电池充电状态预估方法和装置与流程

本发明的实施例涉及电池管理，并且具体涉及电池充电状态估计方法和装置。

背景技术：

在电动车辆和混合电动车辆中，可再充电电池（二次电池）被用于将电力供应给驱动车辆的电动机。在这种情况下，为了保持电池性能、延长电池使用寿命的目的，估计电池的充电状态（state of charge，SOC）。充电状态SOC表示充电到何种程度或者还剩下何种程度的可放电的电荷量。

已知的是采用Ah积分法来估计SOC。根据Ah积分法，按时间顺序记录电池的电压和电流的数据，通过使用该数据对电流进行时间积分来获得当前时间的电荷，然后利用电池的电荷的初始值和额定电容量得到SOC。由于Ah积分法需要持续地监测电流，误差随着时间流逝累积，造成SOC预估准确度下降。

还已知使用扩展卡尔曼滤波（Extended Kalman Filter，EKF）算法计算SOC。EKF适用于预估电流波动比较剧烈的电池的SOC，然而，有效应用EKF需要准确的系统模型，其在运行过程中可能会由于算法被调整而导致SOC计算结果异常波动。

因此，需要一种更加稳定、可靠、准确的SOC估计方案。

技术实现要素：

提供具有良好鲁棒性的SOC预估方案将是本技术领域期望的。

在第一方面中，本发明的实施例提供电池SOC预估方法，包括使用第一SOC算法得到第一SOC值，使用第二SOC算法得到第二SOC值，根据第一SOC值和第二SOC值得到最终SOC值。

在一个实施例中，所述第一SOC算法是Ah积分算法，所述第二SOC算法是EKF算法，其中，根据置信因子a来分配所述第一SOC值和所述第二SOC值在最终SOC值所占的比重，其中所述最终SOC值是所述第一SOC值和所述第二SOC值的和。

在一个实施例中，根据所述Ah积分算法得到的所述第一SOC值和所述EKF算法所述第二SOC值的变化趋势调整置信因子a的值，其中，当判断所述第一SOC值和所述第二SOC值的变化趋势相同时，增加所述第二SOC值在所述最终SOC值中的比重，当判断所述第一SOC值和所述第二SOC值的变化趋势不相同时，减少所述第二SOC值在所述最终SOC值中的比重。

在一个实施例中，以预定步长实时调整置信因子a。

在第二方面中，本发明的实施例提供电池SOC预估装置包括：第一部件，使用第一SOC算法得到第一SOC值，第二部件，使用第二SOC算法得到第二SOC值，

第三部件，根据第一SOC值和第二SOC值得到最终SOC值。

在一个实施例中，所述第一SOC算法是Ah积分算法，所述第二SOC算法是EKF算法，其中，所述第三部件根据置信因子a来分配所述第一SOC值和所述第二SOC值在最终SOC值所占的比重，其中所述最终SOC值是所述第一SOC值和所述第二SOC值的和。

在一个实施例中，所述第三部件根据所述Ah积分算法得到的所述第一SOC值和所述EKF算法所述第二SOC值的变化趋势调整置信因子a的值，其中，

当判断所述第一SOC值和所述第二SOC值的变化趋势相同时，增加所述第二SOC值在所述最终SOC值中的比重，

当判断所述第一SOC值和所述第二SOC值的变化趋势不相同时，减少所述第二SOC值在所述最终SOC值中的比重。

在一个实施例中，所述第三部件以预定步长实时调整置信因子a。

本发明的各实施例提供了改进的SOC预估方案，使得SOC预估精确度得到提高。

当结合附图阅读以下描述时也将理解本发明的实施例的其它特征和优势，其中附图借助于实例示出了本发明的实施例的原理。

附图说明

借助于实例，从以下详细描述和附图中，本发明的各个实施例的上述及其它方面、特征及益处将变得更加明显。

图1是示出了根据本发明实施例的电池SOC预估方法的示意图。

图2是示出了根据本发明另一实施例的电池SOC预估方法的示意图。

图3是示出了根据本发明实施例的电池SOC预估装置的示意图。

具体实施方式

在下文中，将参考实施例描述本发明的原理和主旨。应当理解的是，给出的实施例仅仅是为了本领域技术人员更好地理解本发明并且进一步实践本发明，而不是限制本发明的范围。例如，作为一个实施例的一部分所例示或描述的特征可与另一实施例结合使用而产生另外一个实施例。为了清晰起见，在本说明书中未描述实际实施方式的所有特征。

图1示出了根据本发明实施例的电池SOC预估方法。如图1所示，该预估方法包括使用第一SOC算法得到第一SOC值，使用第二SOC算法得到第二SOC值，根据第一SOC值和第二SOC值得到最终SOC值。在该实施例中，同时考虑两种SOC算法的优势，并且将这两种算法相结合来得到更加准确的SOC值。

