本發(fā)明涉及電動汽車和儲能電池管理系統(tǒng)領(lǐng)域，特別涉及一種基于動態(tài)參數(shù)的動力電池SOC估算方法及系統(tǒng)。

背景技術(shù)：

目前，國內(nèi)外關(guān)于動力電池荷電狀態(tài)(State of Charge,SOC)估計方法主要包括：內(nèi)阻法、安時積分法、開路電壓法、卡爾曼濾波法、觀測器法、粒子濾波法和神經(jīng)網(wǎng)絡(luò)法。其中，內(nèi)阻法依據(jù)電池內(nèi)阻和SOC之間的函數(shù)關(guān)系，通過檢測電池內(nèi)阻檢測內(nèi)阻來計算電池SOC，然而在線、準確地測量電池內(nèi)阻存在因難，限制了該方法在實際工程中的應(yīng)用。安時積分法雖然原理簡單、易于實現(xiàn)，但是無法消除SOC初始誤差以及因電流測量不準確而引起的累計誤差。開路電壓法根據(jù)開路電壓(OCV)和SOC的對應(yīng)關(guān)系來計算電池SOC，需要將電池充分靜置后才能測量OCV，因此不適用于SOC的在線估計?？柭鼮V波法和觀測器法，都能夠很好地修正電池SOC的初始誤差，且具有良好的抗噪能力，然而它們對模型精度的要求非常高。粒子濾波法，收斂時間過長。神經(jīng)網(wǎng)絡(luò)法，需要大量的訓練樣本，在實際應(yīng)用中我們不可能得到覆蓋所有實際工況的樣本數(shù)據(jù)，因此其精度也將受到一定的影響，而且該方法計算量大難以在硬件中實現(xiàn)。動力電池是是個復雜的非線性動力系統(tǒng)，電池模型參數(shù)明顯受到溫度、電池自放電、老化等諸多因素的影響。

現(xiàn)有的電池SOC估計方法在實際應(yīng)用中，都不同程度地存在一定不便和缺陷，因此有必要做進一步的改進。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于，解決現(xiàn)有電池SOC估算精度和速度的問題。

為實現(xiàn)上述目的，第一方面，本發(fā)明提供了一種基于動態(tài)參數(shù)的動力電池SOC估算方法及系統(tǒng)，該方法包括以下步驟：對電池開展放電-靜置實驗，獲得電池在不同溫度下的OCV-SOC特性曲線，擬合出OCV-SOC的關(guān)系表達式；對電池進行恒定電流的脈沖放電-靜置實驗，記錄期間的電壓響應(yīng)，根據(jù)所得電壓響應(yīng)曲線，通過離線的方法辨識出電池二階RC等效電路模型的參數(shù)初始值；利用含遺忘因子的遞推最小二乘法RRFLS，對二階RC等效電路模型進行動態(tài)參數(shù)辨識；采用EKF算法對電池SOC進行在線估算。

優(yōu)選地，電池二階RC等效電路模型主要由第一電阻(R₀)、第二電阻(R₁)、第三電阻(R₂)、第一電容(C₁)、和第二電容(C₂)構(gòu)成。

優(yōu)選地，遺忘因子的值為0.95～0.98。

第二方面，本發(fā)明提供了一種基于動態(tài)參數(shù)的動力電池SOC估算系統(tǒng)，該系統(tǒng)包括：第一計算模塊，用于對電池開展放電-靜置實驗，獲得電池在不同溫度下的OCV-SOC特性曲線，擬合出OCV-SOC的關(guān)系表達式；第二計算模塊，用于對電池進行恒定電流的脈沖放電-靜置實驗，記錄期間的電壓響應(yīng)，根據(jù)所得電壓響應(yīng)曲線通過離線的方法辨識出電池二階RC等效電路模型的參數(shù)初始值；第三計算模塊，用于利用含遺忘因子的遞推最小二乘法RRFLS，對二階RC等效電路模型進行動態(tài)參數(shù)辨識；第四計算模塊，用于采用EKF算法對電池SOC進行在線估算。

