一种考虑电池充放电工况的多变量融合电池组的均衡方法与流程

本发明属于电池管理技术领域，涉及一种考虑电池充放电工况的多变量融合锂离子电池组均衡策略。

背景技术：

随着能源的消耗增加和环境问题日渐突出，推动着新能源汽车能源技术的突破发展。动力电池作为新能源汽车电能存储装置，具有重要作用。然而锂离子电池正负极材料的电势决定了其单体电压只有2.4～4.2v，实际使用中无法满足电动汽车高能量和高功率的需求，需要将成百上千单体进行串并联形成一个电池组。但是由于电池制造工艺的复杂性，同一批生产的相同型号的电池，在性能上都难以达到完全一致；同时在电池组的使用过程中，由于环境的差异性，电池组中各个单体之间的不一致性更加严重，电池组寿命和性能大大下降，最终影响汽车性能及电池组的使用寿命。目前，在电池成本占据电动汽车成本较大比例前提下，均衡系统对于降低电动汽车使用成本，推广应用具有重要意义。

目前，为了增加电池组内各单体的一致性，一般具有三种方式：电池的生产过程中，通过改进制造工艺来减小生产单体的差异性；出厂电池成组过程中，通过电池分选成组技术提高电池组内各单体的一致性；电池使用过程中，通过电池均衡技术进行电池组内单体能量的再分配，改善电池间的不一致性。其中前两种方式发生在电池组成组前，但是不论成组的电池初始一致性有多好，随着使用时间的增加，单体间的不一致性还是会越来越明显。所以均衡管理系统作为一种有效的修正后期不一致性的技术，是电池管理系统(bms)中必不可少的一部分。有效的均衡管理能够提高电池组的使用容量、延长电池组的使用寿命、保证电池组的安全性能。

均衡管理主要由两部分组成：均衡硬件，即电路拓扑以及均衡软件，即嵌入的控制策略。均衡电路决定了能量的传递方式，一定程度影响了传递效率和均衡速度，拓扑结构是进行控制策略开发的前提。不过，相同的拓扑结构也可以有不同的控制策略，好的控制策略可以使能量传递的更快速、更高效，并且很大程度决定了均衡后的电池组状态。然而，由于目前，相对均衡电路研究均衡策略研究不够成熟，电压测量值的瞬变，状态估计精度和稳定性还有待提高，因此对均衡策略研究提出挑战。

在均衡控制策略研究中，按照控制理论的主要组成：控制变量、控制目标及控制算法，可以将均衡控制策略分为基于均衡变量、基于均衡目标及基于均衡控制算法三类。

因此，目前对电池组的均衡控制策略的主要内容是：选择一种或者多种均衡变量，制定合理均衡目标，在一定的工况下，使得电池组的容量、soc或电压等指标达到一致或者性能最优化，由于电压变量受充放电噪声等影响，soc估计值的准确度稳定度，及容量变量的难以估计，实际使用中很难达到理想均衡效果。

技术实现要素：

有鉴于此，本发明的目的在于提供一种考虑电池充放电工况的多变量融合电池组的均衡策略，建立一种描述电池和均衡器的耦合模型，并将soc划分为低soc段、soc平衡段和高soc段，并根据电池充放电电流低倍率、高倍率段，分别利用不同变量，充分利用电压和soc不同变量优点，不同工况条件下达到最优化的目标，避免不同变量噪声和稳定性的影响，实现基于mpc的均衡策略，使电池组可充放能量最大化。

为达到上述目的，本发明提供如下技术方案：

一种考虑电池充放电工况的多变量融合电池组的均衡方法，通过建立一种描述电池和均衡器关系的耦合模型，并给出在线识别电池充放电工况的方法，后根据充放电倍率以端电压或soc作为均衡变量，利用基于模型预测控制算法(modelpredictivecontrol,mpc)实现以电池组充放电能量最大化为目标的均衡策略，包括以下步骤：

s1：根据获得的电池试验数据，辨识电池参数并建立电池和均衡器的耦合模型；

s2：将soc区间和工况区间划分为不同的soc段和工况段，并建立一种在线识别电池充放电倍率的方法，选择针对不同段的均衡变量融合方法；

s3：建立模型预测控制的目标函数，实现电池组的充放电能量最大；

s4：以电池和均衡器的耦合模型为预测模型，实现基于模型预测控制的均衡策略。

进一步，所述步骤s1具体包括以下步骤：

s11：容量标定及ocv曲线获取，将待测电池在25℃的恒温环境中静置2h，以c/20放电倍率对满电状态的电池进行放电，放电容量即为当前电池容量，以c/20充电倍率对放空状态的电池进行充电，即可得到ocv-soc曲线；

