一种基于动态阻抗校正的电池soc估计方法及系统的制作方法
【技术领域】
[0001] 本发明涉及电池领域，尤其是一种基于动态阻抗校正的电池soc估计方法及系统。
【背景技术】
[0002] 电动汽车，作为汽车工业节能环保的代表，发展迅速，而锂电池则以其能量密度 高、循环寿命长、安全性高和自放电率低等优良特性成为电动汽车的主要动力源。然而，锂 电池是一个包含着复杂物理与电化学变化的，强耦合的，高度非线性的系统。且电动汽车的 行驶工况恶劣、干扰严重，如何在复杂工况下实现对动力电池荷电状态(State of charge， SOC)的估计，对延长电池的寿命、准确预测车辆的剩余行驶里程、防止过充过放以及电动汽 车本身的发展和推广具有十分重要的意义。
[0003] 目前，电动汽车中估计S0C的方法主要包括安时积分法、开路电压法、神经网络法、 模糊算法、滑模观测器法、卡尔曼滤波算法和粒子滤波算法等。安时积分法简单易行，但是 初始误差无法确定，且会随着时间的推移有累积误差;开路电压法需要将电池长时间静置， 只适合于实验室使用；神经网络法需要大量的训练数据，且算法结果与训练方法的关联很 大;模糊算法的主观因素很强，且同样需要大量数据;滑膜观测器常伴有输出震颤的问题； 卡尔曼滤波法计算量适中但对模型依赖严重;粒子滤波法精度高但是算法十分复杂。
[0004] 除了安时积分法，上述的所有方法都需要通过模型反馈(包括隐性的模型反馈)的 方式来对估计的S0C进行修正，而基于固定参数的电池模型反馈方法对电池状态进行估计， 在复杂工况下往往满足不了精度的要求。
【发明内容】
[0005] 为解决上述技术问题，本发明的目的在于:提供一种精度高且算法复杂度低的，基 于动态阻抗校正的电池S0C估计方法。
[0006] 本发明的另一目的在于：提供一种精度高且算法复杂度低的，基于动态阻抗校正 的电池S0C估计系统。
[0007] 本发明解决其技术问题所采取的技术方案是：
[0008] -种基于动态阻抗校正的电池 S0C估计方法，包括以下步骤：
[0009] S1、获取电池在不同温度下开路电压与S0C的数学模型；
[001 0] S2、进行离线辨识，得到电池等效电路模型的参数；
[0011] S3、根据不同温度下开路电压与S0C的数学模型以及电池等效电路模型的参数，得 到完整的电池模型及其参数；
[0012] S4、根据完整的电池模型及其参数采用基于模型的电池S0C估计算法计算电池的 剩余电量；
[0013] S5、采用动态阻抗校正的方法计算完整的电池模型的参数，并实时更新完整的电 池模型的参数以及电池的剩余电量。
[0014]进一步，所述步骤S1具体为：
[0015] 通过离线测量的方式获取电池在不同温度下开路电压与S0C的关系，从而得到电 池在不同温度下开路电压与S0C的数学模型，所述得到的数学模型包括但不限于：
[0016] 〇CV = E〇-k〇/SOC-ki · S0C+k2 · ln(S0C)+k3 · ln(l-SOC),
[0017]其中，OCV是数学模型输出的端电压，E()、k()、kl、k2与k3均为数学模型的参数。
[0018] 进一步，所述步骤S2包括：
[0019] 对电池进行电路表达，得到电池等效电路模型，所述电池等效电路模型包括但不 限于戴维南等效模型及其变种模型、PNGV等效电路模型及其变种模型、高阶阻抗模型及其 变种模型；
[0020] 对电池等效电路模型进行离线辨识，得到电池等效电路模型的参数，所述离线辨 识包括但不限于离线最小二乘法一次辨识、递推辨识、带有渐消记忆的最小二乘法辨识和 最小一乘法辨识。
[0021] 进一步，所述完整的电池模型包括用于描述电池静态特性的开路电压与S0C的关 系，以及用于描述电池动态特性的电路拓扑及其元件参数。