本發(fā)明克服了安時積分法中的SOC初值不準確及累計誤差的現(xiàn)象，適應(yīng)電池特性的動態(tài)變化，電池模型精度高，收斂速度快，穩(wěn)定可靠，提高了SOC在線估算的精度，可廣泛應(yīng)用于電動汽車和儲能電池管理系統(tǒng)領(lǐng)域。

附圖說明

圖1是本發(fā)明實施例提供的一種基于動態(tài)參數(shù)的動力電池SOC估算方法流程示意圖；

圖2是電池二階RC等效電路模型結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

為便于對本發(fā)明實施例的理解，下面將結(jié)合附圖以具體實施例做進一步的解釋說明，實施例并不構(gòu)成對本發(fā)明實施例的限定。

圖1是本發(fā)明實施例提供的一種基于動態(tài)參數(shù)的動力電池SOC估算方法流程示意圖。如圖1所示，該方法包括以下步驟：

步驟一、對電池開展放電-靜置實驗，獲得電池在不同溫度下的OCV-SOC特性曲線，擬合出OCV-SOC的關(guān)系表達式。

步驟二、對電池進行恒定電流的脈沖放電-靜置實驗，記錄期間的電壓響應(yīng)，根據(jù)所得電壓響應(yīng)曲線，通過離線的方法辨識出電池二階RC等效電路模型的參數(shù)初始值。

在一個優(yōu)選的方案中，電池二階RC等效電路模型如圖2所示，該電池二階RC等效電路模型主要由第一電阻R₀、第二電阻R₁、第三電阻R₂、第一電容C₁、和第二電容C₂構(gòu)成；其中，U_oc代表電池的開路電壓(OCV)；U₁為電池組的端電壓；R₀為電池的歐姆內(nèi)阻；R₁、R₂分別為電池充放電過程中的電化學極化和濃度差極化電阻；C₁、C₂分別為電池充放電過程中的暫態(tài)電容效應(yīng)、電化學極化和濃度差極化電容；U₁、U₂分別為通過電容C₁、C₂的電壓值；U為電池端電壓；I為電池端電流。

步驟三、利用含遺忘因子的遞推最小二乘法RRFLS，對二階RC等效電路模型進行參數(shù)辨識。優(yōu)選地，遺忘因子的值為0.95～0.98。

具體地，由基爾霍夫定律與拉布拉斯變換，得到二階RC等效電路模型頻域下的狀態(tài)方程為：

令時間常數(shù)τ₁＝R₁C₁，τ₂＝R₂C₂；

則上式可化簡為：

τ₁τ₂U_ocs²+(τ₁+τ₂)U_ccs+U_cc＝τ₁τ₂IR₀s²+Is|R₁τ₂+R₂τ₁+R₀(τ₁+τ₂)|+I(R₁+R₂+R₀)+τ₁τ₂Us²+(τ₁+τ₂)Us+U

設(shè)a＝τ₁τ₂，b＝τ₁+τ₂，c＝R₁+R₂+R₀，d＝R₁τ₂+R₂τ₁+R₀(τ₁+τ₂)

則上式可簡化為：

aU_ocs²+bU_ocs+U_oc＝aR₀Is²+dIs+cI+aUs²+bUs+U；

將上式進行離散化處理，其中T為采樣時間，整理可得：

U_oc(k)-U＝k₁|U(k-1)-U_oc(k-1)|+k₂|U(k-2)-U_oc(k-2)|+k₃I(k)+k₄I(k-1)+k₅I(k-2)

其中，

式中，即可代入遞推最小二乘的辨識方法中，當前時刻的θ＝|k₁k₂k₃k₄k₅|^T值，然后根據(jù)以下公式：

R₀＝k₅/k₂

R₁＝(τ₁c+τ₂R_i-d)/(τ₁-τ₂)

R₂＝(c-R₁-R_i

C₁＝τ₁/R₁

C₂＝τ₂/R₂

計算出二階RC等效電路模型參數(shù)R₀、R₁、R₂、C₁、C₂，從而實現(xiàn)模型參數(shù)的動態(tài)辨識。

步驟四、采用EKF算法對電池SOC進行在線估算，EKF算法全稱ExtendedKalman Filter，即擴展卡爾曼濾波器，一種高效率的遞歸濾波器(自回歸濾波器)。

