对安时积分法计算的S0C进行修正，消除了安时积分法计算过程 中的累积误差、测量误差及噪声等，两种方法相结合得到准确稳定的电池 S0C值。本发明可 W准确的估计出电池 S0C，更有利于电动汽车对电池的管理，准确的S0C估计可W准确的计 算电动汽车的续航里程，便于驾驶者对于车辆的掌控，也适用于电流波动剧烈的电动汽车 应用环境。
[0064] 在步骤S14中，如果在预设误差值内，则输出由安时积分算法计算得到的S0C值。
[0065] 在本实施方式中，当其误差在±2.5%之内将卡尔曼滤波算法得到的S0C值赋给安 时积分法S0C值，赋值之后继续分开计算，在整个计算过程中不停判断对S0C值进行修正，输 出S0C W安时积分法得到的S0C为准，将其保存在EEPR0M中。
[0066] 在本实施方式中，本发明提供的一种S0C估值方法，还包括循环步骤（图中未示 出），即包括:如果不在预计误差值内，则继续将所述S0C初始值赋值作为安时积分算法计算 S0C值，并保存所述S0C值，同时利用卡尔曼滤波算法计算S0C值;继续判断由上述两种算法 计算得到的S0C值是否在预设误差值内；如果在预设误差值内，则输出由安时积分算法计算 得到的S0C值。
[0067] 本发明提供的技术方案采用安时积分法和卡尔曼滤波算法相结合对电池进行S0C 估算，既克服了安时积分法造成的累积误差，又克服了卡尔曼滤波算法出现跳变现象，并且 可通过EEPR0M对S0C值进行保存，能够稳定可靠的得到准确S0C值。安时积分法计算S0C不具 有历史继承性是无记忆的，S0C计算与电池电流及初始S0C息息相关;卡尔曼滤波算法计算 S0C具有历史继承性是W历史数据为支撑的，S0C计算与电池的电压息息相关，与初始值无 关可快速收敛到准确值。本发明结合运两种方法的优缺点并进行改善可W得到准确稳定的 电池 S0C值。该方法适用于各种动力电池的S0C估算，相比于其他方法本发明能够动态稳定 的跟踪S0C真实值，更适用于电动汽车的S0C准确稳定输出。
[0068] 本发明【具体实施方式】还提供一种S0C估值系统10,主要包括：
[0069] 初值模块11，用于利用卡尔曼滤波算法计算SOC初始值；
[0070] 赋值模块12,用于将所述S0C初始值赋值作为安时积分算法计算S0C值，并保存所 述S0C值，同时利用卡尔曼滤波算法计算S0C值；
[0071] 判断模块13,用于判断由上述两种算法计算得到的S0C值是否在预设误差值内；
[0072] 输出模块14,用于如果在预设误差值内，则输出由安时积分算法计算得到的S0C 值。
[0073] 本发明提供的一种S0C估值系统10,采用安时积分法和卡尔曼滤波算法相结合对 电池进行S0C估算，既克服了安时积分法造成的累积误差，又克服了卡尔曼滤波算法出现跳 变现象，并且可通过邸PROM对S0C值进行保存，能够稳定可靠的得到准确S0C值。
[0074] 请参阅图2,所示为本发明一实施方式中S0C估值系统10的结构示意图。在本实施 方式中，S0C估值系统10包括初值模块11、赋值模块12、判断模块13、输出模块14W及循环模 块15。
[0075] 初值模块11，用于利用卡尔曼滤波算法计算S0C初始值。
[0076] 赋值模块12,用于将所述S0C初始值赋值作为安时积分算法计算S0C值，并保存所 述S0C值，同时利用卡尔曼滤波算法计算S0C值。
[0077] 在本实施方式中，通过EEPR0M保存在经过初始值赋值后由安时积分算法计算得到 的S0C值。在本实施方式中，因安时积分法计算S0C初值不能收敛，因此W卡尔曼滤波算法计 算的S0C作为安时积分S0C初始值，初始赋值之后，分别W卡尔曼滤波算法和安时积分法计 算 S0C。
[0078] 判断模块13,用于判断由上述两种算法计算得到的S0C值是否在预设误差值内。
[0079] 在本实施方式中，所述预设误差值为±2.5%。本发明中卡尔曼滤波算法计算S0C 收敛性好，其计算的S0C值对安时积分法计算的S0C进行修正，消除了安时积分法计算过程 中的累积误差、测量误差及噪声等，两种方法相结合得到准确稳定的电池 S0C值。本发明可 W准确的估计出电池 S0C，更有利于电动汽车对电池的管理，准确的S0C估计可W准确的计 算电动汽车的续航里程，便于驾驶者对于车辆的掌控，也适用于电流波动剧烈的电动汽车 应用环境。
[0080] 输出模块14,用于如果在预设误差值内，则输出由安时积分算法计算得到的S0C 值。
[0081] 在本实施方式中，当其误差在±2.5%之内将卡尔曼滤波算法得到的S0C值赋给安 时积分法S0C值，赋值之后继续分开计算，在整个计算过程中不停判断对S0C值进行修正，输 出S0C W安时积分法得到的S0C为准，将其保存在EEPR0M中。
