本發(fā)明屬于電動(dòng)汽車動(dòng)力電池系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種新型動(dòng)力電池soc估算方法。

背景技術(shù)：

隨著能源和環(huán)境問題的日益嚴(yán)峻，新能源技術(shù)的呼聲越來(lái)越高，電動(dòng)汽車的發(fā)展逐漸成為了當(dāng)今世界汽車發(fā)展的新方向和新潮流。動(dòng)力電池包作為電動(dòng)汽車的動(dòng)力能源，電池的運(yùn)行性能直接影響電動(dòng)汽車的運(yùn)行效率。

電池管理系統(tǒng)通過實(shí)時(shí)檢測(cè)和估算電池狀態(tài)、溫度、電流、soc(荷電狀態(tài))、一致性等參數(shù)，保障電池的安全運(yùn)行，提高電話次的工作性能及使用壽命。soc(荷電狀態(tài))是反映電池剩余容量和做功能力的一項(xiàng)重要指標(biāo)，soc估算是電池管理系統(tǒng)(bms)開發(fā)最為重要和核心的技術(shù)。

soc作為動(dòng)力電池的內(nèi)部狀態(tài)，無(wú)法直接測(cè)取，只能通過對(duì)電池電壓、電流、內(nèi)阻等參數(shù)檢測(cè)來(lái)估算。目前，典型的動(dòng)力電池soc估算方法主要有：安時(shí)積分法、開路電壓法、神經(jīng)網(wǎng)絡(luò)、卡爾曼濾波法等。其中，安時(shí)積分法實(shí)現(xiàn)簡(jiǎn)單，但估算誤差大；開路電壓法需要電池靜置一段時(shí)間才能測(cè)量估算，不適用于在線實(shí)時(shí)估算；神經(jīng)網(wǎng)絡(luò)法需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，難以實(shí)現(xiàn)；卡爾曼濾波法對(duì)模型精度要求高，而電池是個(gè)復(fù)雜的非線性系統(tǒng)，使用過程中電池模型參數(shù)實(shí)時(shí)變化，模型不確定性導(dǎo)致卡爾曼濾波精度低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供一種新型動(dòng)力電池soc估算方法，能夠有效估算精度。

本發(fā)明提供了如下的技術(shù)方案：

本發(fā)明提出的一種解決技術(shù)方案為：一種新型動(dòng)力電池soc估算方法，包括步驟：

s1、建立鋰離子電池的等效模型；

s2、利用含有遺忘因子的遞推最小二乘法對(duì)搭建的電池模型參數(shù)進(jìn)行在線辨識(shí)；

s3、根據(jù)s2辨識(shí)出來(lái)的參數(shù)(電容的端電壓和soc)為狀態(tài)變量，搭建出soc估算的狀態(tài)估計(jì)方程和測(cè)量估計(jì)方程，通過時(shí)變?cè)肼暯y(tǒng)計(jì)估計(jì)器在線實(shí)時(shí)估計(jì)和修正系統(tǒng)噪聲和測(cè)量噪聲，根據(jù)soc估算的狀態(tài)估計(jì)方程和測(cè)量估計(jì)方程對(duì)動(dòng)力電池soc進(jìn)行估算；

s4、利用協(xié)方差技術(shù)對(duì)sage-husa自適應(yīng)濾波算法進(jìn)行改進(jìn)，避免原算法因在每次濾波過程中都需計(jì)算噪聲統(tǒng)計(jì)特性造成的計(jì)算量大的問題。

進(jìn)一步地，所述動(dòng)力電池的等效模型采用二階rc電路等效模型，包括極化內(nèi)阻r1、電容c1并聯(lián)組成第一電路，極化內(nèi)阻r2、電容c2并聯(lián)組成第二電路，電池的歐姆內(nèi)阻r0為第三電路，所述第一、第二、第三電路串聯(lián)后一端與電池的開路電壓uoc相連，另一端與開路電壓u0相連。