具體地，根據(jù)所選取的二階RC等效電路模型，得到電池的狀態(tài)方程和量測方程如下：

狀態(tài)方程離散化后的離散模型:

令電池模型中的狀態(tài)變量為x＝[x₁ x₂ x₃]＝[U_oc U₁ U₂]^T，系統(tǒng)輸入u為鋰離子電池的工作電流I，且放電為正，系統(tǒng)輸出y為鋰離子電池的工作電壓U，采樣時間為T。

鋰離子電池離散狀態(tài)空間模型為：

其中

D_k＝-R₀(K)

算法系統(tǒng)參數(shù)狀態(tài)量初始化

x₀＝[SOC(0) 0 0]^T

運行擴展卡爾曼濾波算法

預測模塊：

(1)狀態(tài)預測：

(2)狀態(tài)預測誤差協(xié)方差矩陣：

糾錯模塊：

(1)卡爾曼增益：

其中，

(2)狀態(tài)估計：

(3)狀態(tài)估計誤協(xié)方差矩陣：

P_k＝(I-G_kC_k)P_k|k-1

其中，P_k為協(xié)方差；G_k為卡爾曼增益；Q_k-1為過程噪聲誤差；R_k-1為觀測噪聲誤差。

步驟五、由SOC估算值，根據(jù)步驟一所獲得的OCV-SOC特性曲線，得到k時刻的開路電壓值U_oc，利用RRFLS算法得求到k時刻的θ＝|k₁k₂k₃k₄k₅|^T值，再計算出k時刻模型參數(shù)值R₀、R₁、R₂、C₁、C₂；

步驟六：實時更新EFK算法中狀態(tài)方程的參數(shù)值A(chǔ)k、Bk、Ck、Dk，然后再運行擴展卡爾曼濾波算法，得到k+1時刻的SOC估計值，然后返回步驟四。

通過步驟六計算更新模型參數(shù)和步驟五估算SOC這兩個循環(huán)步驟，將每一次經(jīng)過得到的SOC和時刻模型參數(shù)值R₀、R₁、R₂、C₁、C₂代入離散狀態(tài)空間方程得到新的預測值，通過不斷的預測和修正的遞推方式進行計算，便可以遞推得到鋰電池模型的實時參數(shù)值和當前的SOC估算值，使最終的SOC和模型參數(shù)值R₀、R₁、R₂、C₁、C₂濾波結(jié)果不斷趨近于電池的實際情況。

相應(yīng)地，本發(fā)明實施例提供了一種基于動態(tài)參數(shù)的動力電池SOC估算系統(tǒng)，該系統(tǒng)包括：

第一計算模塊，用于對電池開展放電-靜置實驗，獲得電池在不同溫度下的OCV-SOC特性曲線，擬合出OCV-SOC的關(guān)系表達式；

第二計算模塊，用于對電池進行恒定電流的脈沖放電-靜置實驗，記錄期間的電壓響應(yīng)，根據(jù)所得電壓響應(yīng)曲線，通過離線的方法辨識出電池二階RC等效電路模型的參數(shù)初始值；

第三計算模塊，用于利用含遺忘因子的遞推最小二乘法RRFLS，對二階RC等效電路模型進行動態(tài)參數(shù)辨識；

第四計算模塊，用于采用EKF算法對電池SOC進行在線估算。

本發(fā)明實施例克服了安時積分法中的SOC初值不準確及累計誤差的現(xiàn)象，適應(yīng)電池特性的動態(tài)變化，電池模型精度高，收斂速度快，穩(wěn)定可靠，提高了SOC在線估算的精度，可廣泛應(yīng)用于電動汽車和儲能電池管理系統(tǒng)領(lǐng)域。

以上對本發(fā)明進行了詳細介紹，并結(jié)合具體實施例對本發(fā)明做了進一步闡述，必須指出，以上實施例的說明不用于限制而只是用于幫助理解本發(fā)明的核心思想，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，對本發(fā)明進行的任何改進以及與本產(chǎn)品等同的替代方案，也屬于本發(fā)明權(quán)利要求的保護范圍內(nèi)。