[0082] 循环模块15,用于如果不在预计误差值内，则继续将所述S0C初始值赋值作为安时 积分算法计算S0C值，并保存所述S0C值，同时利用卡尔曼滤波算法计算S0C值;继续判断由 上述两种算法计算得到的S0C值是否在预设误差值内；如果在预设误差值内，则输出由安时 积分算法计算得到的S0C值。
[0083] 本发明提供的技术方案采用安时积分法和卡尔曼滤波算法相结合对电池进行S0C 估算，既克服了安时积分法造成的累积误差，又克服了卡尔曼滤波算法出现跳变现象，并且 可通过EEPR0M对S0C值进行保存，能够稳定可靠的得到准确S0C值。安时积分法计算S0C不具 有历史继承性是无记忆的，S0C计算与电池电流及初始S0C息息相关;卡尔曼滤波算法计算 soc具有历史继承性是W历史数据为支撑的，soc计算与电池的电压息息相关，与初始值无 关可快速收敛到准确值。本发明结合运两种方法的优缺点并进行改善可W得到准确稳定的 电池 S0C值。该方法适用于各种动力电池的S0C估算，相比于其他方法本发明能够动态稳定 的跟踪S0C真实值，更适用于电动汽车的S0C准确稳定输出。
[0084] 值得注意的是，上述实施例中，所包括的各个单元只是按照功能逻辑进行划分的， 但并不局限于上述的划分，只要能够实现相应的功能即可;另外，各功能单元的具体名称也 只是为了便于相互区分，并不用于限制本发明的保护范围。
[0085] 另外，本领域普通技术人员可W理解实现上述各实施例方法中的全部或部分步骤 是可W通过程序来指令相关的硬件来完成，相应的程序可W存储于一计算机可读取存储介 质中，所述的存储介质，如R0M/RAM、磁盘或光盘等。
[0086] W上所述仅为本发明的较佳实施例而已，并不用W限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种SOC估值方法，其特征在于，所述方法包括： 利用卡尔曼滤波算法计算S0C初始值； 将所述S0C初始值赋值作为安时积分算法计算S0C值，并保存所述S0C值，同时利用卡尔 曼滤波算法计算S0C值； 判断由上述两种算法计算得到的S0C值是否在预设误差值内； 如果在预设误差值内，则输出由安时积分算法计算得到的S0C值。2. 如权利要求1所述的S0C估值方法，其特征在于，所述预设误差值为±2.5%，通过 EEPR0M保存在经过初始值赋值后由安时积分算法计算得到的S0C值。3. 如权利要求2所述的S0C估值方法，其特征在于，所述方法还包括： 如果不在预计误差值内，则继续将所述S0C初始值赋值作为安时积分算法计算S0C值， 并保存所述S0C值，同时利用卡尔曼滤波算法计算S0C值； 继续判断由上述两种算法计算得到的S0C值是否在预设误差值内； 如果在预设误差值内，则输出由安时积分算法计算得到的S0C值。4. 一种S0C估值系统，其特征在于，所述S0C估值系统包括： 初值模块，用于利用卡尔曼滤波算法计算S0C初始值； 赋值模块，用于将所述S0C初始值赋值作为安时积分算法计算S0C值，并保存所述S0C值，同时利用卡尔曼滤波算法计算S0C值； 判断模块，用于判断由上述两种算法计算得到的S0C值是否在预设误差值内； 输出模块，用于如果在预设误差值内，则输出由安时积分算法计算得到的S0C值。5. 如权利要求4所述的S0C估值系统，其特征在于，所述预设误差值为±2.5%，通过 EEPR0M保存在经过初始值赋值后由安时积分算法计算得到的S0C值。6. 如权利要求5所述的S0C估值系统，其特征在于，所述S0C估值系统还包括： 循环模块，用于如果不在预计误差值内，则继续将所述S0C初始值赋值作为安时积分算 法计算S0C值，并保存所述S0C值，同时利用卡尔曼滤波算法计算S0C值;继续判断由上述两 种算法计算得到的S0C值是否在预设误差值内；如果在预设误差值内，则输出由安时积分算 法计算得到的S0C值。
【专利摘要】本发明提供了一种SOC估值方法，包括：利用卡尔曼滤波算法计算SOC初始值；将所述SOC初始值赋值作为安时积分算法计算SOC值，并保存所述SOC值，同时利用卡尔曼滤波算法计算SOC值；判断由上述两种算法计算得到的SOC值是否在预设误差值内；如果在预设误差值内，则输出由安时积分算法计算得到的SOC值。本发明还提供了一种SOC估值系统。本发明采用安时积分法和卡尔曼滤波算法相结合对电池进行SOC估算，既克服了安时积分法造成的累积误差，又克服了卡尔曼滤波算法出现跳变现象，并且可通过EEPROM对SOC值进行保存，能够稳定可靠的得到准确SOC值。
【IPC分类】G01R31/36
【公开号】CN105487016
【申请号】CN201610042124
【发明人】关海盈, 孔满, 尹旭勇
【申请人】深圳市沃特玛电池有限公司
【公开日】2016年4月13日
【申请日】2016年1月21日