一种锂电池荷电状态的在线估计方法
【专利摘要】本发明公开了一种锂电池荷电状态(SOC)的在线估计方法。本发明基于扩展卡尔曼滤波方法，结合了TS模糊原理对锂电池实时参数开路电压UOC进行精确预估，进而实现对锂电池SOC的精确估计。本发明包括：锂电池改进双RC等效电路模型的建立，运用在线TS模糊模型对电池开路电压UOC的精确计算，利用扩展卡尔曼滤波算法实时估计锂电池SOC。基于本发明对锂电池SOC的估计，不仅在锂电池SOC的估计精度上满足预定要求，而且TS模糊模型的应用使得锂电池SOC估计精度提高的同时，也保证了在线估计的快速性和实时性。
【专利说明】
-种裡电池荷电状态的在线估计方法
技术领域
[0001] 本发明属于电池储能技术领域，具体而言，设及一种裡电池荷电状态(SOC)的估计 方法。
【背景技术】
[0002] 近几十年来，电能存储技术的研究和发展一直受到各国能源、交通、电力、通讯等 部口的重视。在新能源技术快速发展的大背景下，如果能在燃料电池发电、风能发电等新能 源发电设备中配备有储能装置，一方面可W通过储能元件对机组的出力曲线进行调整，解 决新能源发电自身出力随机性、不可控的问题，减小新能源出力变化对电网的冲击;另一方 面可W在电力充沛时储存电能，在负荷高峰时释放电能，达到移峰填谷、减少系统备用需求 的作用。其中电池储能技术，特别是裡离子电池由于兼具高比能量和高比功率的显著优势， 在大规模储能领域有着良好的应用前景。
[0003] 电池管理系统（BatteiT Management System,BMS)通过对电池的全方位信息采 集、准确的容量估算、科学的均衡管理W及快速响应的保护策略，实现电池成组后的智能化 管理，W确保电池储能系统安全可靠地运行。高精度的电池荷电状态（State Of Charge, SOC)估算技术作为BMS的关键技术之一，是通过在线实时监测电池容量，随时给出电池系统 的剩余容量，将电池 SOC的工作范围控制在合理范围内，防止电池出现过充过放现象，保证 其安全使用，同时也有利于延长电池的使用寿命。所WSOC估算是BMS的主要任务和技术难 点。影响SOC的因素很多，如环境溫度、充放电效率、循环寿命、自放电等，它们彼此禪合，因 此根据运些参数来精确估测SOC并不容易。传统的电池 SOC估算方法缺点较明显，适用范围 也有限。目前在实际应用中，使用较多的是开路电压法与安时积分法相结合的方法。需要注 意的是，安时积分法存在较大的累积误差，必须定期进行修正，而开路电压法只有在电池长 时间静置稳定后方可获得精确的结果，即离线修正，运在实际应用中较难实现。因此，需要 寻求一种具有在线修正能力的SOC实时在线估计方法。
【发明内容】
[0004] 本发明针对现有技术的不足，提出一种裡电池 SOC的在线估计方法。本发明基于扩 展卡尔曼滤波方法，结合TS模糊原理对裡电池参数开路电压Uoc进行精确预估，进而实现对 裡电池 SOC的在线实时估计。其主要包括裡电池改进双RC等效电路模型的建立，运用TS模糊 模型对电池开路电压的辨识，利用扩展卡尔曼滤波算法在线实时估计裡电池 S0C。基于本发 明对裡电池 SOC的在线估计，不仅在裡电池 SOC的估计精度上满足预定要求，而且TS模糊模 型的应用使得裡电池 SOC估计精度提高的同时，也保证在线估计的快速性和实时性。
[0005] 为实现上述目的，本发明提出了一种裡电池 SOC的在线估计方法，其特征在于，所 述方法包括W下步骤：
[0006] (1)任意给定裡电池 SOC的初始值，利用复合经验公式模型求出电池开路电压的预 估值技。C ;
[0007] (2)将[}。。、裡电池电流Ibat、工作溫度T作为TS模糊模型的输入，利用TS模糊模型计 算裡电池开路电压输出值机^实现对开路电压预估值?5%进行实时优化；
[000引（3)将Uoc代入裡电池改进双R对莫型中，并使用HPPC测试法对模型参数进行辨识；
[0009] (4)利用扩展卡尔曼滤波估计器，在线计算得到裡电池 SOC的实时值SOCnew。
