一种考虑软包电池外部环境影响的SOC估计方法与流程

本发明属于动力电池管理技术领域，具体指代一种考虑软包电池外部环境影响的soc估计方法。

背景技术：

随着技术的快速发展，以及国家对能源结构转型的战略需求，新能源汽车作为缓解能源危机和环境污染的重要手段受到了广泛关注。新能源汽车目前最为成熟的产品主要是电动汽车，其动力源是通过串并联方式将电池单体组合成电池包，再将若干个电池包与各种系统所需硬件结合形成电池组。为了保证动力电池在一个良好的状态下为整车提供动力，电池管理系统(bms)需要监控每块动力电池所处的环境，利用各种传感器测得所需数据，包括：充放电电流、端电压、温度等；极大地降低电池突发情况发生的可能性，而获得电池的精确soc值是保证bms处于良好运转状态的前提。

当前soc估计最常用的两种方法分别是安时积分法和基于模型的估计方法。安时积分法是通过soc定义式，在已知电池的总体容量和充放电库伦效率的情况下，只需要采集电池的充放电电流值，即可计算得到当前时刻电池的soc值。但此方法只能在电池处于一个恒定工作环境中获得较为精确的结果，电池在实车工作时所处的环境是不断变化的，并且随着电池的工作时间增长，电池的老化是不可避免的，各项参数都会发生变化，所以这种方法并不适合在实车bms系统中使用。而基于模型的估计方法则是通过建立一个精确的电池模型结合不同的算法最终获取soc值，算法会对数据噪声进行过滤，并且具有一定的鲁棒性，所以更适合动态工作环境。电池从形状可以分为：圆柱锂电池、方块电池和软包电池。目前以特斯拉models为代表的许多电动汽车都采用圆柱锂电池作为动力源，主要原因是：一致性好、成本低、单体的力学性能好。但该电池依然存在许多问题，例如电池的安全性和成组后电池系统的复杂程度高等。软包电池在最近几年异军突起，市场的占有率不断提高，已经超越了其他两类电池，其包装材料和结构使得其拥有许多金属外壳电池所不具有的优点，比如，安全性能好，软包电池在结构上采用铝塑膜包装，发生安全问题时，软包电池一般会鼓气裂开，而不像钢壳或铝壳电池那样发生爆炸；重量轻，软包电池重量较同等容量的钢壳锂电池轻40％，较铝壳锂电池轻20％；内阻小，软包电池的内阻较锂电池小，可以极大的降低电池的自耗电；循环性能好，软包电池的循环寿命更长，100次循环衰减比铝壳少4％～7％；设计灵活，外形可变任意形状，可以更薄，可根据客户的需求定制，开发新的电芯型号。

与金属外壳电池相比，软包电池搭载在实车中所受影响因素更多，除了环境温度和放电倍率影响电池容量和开路电压外从而间接影响到电池的soc估计外，软包电池成组后受到的外部机械载荷所带来的影响是不可忽略。故，本发明根据此点提出一种针对软包电池所处环境修正的soc估计方法，从而能够在处于动态环境下的软包电池得到更加精确的soc值。

技术实现要素：

针对于上述现有技术的不足，本发明的目的在于提供一种考虑软包电池外部环境影响的soc估计方法，以解决现有技术中的对软包电池状态估计考虑因素不足，从而导致估计误差较大，鲁棒性差等问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种考虑软包电池外部环境影响的soc估计方法，步骤如下：

步骤s1：基于二阶rc模型建立状态方程，利用在线参数辨识方法结合所测得的电池电流和端电压数据来获取当前的二阶rc模型中的参数；

步骤s2：选定待测软包电池，选取外部机械载荷、温度、放电倍率三者的测试范围，在所设定的标准环境下改变单一变量进行相应的电池容量标定实验、恒流脉冲实验、通用的城市道路行驶工况实验；

步骤s3：利用电池容量标定实验记录的数据得到单一影响因素下电池容量，通过归一化处理后，再引入一个容量修正因子，将该容量修正因子定义为关于三个影响因素的函数，利用电池容量标定实验数据拟合得到一个函数方程式；