[0022]进一步，所述基于模型的电池S0C估计算法包括但不限于扩展卡尔曼滤波法、自适 应扩展卡尔曼滤波法、无迹卡尔曼滤波法、粒子滤波法、龙伯格观测器法、滑膜观测器法、比 例-积分观测器法。
[0023]进一步，所述步骤S5,其包括：
[0024] S51、实时检测电池的动态阻抗；
[0025] S52、根据电池的动态阻抗对完整的电池模型的参数进行校正，并根据校正的结果 实时更新完整的电池模型的参数以及电池的剩余电量。
[0026]进一步，所述步骤S51具体为：
[0027]实时检测电流的变化值是否超过预设的阈值，若是，则将相邻两次采样间隔内的 电压差的绝对值除以相邻两次采样间隔内的电流差的绝对值，并以得到的商作为电池当前 时刻的动态阻抗;反之，则继续检测电流的变化值。
[0028] 进一步，所述步骤S52包括：
[0029] S521、将每次采样所得到的动态阻抗经过具有低通性质的滤波器进行处理，得到 一条变化趋势平缓的阻抗曲线；
[0030] S522、将得到的阻抗曲线与相应的广义误差项进行相减，得到欧姆内阻的估计值， 所述广义误差项用于描述电池模型不完备所带来的误差且为一项需要实时更新的参数或 参数组；
[0031] S523、计算当前时刻估计的欧姆内阻与当前时刻检测到的动态阻抗的差值，并将 计算的差值作为动态阻抗校正算法的输出；
[0032] S524、根据所选定的电池等效电路模型，理论推导欧姆内阻与当前检测到的动态 阻抗差值的表达式；
[0033] S525、分解理论推导出的表达式，从而将含有完整的电池模型参数的独立分量和 广义误差设置为动态阻抗校正算法的状态，将其余不含有完整的电池模型参数的分量设置 为动态阻抗校正算法的输入；
[0034] S526、将动态阻抗校正算法的输入、状态和输出构建成为状态空间方程，然后利用 观测器算法对状态进行实时更新，得到完整的电池模型更新后的参数，其中，状态空间方程 中状态的初始值获取方法包括但不限于试凑法和查表法;广义误差的初始值获取方法包括 但不限于经验法、试凑法、整定法和预实验法;状态观测器算法包括但不限于龙伯格观测器 算法、卡尔曼滤波器算法及其变种算法、粒子滤波器算法及其变种算法、比例-积分观测器 算法及其变种算法；
[0035] S527、根据完整的电池模型更新后的参数采用基于模型的电池S0C估计算法计算 更新后电池的剩余电量。
[0036] 进一步，所述具有低通性质的滤波器包括但不限于普通的低通滤波器、卡尔曼滤 波器和切比雪夫滤波器，若选用普通的低通滤波器，则广义误差项ε的表达式为：
[0038]其中，1?。,"和心,η分别代表第η次采样时检测到的动态阻抗以及第η次采样后被更新 的欧姆内阻，η为正整数，α是低通滤波器的截止频率系数。
[0039]本发明解决其技术问题所采取的另一技术方案是：
[0040] 一种基于动态阻抗校正的电池S0C估计系统，包括以下模块：
[0041] 数学模型获取模块，用于获取电池在不同温度下开路电压与S0C的数学模型；
[0042] 离线辨识模块，用于进行离线辨识，得到电池等效电路模型的参数；
[0043]电池模型确立模块，用于根据不同温度下开路电压与S0C的数学模型以及电池等 效电路模型的参数，得到完整的电池模型及其参数；
[0044] S0C估计模块，用于根据完整的电池模型及其参数采用基于模型的电池S0C估计算 法计算电池的剩余电量；
[0045]动态阻抗校正更新模块，用于采用动态阻抗校正的方法计算完整的电池模型的参 数，并实时更新完整的电池模型的参数以及电池的剩余电量；
[0046]所述数学模型获取模块的输出端依次通过离线辨识模块、电池模型确立模块和 S0C估计模块进而与动态阻抗校正更新模块的输入端连接。
[0047]本发明的方法的有益效果是:采用动态阻抗校正的方法计算电池模型的参数，并 实时更新电池模型的参数以及电池的剩余电量，将电池使用过