[0010] 作为进一步优选的，所述步骤（1)中所述复合经验公式模型是基于对化epherd模 型、化newe虹化iversal模型W及化rnst模型进行综合改进获得，其形式如下：
[0011]
[001 ^ 其中，为当前电池开路电压预估值，Z为上一时刻电池 SOC值，Ko、Ki、K2、K3、K4为 没有物理意义的系数。通过带遗忘因子的递推最小二乘法对上述系数Ko~K4进行辨识。带遗 忘因子的递推最小二乘法的参数辨识公式为：
[0013]
[0014]
[0015]
[0016] 其中，臭(A)为待估参数向量
为数据向量
K化)为增益矩阵，P(k)为协方差矩阵，A为遗忘因子，取 接近于1的正数，通常不小于0.9。参数辨识步骤如下：
[0017] (1.1)初始数据的确定。根据经验模型参数辨识的先验知识给待估向量赋初 值;设置辨识的初始值P(0) = 106XI5X5(I为单位矩阵），遗忘因子入=0.998;
[001引（I.2)采样当前输入输出数据心OC(皮）、Z化），确定口(衣）；
[0019] (1.3)利用上述的参数辨识公式计算得到^^/〇店化巧阳化）；
[0020] (1.4)若k<N(N为采样个数），则k^k+1，返回步骤(1.2)，继续循环;否则算法结束， 输出資。
[0021] 作为进一步优选的，所述步骤(2)中利用TS模糊模型计算裡电池开路电压输出值 化C具体包括下述子步骤：
[0022] (2.1)对裡电池模型进行充放电仿真实验，记录并保存历史输入输出数据；
[0023] (2.2)对历史输入输出数据进行C聚类处理，计算出隶属度函数Ui及后件参数0 (k)；
[0024] (2.3)组建TS模糊规则。其中，第i条TS模糊规则表示为：
[0025]
[0026]
[0027]其中，C为模糊规则数目，n为所述TS模糊模型的输入变量数目，xi(k)，X2 化），? ? ?，Xn化)为第k时刻及W前的输入输出数据的回归变量，4,4，-..4为代表各模 糊子空间的具有线性隶属度函数的模糊集，可W用来进行第i条规则的模糊推理， 片,，片，...，片为第i条模糊规则的后件参数，yi化+1)为所述TS模糊模型在第i条规则下(k+ 1)时刻的输出值。
[002引（2.4)定义01为所述第i条模糊规则的适应度，贝贿：
[0029]
[0030] 于是，所述TS模糊模型在化+1)时刻的输出y化+1)的计算公式为：
[0031]
[0032]
[0033]
[0034] 其中，r = c ? (n+1)，可W得到：
[0035] 5Kk+l) =巫化）T ? 0 化）
[0036] (2.5)定义输出7化+1)=1^化）。其中，1^化)为加寸刻电池开路电压。令1^ = 1^+1并 返回步骤(2.2)，直到裡电池 SOC在线估计过程结束。
[0037] 作为进一步优选的，所述步骤(3)中所述的裡电池改进双R对莫型，其等效内阻使用 热敏电阻表示。结合基尔霍夫电流电压定律，可得裡电池的状态方程和输出方程分别为：
[0038
[0039
[0040]其中，Wk为系统过程噪声，Vk为系统测量噪声。Ts为系统采样时间，~为电容Cb和电 阻化组成的RC环时间常数，Tp为电容Cp和电阻Rp组成的RC环时间常数，Ub、Up分别为两个RC环 两端的电压，n为电池库伦效率，SOC表示模型状态量电池 soc，Cn为电池容量。Ubat模型输出 端电压，Ibat为系统电流，放电时电流为正值，充电时为负。Rt为等效热敏电阻值，其辨识方 法如下：
[0041 ] 定义热敏电阻RT=f(T)=a ? T2+b ? T+C。其中，a、b、c为待拟合系数。将裡电池在不 同电流、不同溫度下进行充放电试验，并得到一簇关系曲线。用曲线拟合的方法即可求出a、 b、c的值。
[0042] 其它模型参数的辨识方法如下：在常溫下使用HPPC(Hybrid Pulse Power 化aracterization,混合脉冲功率特性)工况对裡电池进行外部激励，得到输入输出关系曲 线。同样利用曲线拟合的方法可求出模型参数化、Cb、Rp、Cp的值。