步骤s4：利用步骤s2中恒流脉冲实验数据得到不同条件下的开路电压值，再结合对应的soc值，定义一个五阶幂函数ocv-soc，将不同条件下幂函数先拟合出来再将同次项系数对影响因素进一步拟合，得到相应结果；

步骤s5：在不同外部环境下的城市道路行驶工况下，将上述实验数据得到的基于外部环境对电池容量和电池开路电压的修正代入到自适应无迹卡尔曼滤波中，从而得到最终的估计结果。

进一步地，所述步骤s1中的二阶rc模型的拉普拉斯方程描述为：

式中，uoc为电池的开路电压，r0为电池的欧姆内阻，r1为电化学极化电阻，r2为浓差极化内阻，c1为电化学极化电容，c2为浓差极化电阻，ut为电池的端电压，也叫负载电压，i为流经电池的电流，即负载电流；

相应的传递方程为：

其中，τ1＝r1c1，τ2＝r2c2；

采用双线性变换法将传递方程从s平面映射到z平面上，变换方程为转化后的方程总结为：

再将其转化为差分方程：

y(k)＝uoc(k)-ut(k)＝a1y(k-1)+a2y(k-2)+a3i(k)+a4i(k-1)+a5i(k-2)

式中，k，k-1，k-2分别为对应的采样时刻，对上述差分方程中的开路电压进行如下简化：

uoc(k)＝uoc(k-1)＝uoc(k-2)

最终能够将差分方程整理为：

ut(k)＝(1-a1-a2)uoc(k)+a1ut(k-1)+a2ut(k-2)-a3i(k)-a4i(k-1)-a5i(k-2)

定义相关向量：

θ(k)＝[(1-a1-a2)uoc(k)a1a2-a3-a4-a5]^t

最终简化的差分方程表达为：

进一步地，所述步骤s1中的在线参数辨识方法采用带遗忘因子的最小二乘法，其公式如下所示：

其中，为上一时刻所估计的参数向量，y(k)为系统当前时刻实际观测值，k(k)为增益矩阵，p(k)为θ(k)的协方差矩阵，λ为遗忘因子；

利用带遗忘因子的最小二乘法计算得到每个采样时刻的θ(k)的同时进一步求解得到最终的电池模型参数；令：

将上式带入上述g(z^-1)方程中得：

将反推得到的传递函数和初始传递函数公式依据相同项系数相等可得：

进一步推导，得到：

利用在线参数辨识方法结合软包电池实际工作时传感器测得的电流和电池端电压即可实时得到二阶rc模型的参数值。

进一步地，所述步骤s2具体包括：

步骤s21：探究外部机械载荷对软包电池的影响，设计实验装置，其上下均为钢制压力板，将软包电池放置在压力板中间，并且在软包电池和钢制压力板之间布置一层塑胶垫，避免电池和压力板直接接触；在两个压力板的四角通过螺丝螺母紧固；选定外部机械载荷范围0-1500n，每300n选取一组实验点，即设置6组对比实验；实验开始前将压力传感器的金属电阻丝粘结在软包电池表面，加以覆盖层保护，引出线连接在显示仪器上，从而实现对软包电池外部所受机械载荷的监测；软包电池在试验前通过恒流恒压充电至上截止电压，然后静置一段时间，在设定好的机械载荷下通过恒流恒压放电至下截止电压进行容量标定实验；每次做完一组实验后将机械载荷归零，然后对电池重新充电静置，为下一次容量标定做准备，将0n，25℃作为标准环境；

步骤s22：探究温度对软包电池的影响，选定相应的温度区间-10-40℃，以25℃为基准，5℃为温度间隔，分别进行容量标定实验和恒流脉冲实验，每组实验前让电池在标准环境下充满电静置一段时间，然后在当前设定的温度下通过恒流恒压放电至下截止电压实现容量标定，恢复温度至25℃静置电池一段时间，再次将电池充满电静置，然后以1c的放电倍率持续放电6分钟，接着静置电池30分钟，测量静置末端时刻电池的端电压，此时的端电压作为对应的开路电压，重复该操作10次，即使得电池最终放空；至此，同一温度下的容量标定和恒流脉冲实验完成，然后通过恒温箱改变实验温度重复上述操作；