進(jìn)一步地，所述對(duì)建立的電池等效模型進(jìn)行辨識(shí)時(shí)，首先將二階rc電路等效模型的數(shù)學(xué)模型轉(zhuǎn)換為最小二乘形式，然后根據(jù)已知條件利用含有遺忘因子的遞推最小二乘法將模型參數(shù)直接辨識(shí)出來(lái)。

進(jìn)一步地，所述根據(jù)二階rc等效電路模型搭建soc估計(jì)的狀態(tài)方程和測(cè)量方程，以電流i為輸入，電池端電壓u為輸出，將電池荷電狀態(tài)soc、電容c1上的電壓u1、電容c2上的電壓u2作為電池系統(tǒng)的狀態(tài)變量。

進(jìn)一步地，所述sage-husa自適應(yīng)濾波算法可以通過時(shí)變?cè)肼暯y(tǒng)計(jì)估計(jì)器，在線實(shí)時(shí)估計(jì)和修正系統(tǒng)噪聲和測(cè)量噪聲，降低模型誤差，提高濾波精度，基本方程如下：

狀態(tài)估計(jì)與測(cè)量估計(jì)方程：

狀態(tài)預(yù)測(cè)協(xié)方差方程：

濾波增益方程：

系統(tǒng)過程噪聲的數(shù)學(xué)期望：

系統(tǒng)過程噪聲的數(shù)學(xué)方差：

量測(cè)噪聲的數(shù)學(xué)方差：

dk＝(1-b)/(1-b^k+1)0＜b＜1

其中，dk＝(1-b)/(1-b^k+1)，0＜b＜1，b為遺忘因子。

進(jìn)一步地，所述利用協(xié)方差匹配技術(shù)對(duì)sage-husa自適應(yīng)濾波算法進(jìn)行改進(jìn)，協(xié)方差匹配技術(shù)是在濾波的同時(shí)檢驗(yàn)實(shí)際的余項(xiàng)與理論特性是否相匹配，判斷濾波是否發(fā)生異常。若異常，則原來(lái)的模型不匹配，需要對(duì)r(k)進(jìn)行估計(jì)；若濾波沒有異常，則不需要對(duì)r(k)進(jìn)行估計(jì)，實(shí)現(xiàn)r(k)的自適應(yīng)估計(jì)。改進(jìn)的sage-husa自適應(yīng)濾波算法不需要每次濾波時(shí)計(jì)算r(k)，簡(jiǎn)化了計(jì)算復(fù)雜度，能夠提高系統(tǒng)實(shí)時(shí)性。

判斷濾波異常的方法如下：

v^t(k)v(k)＞γtr(e|v(k)v^t(k)|)

其中：γ為儲(chǔ)備系數(shù)，γ＞1；tr為矩陣的跡；v(k)為新息序列。

當(dāng)r(k)＝r(k-1)時(shí)，有：e|v(k)v^t(k)|＝h(k)p(k|k-1)h^t(k)+r(k)

判斷濾波異常的判據(jù)如下：

v^t(k)v(k)＞h(k)p(k|k-1)h^t(k)+r(k)。

本發(fā)明的有益效果是：本發(fā)明采用改進(jìn)的sage-husa自適應(yīng)濾波算法設(shè)計(jì)準(zhǔn)則，能夠?qū)崟r(shí)準(zhǔn)確估計(jì)端電壓，并且能夠在線實(shí)時(shí)修正系統(tǒng)噪聲和測(cè)量噪聲，降低模型誤差，提高soc估算精度，該算法計(jì)算量小，精度高，適用于電動(dòng)汽車動(dòng)力電池的soc估算，具有良好的應(yīng)用前景。

附圖說(shuō)明

附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，并且構(gòu)成說(shuō)明書的一部分，與本發(fā)明的實(shí)施例一起用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的限制。在附圖中：