s12：根据电池等效电路模型参数和均衡器参数建立电池模型和均衡器耦合模型；

s13：根据均衡器和电池电流关系建立其耦合数学模型，并给出相应的约束关系。

进一步，所述步骤s13具体包括：根据均衡器和电池电流关系建立的耦合数学模型为：

x(k+1)＝a11x(k)+b11ibal(k)+b12iout(k)

y(k)＝c11x(k)+d11ibal(k)+d12iout(k)+uoc(k)

其中，x为电池状态量，y为电池输出量，a，b，c，d为电池参数相关的因数，ibal为电池均衡器电流，iout为负载电流或充电电流，uoc为电池开路电压。

进一步，所述步骤s2具体包括以下步骤：

s21：将soc区间划分为低soc段、soc平衡段、高soc段，高soc和低soc段采用电压为均衡变量，soc平衡段根据电流工况制定均衡策略；

s22：充放电工况是根据充放电电流倍率及电流变化状况进行划分，根据相关实验数据特征提取，分析充放电倍率对各变量影响，通过数据训练得到划分工况区间的方法；

s23：根据合理划分工况区间，由于低倍率段端电压变化平稳，以端电压为均衡变量，高倍率段以soc为均衡变量进行均衡策略的制定，并给出模式切换的方法。

进一步，所述步骤s23具体包括：以电池充放电电流与额定容量比值(ccr，currentcapacityratio)和电流变化斜率作为2个特征，大于阈值采用soc均衡，小于阈值时采用电压均衡，如下式所示：

其中，δ1、δ2分别为ccr和电流对应的阈值。

进一步，将电池组的电压和soc一致性作为目标函数：

其中，n为电池的总节数，y(i)为第i节电池的特征变量，jμ为控制变量的算数平均值。

进一步，所述步骤s4具体包括以下步骤：

s41：设计考虑充放电工况的多变量融合均衡策略的系统结构；

s42：根据电池组结构和均衡器结构，建立电池和均衡器的耦合模型，并将其作为预测模型；

s43：确定mpc的预测时域、控制时域，以及串联电池的数量，得到电池组在预测时域上的状态空间方程；

s44：针对不同soc区间和充放电电流构建基于电压和soc的均衡策略，并制定模式切换方法；

s45：基于几种模式分别建立mpc的约束条件，结合状态空间方程和目标函数，形成完整的带约束的mpc优化问题；

s46：通过将mpc优化问题转化为规划问题实现求解，得到实时的均衡电流大小；

s47：通过识别均衡后的电池状态，确定是否进行均衡模式切换，选择不同均衡方法，并进行判断是否执行均衡操作。

本发明的有益效果在于：

(1)本发明建立了一种描述电池和均衡器之间关系的耦合模型；

(2)本发明提出一种识别不同工况应用不同均衡变量的方法，并进行了变量的融合应用，给出了模式切换方法；

(3)本发明基于模型预测控制算法，设计根据不同工况以电池组不同变量一致性为目标的均衡策略，可以使电池组的性能最大化，从而延长了电池组的使用寿命。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述的多变量融合电池组均衡方法的流程图；

图2为本发明实施例采用的电池模型图；

图3为本发明实施例采用的电路模型关系图；

图4为本发明采用的均衡变量策略流程图；

图5为soc区间划分示意图；

图6为放电工况均衡soc效果图；

图7为fuds放电工况均衡电压效果图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

请参阅图1～图7，图1为一种考虑电池充放电工况的多变量融合电池组的均衡方法，通过建立一种描述电池和均衡器关系的耦合模型，并给出在线识别电池充放电工况的方法，后根据充放电倍率以端电压或soc作为均衡变量，利用基于mpc算法实现以电池组充放电能量最大化为目标的均衡策略，具体包括以下步骤：

s1：根据实验获取电池参数并建立电池和均衡器的耦合模型，具体包括以下步骤：

s11：容量标定及ocv曲线获取，将待测电池在25℃的恒温环境中静置2h，以c/20放电倍率对满电状态的电池进行放电，放电容量即为当前电池容量，以c/20充电倍率对放空状态的电池进行充电，即可得到ocv-soc曲线；