在一个实施例中，所述第一SOC算法是Ah积分算法，所述第二SOC算法是EKF算法，其中，根据置信因子a来分配所述第一SOC值和所述第二SOC值在最终SOC值所占的比重，其中所述最终SOC值是所述第一SOC值和所述第二SOC值的和。

在一个实施例中，根据所述Ah积分算法得到的所述第一SOC值和所述EKF算法所述第二SOC值的变化趋势调整置信因子a的值，其中，当判断所述第一SOC值和所述第二SOC值的变化趋势相同时，增加所述第二SOC值在所述最终SOC值中的比重，当判断所述第一SOC值和所述第二SOC值的变化趋势不相同时，减少所述第二SOC值在所述最终SOC值中的比重。

在一个实施例中，以预定步长实时调整置信因子a。

图2是示出了根据本发明另一实施例的电池SOC预估方法的示意图。在该实施例中，利用Ah积分算法本身具有的与电池电量变化方向物理相关的特点，以Ah积分算法的计算结果和EKF算法的计算结果的变化趋势为参考，以deta_a为步长实时调整和更新置信权重因子a的数值。最后依据置信因子a来分配Ah算法和EKF算法在最终SOC输出值中所占的比重，通过下式计算最终的输出SOC数值：

SOC = a*SOC_ekf + (1-a)*SOC_ah。

如图2所示，在初始化完成后开始执行SOC预估方法，利用Ah积分算法和EKF算法同时计算电池的SOC，并分别记为SOC_ah和SOC_ekf；2) 然后比较两种算法计算出的SOC变化趋势是否相同，并根据比较结果以deta_a为步长实时调整和更新置信权重a的数值。若变化趋势相同，则说明EKF调节可信，置信因子a增加deta_a，增加EKF算法的权重，反之，则将置信因子a减少deta_a，减少EKF算法的权重。由于Ah积分的变化趋势能够直接反映SOC的变化趋势，因此该方法能有效避免EKF估算调整中的异常波动。最后，根据更新后的置信权重a，实时调节两种算法在SOC最终输出端的比重，计算输出最终的SOC值。

假设第k次SOC的计算结果为SOC(k)，第k+1次SOC的计算结果为SOC(k+1)，本文中的SOC变化趋势则可表述为：

1. 若SOC(k+1)-SOC(k)>=0，则SOC变化趋势为上升，定义为+；

2. 若SOC(k+1)-SOC(k)<0，则SOC变化趋势为下降，定义为-；

若定义动力电池的额定容量为C，SOC初值为SOC_0，采样电流为I（放电时为-），采样电压为U，采样步长为t，则：

Ah积分算法可表述为，

EKF算法可表述为，

其中式中L为EKF算法中的矫正系数，为EKF算法预估的电压值。

图3是示出了根据本发明实施例的电池SOC预估装置的示意图。如图所示，根据该实施例的电池SOC预估装置包括EKF算法估计部、Ah积分算法估计部、SOC计算部。SOC计算部根据EKF算法估计部和Ah积分算法估计部生成的SOC值计算最终SOC值。SOC计算部可以根据置信因子a来分配Ah积分算法估计部生成的第一SOC值和EKF算法估计部生成的第二SOC值在最终SOC值所占的比重，其中所述最终SOC值是所述第一SOC值和所述第二SOC值的和。在一个实施例中，所述SOC计算部可以根据所述Ah积分算法得到的所述第一SOC值和所述EKF算法所述第二SOC值的变化趋势调整置信因子a的值，其中，当判断所述第一SOC值和所述第二SOC值的变化趋势相同时，增加所述第二SOC值在所述最终SOC值中的比重，当判断所述第一SOC值和所述第二SOC值的变化趋势不相同时，减少所述第二SOC值在所述最终SOC值中的比重。在一个实施例中，SOC计算部可以以预定步长实时调整置信因子a。

一般地，各种示例性实施例可在硬件或专用电路、软件、逻辑电路或其任何组合中来实施。例如，某些方面可在硬件中实施，而其它方面则可在固件或软件中实施，可由控制器、微处理器或其它计算装置来执行上述固件或软件，尽管本发明不限于此。尽管本发明的示例性实施例的各个方面可被示出和描述为框图、流程图或使用某些其它图形表示来示出和描述，但很好理解的是，这里描述的这些块、装置、系统、技术或方法可在作为非限制性实例的硬件、软件、固件、专用电路或逻辑电路、通用硬件或控制器或其它计算装置或其某些组合中来实施。

相关领域的技术人员当结合附图阅读前述说明书时，对本发明的前述示例性实施例的各种修改和变形对于相关领域的技术人员会变得明显。任何和所有变形例仍将落入本发明的非限制性的示例性实施例的范围内。