步骤s23：探究放电倍率对软包电池的影响，选定相应的放电区间0-5c，0到1c间以0.5c为间隔，1到5c间以1c为间隔进行容量实验，每次实验前让电池在标准环境下充满电静置一段时间，然后在当前设定的温度下通过恒流恒压放电至下截止电压实现容量标定。

进一步地，所述步骤s3具体包括：在步骤s2所得的各组容量值上进一步处理，以0n，25℃以及1c放电倍率下的电池容量为分母，其他不同条件所测得的容量为分子，进行归一化处理，得到的结果即为步骤s3所述的容量修正因子α，将其定义成三个影响因素的函数，即：

α＝f(ftr)

式中，f为电池外部机械载荷，t为电池工作环境温度，r为放电倍率，该函数的具体形式通过拟合方法得到。

进一步地，所述步骤s4具体包括：对步骤s22中变温度下恒流脉冲实验数据进行处理，利用每一组温度下所记录的开路电压和对应的soc值采用拟合方式得到幂函数公式，具体形式如下：

uoc＝k5z⁵+k4z⁴+k3z³+k2z²+k1z+k0

式中，z为soc值，将上述公式中的每一项系数定义为温度t的函数，利用不同温度下拟合得到的相同项系数值再做一次拟合，即：

ki＝ai,4t⁴+ai,3t³+ai,2t²+ai,1t+ai,0

从而实现在不同外部环境下得到精确的ocv-soc的关系式。

进一步地，所述步骤s5中自适应无迹卡尔曼滤波(aukf)具体步骤如下：

s51：通过一次ut变换得到2n+1个sigma点以及相应权值ω，n为状态向量x的维数；

式中，下标i为矩阵方根的第i列；是状态向量均值，p为对应的协方差矩阵；

式中，下标m为均值，c为协方差，上标为对应的采样点；λ＝α²(n+κ)-n是缩放比例参数，α选取控制采样点分布状态，κ和β皆为待选参数，β≥0；

基于二阶rc模型建立软包电池的状态方程：

其中，x＝[u1u2z]^t，u＝il，y＝ut，

s52：通过s51的ut变换公式获取一组采样点：

代入到s51的状态方程中得到每个点的一步预测，i＝1～2n+1；

x⁽ⁱ⁾(k+1|k)＝f[k,x⁽ⁱ⁾(k|k)]

s53：计算状态向量(u1、u2、z)的一步预测和协方差矩阵，由sigma点集的预测值加权求和得到：

s54：以上述步骤s53的一步预测值为基础，再次进行ut变换，产生新的sigma点集：

s55：将上述点集代入到观测方程，得到预测的观测量：

z⁽ⁱ⁾(k+1|k)＝h[x⁽ⁱ⁾(k+1|k)]；

s56：由上述得到sigma点集的预测的观测量，通过加权求和得到系统预测的均值及协方差：

s57：计算增益矩阵：

s58：利用增益矩阵和状态向量的一步预测值更新状态向量x和对应的协方差：

s59：利用电压新息对过程噪声qk和测量噪声rk进行更新：

式中，εi为电池模型在k时刻的电压新息，即电压测量值和估计值之差，l为开窗大小，hk为电压新息在k时刻的协方差近似值；

步骤s58的状态向量x的最后一项z即为最终得到的soc值。

本发明的有益效果：

相对于圆柱电池，软包电池需要考虑更多的外部环境因素对电池的各项参数影响，本发明在温度和放电倍率的基础上增加了外部机械载荷这一影响因素，能够更加接近软包电池实车应用时的真实场景，同时使得电池的荷电状态估计结果更加精确。

附图说明

图1为二阶rc模型示意图。

图2为实验装置示意图。

图3为本发明的整体流程图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图3所示，本发明的一种考虑软包电池外部环境影响的soc估计方法，步骤如下：