s12：根据电池等效电路模型参数和均衡器参数建立电池模型和均衡器耦合模型；

s13：根据均衡器和电池电流关系建立其耦合数学模型，并给出相应的约束关系。

如图2所示，本发明选用一阶rc实施例，基于电池状态空间方程，考虑外部干扰的线性离散时间系统的预测模型如下：

x(k+1)＝ax(k)+bu(k)+b1f(k)

y(k)＝cx(k)+du(k)+d1f(k)+d2

用上式所示预测模型的形式表示电池单体等效电路模型有如下所示：

ut(k)＝uoc(k)-u1(k)-ri(k)

如图3所示，将电池和均衡器进行耦合，通过基尔霍夫电流定律进一步表示为

x(k+1)＝a11x(k)+b11ibal(k)+b12iout(k)

y(k)＝c11x(k)+d11i(k)+d12iout(k)+uoc(k)

式中，状态变量为：x(k)＝[u1(k)soc(k)]^t

输出变量为：y(k)＝ut(k)

c11＝[-10]，d11＝-r，

d12＝-r

写成电池组状态方程

x(k+1)＝ax(k)+b1ibal(k)+b2iout(k)

y(k)＝c1x(k)+d1ibal(k)+d2iout(k)+uoc(k)

s2：建立一种在线识别电池充放电倍率的方法，选择端电压和soc融合作为均衡变量，判断电池一致性的依据。如图4所示，具体包括以下步骤：

s21：将soc区间划分为低soc段、soc平衡段、高soc段，高soc和低soc段采用电压为均衡变量，soc平衡段根据电流工况制定均衡策略。

s22：充放电工况是根据充放电电流倍率及电流变化状况进行划分，根据相关实验数据特征提取，分析充放电倍率对各变量影响，通过数据训练得到划分工况区间的方法。

如图5所示，基于soc区间分布如下：

s23：根据合理划分工况区间，由于低倍率段端电压变化平稳，以端电压为均衡变量，高倍率段以soc为均衡变量进行均衡策略的制定，并给出模式切换的方法。其中在soc平衡段采用一种工况识别算法，通过电池充放电数据进行学习，选取几种特征并进行相关度分析，最终选取参数soc段和电流斜率，实现可以不同工况应用基于不同均衡变量的均衡策略。在此以电池充放电电流与ccr和电流变化斜率作为2个特征，大于阈值采用soc均衡，小于阈值时采用电压均衡，如下式所示：

其中，δ1、δ2分别为ccr和电流对应的阈值。

s3：建立模型预测控制的目标函数，实现电池组的充放电能量最大。

将电池组的电压和soc一致性作为目标函数：

其中，n为电池的总节数，y(i)为第i节电池的特征变量，jμ为控制变量的算术平均值。

s4：以电池模型和均衡器耦合模型为预测模型，实现基于模型预测控制的均衡策略；具体包括以下步骤：

s41：设计考虑充放电工况的多变量融合均衡策略的系统结构。

s42：根据电池组结构和均衡器结构，建立电池和均衡器的耦合模型，并将其作为预测模型。可为rint模型、一阶rc模型、二阶rc模型，多阶rc模型等等效电路模型中的一种，最终的形式需要综合考虑模型复杂度、模型精度和鲁棒性后确定。

s43：确定mpc的预测时域、控制时域，以及串联电池的数量，得到电池组在预测时域上的状态空间方程。

s44：针对不同soc区间和充放电电流构建基于电压和soc的均衡策略，并制定模式切换方法。

s45：基于几种模式分别建立mpc的约束条件，结合状态空间方程和目标函数，形成完整的带约束的mpc优化问题。

约束条件为：

socmin≤soc(k)≤socmax

up,min≤up(k)≤up,max

umin≤u(k)≤umax

δumin≤δu(k)≤δumax

其中，up、δu、u分别表示电池端电压、控制量增量、控制量。

s46：通过将mpc优化问题转化为规划问题实现求解，得到实时的均衡电流大小；

s47：通过识别均衡后的电池状态，确定是否进行均衡模式切换，选择不同均衡方法，并进行判断是否执行均衡操作。

基于上述实施例电路，对电池组进行放电，得到如图6所示的放电工况均衡soc效果图，以及如图7所示的fuds放电工况均衡电压效果图，从图6、7可以看出，本发明的均衡方法效果很好。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。