圖1為本發(fā)明提供的soc估算方法流程圖；

圖2為本發(fā)明提供的soc估算方法的被控對(duì)象等效模型簡(jiǎn)圖；

圖3為本發(fā)明提供的soc估算方法模型參數(shù)辨識(shí)方法流程圖。

具體實(shí)施方式

本發(fā)明提供的soc估算算法具體步驟如圖1所示：

s1：建立被控對(duì)象的等效模型：如圖2所示，將電阻r0、r1、r2依次串聯(lián)在電池包uoc的輸出端，并將電容c1與電阻r1并聯(lián)，電容c2與電阻r2并聯(lián)。

建立電池等效模型的數(shù)學(xué)方程：

s2：辨識(shí)電池模型的參數(shù)：

s201：將s1中的數(shù)學(xué)模型轉(zhuǎn)換為最小二乘式：

voc(k)-v(k)＝k1[voc(k-1)-v(k-1)]+k2[voc(k-2)-v(k-2)]

+k3i(k)+k4i(k-1)+k5i(k-2)

其中，

c＝r1r2c2+r1r2c1+r0(r1c1+r2c2),d＝r0+r1+r2；

s202：用含遺忘因子的最小二乘法辨識(shí)參數(shù)θ＝[k1,k2,k3,k4,k5]^t；

s203：由辨識(shí)出的參數(shù)值推導(dǎo)出數(shù)學(xué)模型中的電阻值、電容值。

s3：搭建soc估算所需的狀態(tài)方程和測(cè)量方程：

s301：根據(jù)被控對(duì)象的等效模型建立系統(tǒng)的微分方程組，狀態(tài)方程：

輸出方程：u(t)＝uoc[soc(t)-u1(t)-u2(t)-r0i(t)

轉(zhuǎn)換為狀態(tài)空間方程：

其中，x＝[soc,u1,u2],y＝ut,h(x)＝uoc(soc),u＝it,x0為初始狀態(tài)，

s302：在系統(tǒng)狀態(tài)空間方程中加入干擾項(xiàng)：

其中，ω和ξ分別是狀態(tài)干擾項(xiàng)和輸出干擾項(xiàng)。

s4：設(shè)計(jì)sage-husa自適應(yīng)濾波算法：

s401：狀態(tài)估計(jì)和測(cè)量估計(jì)方程：

s402：計(jì)算狀態(tài)預(yù)測(cè)協(xié)方差：

s403：計(jì)算濾波增益：

s404：計(jì)算系統(tǒng)過程噪聲的數(shù)學(xué)期望：

s405：計(jì)算系統(tǒng)過程噪聲的數(shù)學(xué)方差：

s406：計(jì)算量測(cè)噪聲的數(shù)學(xué)方差：

通過時(shí)變?cè)肼暯y(tǒng)計(jì)估計(jì)器，在線實(shí)時(shí)估計(jì)和修正系統(tǒng)噪聲和測(cè)量噪聲，最終得出系統(tǒng)的狀態(tài)估計(jì)值和測(cè)量估計(jì)值。

s407：在用sage-husa自適應(yīng)濾波算法濾波的同時(shí)采用協(xié)方差匹配技術(shù)檢驗(yàn)實(shí)際的余項(xiàng)與理論特性是否相匹配，若實(shí)際誤差超過理論值，即濾波異常時(shí)，需要對(duì)量測(cè)噪聲的數(shù)學(xué)方差進(jìn)行估計(jì)，若實(shí)際誤差滿足理論誤差的要求，則不需要重新進(jìn)行估計(jì)，大大減少了計(jì)算量：

判定濾波異常的判據(jù)：

v^t(k)v(k)＞h(k)p(k|k-1)h^t(k)+r(k)

綜上，采用改進(jìn)的sage-husa自適應(yīng)濾波算法進(jìn)行soc估算，能夠?qū)崟r(shí)準(zhǔn)確估計(jì)端電壓，并且能夠在線實(shí)時(shí)修正系統(tǒng)噪聲和測(cè)量噪聲，降低模型誤差，提高soc估算精度，該算法計(jì)算量小，精度高，適用于電動(dòng)汽車動(dòng)力電池的soc估算，具有良好的應(yīng)用前景。

以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。