步骤s1：基于二阶rc模型建立状态方程，利用在线参数辨识方法结合所测得的电池电流和端电压数据来获取当前的二阶rc模型中的参数；

参照图1所示，二阶rc模型的拉普拉斯方程描述为：

式中，uoc为电池的开路电压，r0为电池的欧姆内阻，r1为电化学极化电阻，r2为浓差极化内阻，c1为电化学极化电容，c2为浓差极化电阻，ut为电池的端电压，也叫负载电压，i为流经电池的电流，即负载电流；

相应的传递方程为：

其中，τ1＝r1c1，τ2＝r2c2；

采用双线性变换法将传递方程从s平面映射到z平面上，变换方程为转化后的方程总结为：

再将其转化为差分方程：

y(k)＝uoc(k)-ut(k)＝a1y(k-1)+a2y(k-2)+a3i(k)+a4i(k-1)+a5i(k-2)

式中，k，k-1，k-2分别为对应的采样时刻，对上述差分方程中的开路电压进行如下简化：

uoc(k)＝uoc(k-1)＝uoc(k-2)

最终能够将差分方程整理为：

ut(k)＝(1-a1-a2)uoc(k)+a1ut(k-1)+a2ut(k-2)-a3i(k)-a4i(k-1)-a5i(k-2)

定义相关向量：

θ(k)＝[(1-a1-a2)uoc(k)a1a2-a3-a4-a5]^t

最终简化的差分方程表达为：

在线参数辨识方法采用带遗忘因子的最小二乘法，其公式如下所示：

其中，为上一时刻所估计的参数向量，y(k)为系统当前时刻实际观测值，k(k)为增益矩阵，p(k)为θ(k)的协方差矩阵，λ为遗忘因子；

利用带遗忘因子的最小二乘法计算得到每个采样时刻的θ(k)的同时进一步求解得到最终的电池模型参数；令：

将上式带入上述g(z^-1)方程中得：

将反推得到的传递函数和初始传递函数公式依据相同项系数相等可得：

进一步推导，得到：

利用在线参数辨识方法结合软包电池实际工作时传感器测得的电流和电池端电压即可实时得到二阶rc模型的参数值。

步骤s2：选定待测软包电池，选取外部机械载荷、温度、放电倍率三者的测试范围，在所设定的标准环境下改变单一变量进行相应的电池容量标定实验、恒流脉冲实验、通用的城市道路行驶工况实验；

步骤s21：探究外部机械载荷对软包电池的影响，设计如图2所示的实验装置，其上下均为钢制压力板，将软包电池放置在压力板中间，并且在软包电池和钢制压力板之间布置一层塑胶垫，避免电池和压力板直接接触；在两个压力板的四角通过螺丝螺母紧固；选定外部机械载荷范围0-1500n，每300n选取一组实验点，即设置6组对比实验；实验开始前将压力传感器的金属电阻丝粘结在软包电池表面，加以覆盖层保护，引出线连接在显示仪器上，从而实现对软包电池外部所受机械载荷的监测；软包电池在试验前通过恒流恒压充电至上截止电压，然后静置一段时间，在设定好的机械载荷下通过恒流恒压放电至下截止电压进行容量标定实验；每次做完一组实验后将机械载荷归零，然后对电池重新充电静置，为下一次容量标定做准备，将0n，25℃作为标准环境；

步骤s22：探究温度对软包电池的影响，选定相应的温度区间-10-40℃，以25℃为基准，5℃为温度间隔，分别进行容量标定实验和恒流脉冲实验，每组实验前让电池在标准环境下充满电静置一段时间，然后在当前设定的温度下通过恒流恒压放电至下截止电压实现容量标定，恢复温度至25℃静置电池一段时间，再次将电池充满电静置，然后以1c的放电倍率持续放电6分钟(即每次放电10％)，接着静置电池30分钟，测量静置末端时刻电池的端电压，此时的端电压作为对应的开路电压，重复该操作10次，即使得电池最终放空；至此，同一温度下的容量标定和恒流脉冲实验完成，然后通过恒温箱改变实验温度重复上述操作；

