估计系统，且本实用新型是基于脉冲电流激励-响应的机理，这种脉冲方式等效于电动汽车加速踏板踩下之后抬起来这一过程，很容易实现，因此本方案适于应用在电动汽车实际行驶的情况下，对动力电池荷电状态进行在线估计，便于驾驶人实时了解电动汽车动力电池的荷电状态，提前选择好充电的时间、地点。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本实用新型创造的保护范围之中。
Claims (5)
1.一种动力电池荷电状态估计系统，其特征在于，包括：
电动车加速踏板、脉冲激励单元、采集单元、电池管理系统和CAN总线实时监控系统；
所述电动车加速踏板与所述脉冲激励单元的输入端连接，所述脉冲激励单元的输出端与动力电池的输入端连接；所述电动车加速踏板被踩下时，所述电动车加速踏板控制所述脉冲激励单元的输出端向所述动力电池的输入端输入脉冲电流激励；
所述采集单元从所述动力电池的输出端采集所述动力电池的电压数据和电流数据；
所述电池管理系统接收所述采集单元采集到的所述电压数据和电流数据，输出电池荷电状态的估计值；
所述CAN总线实时监控系统的输入端与所述电池管理系统的输出端连接，用于监控显示所述电池管理系统输出的动力电池荷电状态的估计值。
2.根据权利要求1所述的动力电池荷电状态估计系统，其特征在于：
所述电池管理系统包括用来等效动力电池特性和工作状态过程的Thevenin等效电路模型和扩展卡尔曼滤波器，采用所述Thevenin等效电路模型和所述扩展卡尔曼滤波器，得到动力电池荷电状态的估计值传输至所述CAN总线实时监控系统。
3.根据权利要求2所述的动力电池荷电状态估计系统，其特征在于：
所述采集单元包括电压传感器和电流传感器；
所述电压传感器用于采集所述电压数据；
所述电流传感器用于采集所述电流数据。
4.根据权利要求3所述的动力电池荷电状态估计系统，其特征在于：
所述采集单元还包括模数转换器，所述模数转换器接收所述电压传感器输出的电压数据和电流传感器输出的电流数据；
所述模数转换器用于将所述电压数据和所述电流数据由模拟信号转换为数字信号。
5.根据权利要求1-4任一所述的动力电池荷电状态估计系统，其特征在于：
还包括均衡电路，所述均衡电路设置于动力电池中的电池单体之间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201320517820.9U CN203405557U (zh) | 2013-08-23 | 2013-08-23 | 一种动力电池荷电状态估计系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201320517820.9U CN203405557U (zh) | 2013-08-23 | 2013-08-23 | 一种动力电池荷电状态估计系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN203405557U true CN203405557U (zh) | 2014-01-22 |
Family
ID=49941487
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201320517820.9U Expired - Lifetime CN203405557U (zh) | 2013-08-23 | 2013-08-23 | 一种动力电池荷电状态估计系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN203405557U (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106125003A (zh) * | 2016-08-27 | 2016-11-16 | 上海交通大学 | 一种串联型电池组的状态估计装置和方法 |
| CN109031133A (zh) * | 2018-06-06 | 2018-12-18 | 安徽江淮汽车集团股份有限公司 | 一种动力电池的soc修正方法 |
| CN110244226A (zh) * | 2019-07-03 | 2019-09-17 | 安徽大学 | 一种动力电池soc估算方法 |
| CN111257770A (zh) * | 2020-02-18 | 2020-06-09 | 宁波吉利汽车研究开发有限公司 | 一种电池包功率估算方法 |
| WO2023117318A1 (de) * | 2021-12-21 | 2023-06-29 | Mercedes-Benz Group AG | Verfahren zur prognostizierung des energiebedarfs eines kraftfahrzeugs |
-
2013
- 2013-08-23 CN CN201320517820.9U patent/CN203405557U/zh not_active Expired - Lifetime
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106125003A (zh) * | 2016-08-27 | 2016-11-16 | 上海交通大学 | 一种串联型电池组的状态估计装置和方法 |
| CN106125003B (zh) * | 2016-08-27 | 2018-10-19 | 上海交通大学 | 一种串联型电池组的状态估计装置和方法 |
| CN109031133A (zh) * | 2018-06-06 | 2018-12-18 | 安徽江淮汽车集团股份有限公司 | 一种动力电池的soc修正方法 |
| CN109031133B (zh) * | 2018-06-06 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 一种动力电池的soc修正方法 |
| CN110244226A (zh) * | 2019-07-03 | 2019-09-17 | 安徽大学 | 一种动力电池soc估算方法 |
| CN110244226B (zh) * | 2019-07-03 | 2021-03-23 | 安徽大学 | 一种动力电池soc估算方法 |
| CN111257770A (zh) * | 2020-02-18 | 2020-06-09 | 宁波吉利汽车研究开发有限公司 | 一种电池包功率估算方法 |
| WO2023117318A1 (de) * | 2021-12-21 | 2023-06-29 | Mercedes-Benz Group AG | Verfahren zur prognostizierung des energiebedarfs eines kraftfahrzeugs |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102680795B (zh) | 一种二次电池内阻的实时在线估计方法 | |
| CN103163480B (zh) | 锂电池健康状态的评估方法 | |
| CN103344921B (zh) | 锂离子动力电池健康状态评估系统及方法 | |
| CN103091642B (zh) | 一种锂电池容量快速估计方法 | |
| CN103020445B (zh) | 一种电动车车载磷酸铁锂电池的soc与soh预测方法 | |
| CN102445663B (zh) | 一种电动汽车电池健康状态估算的方法 | |
| CN103887853B (zh) | 一种锂离子电池组均衡控制方法 | |
| CN102565710B (zh) | 用于估计蓄电池健康状态的方法和装置 | |
| CN102756661B (zh) | 车用电池荷电状态的确定方法及装置 | |
| CN103744026A (zh) | 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法 | |
| CN203405557U (zh) | 一种动力电池荷电状态估计系统 | |
| CN104977545A (zh) | 一种动力电池的荷电状态估计方法及系统 | |
| CN102608540B (zh) | 一种用于动力电池soc估计的库伦效率测定方法 | |
| CN102468521A (zh) | 用于估计蓄电池健康状态的方法和装置 | |
| CN104101838A (zh) | 动力电池系统及其荷电状态、最大充放电功率估算方法 | |
| CN103823191B (zh) | 一种计算锂离子电池组可用剩余容量的方法 | |
| CN103529397B (zh) | 一种估算电池电量的方法及电池电量管理系统 | |
| CN102944848B (zh) | 一种动力电池剩余电量实时评估方法及其装置 | |
| CN102590751A (zh) | 动力电池包一致性评估方法和装置 | |
| CN103257323A (zh) | 一种锂离子电池剩余可用能量的估计方法 | |
| CN103424710A (zh) | 用于监测电池组中的老化单体的性能变化的方法和系统 | |
| CN104749533A (zh) | 一种锂离子电池健康状态在线估算方法 | |
| EP3594705B1 (en) | Method and device for estimating service capacity and state of health of minimum battery cell and battery system | |
| Wang et al. | An improved coulomb counting method based on dual open‐circuit voltage and real‐time evaluation of battery dischargeable capacity considering temperature and battery aging | |
| CN106597289A (zh) | 电池健康状态测算方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CX01 | Expiry of patent term | ||
| CX01 | Expiry of patent term |
Granted publication date: 20140122 |