步骤s23：探究放电倍率对软包电池的影响，选定相应的放电区间0-5c，0到1c间以0.5c为间隔，1到5c间以1c为间隔进行容量实验，每次实验前让电池在标准环境下充满电静置一段时间，然后在当前设定的温度下通过恒流恒压放电至下截止电压实现容量标定。

步骤s3：利用电池容量标定实验记录的数据，得到单一影响因素下电池容量，通过归一化处理后，再引入一个容量修正因子，将该容量修正因子定义为关于三个影响因素的函数，利用电池容量标定实验数据拟合得到一个函数方程式；

在步骤s2所得的各组容量值上进一步处理，以0n，25℃以及1c放电倍率下的电池容量为分母，其他不同条件所测得的容量为分子，进行归一化处理，得到的结果即为步骤s3所述的容量修正因子α，将其定义成三个影响因素的函数，即：

α＝f(ftr)

式中，f为电池外部机械载荷，t为电池工作环境温度，r为放电倍率，该函数的具体形式通过拟合方法得到。

步骤s4：利用步骤s2中恒流脉冲实验数据得到不同条件下的开路电压值，再结合对应的soc值，定义一个五阶幂函数ocv-soc，将不同条件下幂函数先拟合出来再将同次项系数对影响因素进一步拟合，得到相应结果；

所述步骤s4具体包括：对步骤s22中变温度下恒流脉冲实验数据进行处理，利用每一组温度下所记录的开路电压和对应的soc值采用拟合方式得到幂函数公式，具体形式如下：

uoc＝k5z⁵+k4z⁴+k3z³+k2z²+k1z+k0

式中，z为soc值，将上述公式中的每一项系数定义为温度t的函数，利用不同温度下拟合得到的相同项系数值再做一次拟合，即：

ki＝ai,4t⁴+ai,3t³+ai,2t²+ai,1t+ai,0

从而实现在不同外部环境下得到精确的ocv-soc的关系式。

步骤s5：在不同外部环境下的城市道路行驶工况下，将上述实验数据得到的基于外部环境对电池容量和电池开路电压(ocv)的修正代入到自适应无迹卡尔曼滤波(aukf)中，从而得到最终的估计结果；

自适应无迹卡尔曼滤波(aukf)具体步骤如下：

s51：通过一次ut变换得到2n+1个sigma点以及相应权值ω，n为状态向量x的维数；

式中，下标i为矩阵方根的第i列；是状态向量均值，p为对应的协方差矩阵；

式中，下标m为均值，c为协方差，上标为对应的采样点；λ＝α²(n+κ)-n是缩放比例参数，α选取控制采样点分布状态，κ和β皆为待选参数，β≥0；

基于二阶rc模型建立软包电池的状态方程：

其中，x＝[u1u2z]^t，u＝il，y＝ut，

s52：通过s51的ut变换公式获取一组采样点(即sigma点集)：

代入到s51的状态方程中得到每个点的一步预测，i＝1～2n+1；

x⁽ⁱ⁾(k+1|k)＝f[k,x⁽ⁱ⁾(k|k)]

s53：计算状态向量(u1、u2、z)的一步预测和协方差矩阵，由sigma点集的预测值加权求和得到：

s54：以上述步骤s53的一步预测值为基础，再次进行ut变换，产生新的sigma点集：

s55：将上述点集代入到观测方程，得到预测的观测量：

z⁽ⁱ⁾(k+1|k)＝h[x⁽ⁱ⁾(k+1|k)]；

s56：由上述得到sigma点集的预测的观测量，通过加权求和得到系统预测的均值及协方差：

s57：计算增益矩阵：

s58：利用增益矩阵和状态向量的一步预测值更新状态向量x和对应的协方差：

s59：利用电压新息对过程噪声qk和测量噪声rk进行更新：

式中，εi为电池模型在k时刻的电压新息，即电压测量值和估计值之差，l为开窗大小，hk为电压新息在k时刻的协方差近似值；

所述步骤s58的状态向量x的最后一项z即为最终得到的soc值。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。