[0043] 作为进一步优选的，所述步骤(4)中将所述改进双RC模型输出端电压化at、模型状 态量电池 SOC、系统电流Ibat、端电压测量值Utm作为所述扩展卡尔曼滤波估计器的输入量，并 进行在线计算，得到裡电池 SOC的实时值SOCnew。
[0044] 总体而言，通过本发明所构思的W上技术方案与现有技术相比，主要具备W下的 技术优点：
[0045] 1.本发明基于扩展卡尔曼滤波方法，结合TS模糊原理对裡电池参数开路电压UOC 进行精确预估，进而实现了对裡电池 SOC的在线实时估计；
[0046] 2.同时，改进双RC模型中将热敏电阻作为等效内阻，并利用实验数据对其进行精 确辨识，有效地模拟了溫度因素对裡电池端电压的影响，进而提高了裡电池 SOC估计的准确 性；
[0047] 3.通过本发明提出的裡电池 SOC估计方法，使得裡电池 SOC估计具有良好的在线修 正能力，不仅提高了裡电池 SOC在线估计精度，也保证了其快速性和实时性。
【附图说明】
[004引图1是裡电池 SOC在线估计方法流程图；
[0049] 图2是裡电池 SOC在线估计方法结构图；
[0050] 图3是裡电池改进双R对莫型等效电路图。
【具体实施方式】
[0051] 为了使本发明的目的、技术方案及优点更加清楚明白，W下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用W解释本发明，并 不用于限定本发明。此外，下面所描述的本发明各个实施方式中所设及到的技术特征只要 彼此之间未构成冲突就可W相互组合。
[0052] 如图1所示为裡电池 SOC在线估计方法流程图，具体包括：
[0053] (1)任意给定裡电池 SOC的初始值，利用复合经验公式模型求出电池开路电压的预 估值t)化；
[0054] (2)将Uw、裡电池电流Ibat、工作溫度T作为TS模糊模型的输入，利用TS模糊模型计 算裡电池开路电压输出值Uoc,实现对开路电压预估值进行实时优化；
[0055] (3)将Uoc代入裡电池改进双R对莫型中，并使用HPPC测试法对模型参数进行辨识；
[0056] (4)利用扩展卡尔曼滤波估计器，在线计算得到裡电池 SOC的实时值SOCnew。
[0057] 如图2所示为裡电池 SOC在线估计方法结构图。
[005引采集系统电流Ibat、环境溫度TW及由所述复合经验公式模型得到的开路电压预估 值并作为所述TS模糊模型的输入，运行TS模糊模型得到开路电压优化值Uoc。将Uoc输入 至所述裡电池改进双R对莫型中。根据图3所示的裡电池改进双RC模型等效电路图，结合基尔 霍夫电流电压定律，即可得到模型的状态方程和输出方程，分别如下：
[0化9]
[0060]
[0061] 其中，Wk为系统过程噪声，Vk为系统测量噪声。Ts为系统采样时间，~为电容Cb和电 阻化组成的RC环时间常数，Tp为电容Cp和电阻Rp组成的RC环时间常数，Ub、Up分别为两个RC环 两端的电压，n为电池库伦效率，SOC表示模型状态量电池 soc，Cn为电池容量。Ubat模型输出 端电压，Ibat为系统电流，放电时电流为正值，充电时为负。
[0062] 将所述改进双RC模型输出端电压化at、模型状态量电池 S0C、系统电流Ibat、端电压 测量值Utm作为所述扩展卡尔曼滤波估计器的输入量，并进行在线计算，得到裡电池 SOC的实 时值 SOCnew。
[0063] 本发明提供的裡电池 SOC在线估计方法具有较高的估计精度，同时又保证了较快 的估计速度。并且由于TS模糊模型的使用，能够根据系统电流W及环境溫度的变化调节模 型参数，使模型的计算输出与实际裡电池系统的输出保持了良好的一致性。
[0064] 本领域的技术人员容易理解，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. 一种锂电池荷电状态的在线估计方法，其特征在于，所述方法包括以下步骤： (1)任意给定锂电池荷电状态的初始值，利用复合经验公式模型求出电池开路电压的 预估值c/w; (2 )将? ?、锂电池电流1bat、工作温度T作为TS模糊模型的输入，利用TS模糊模型计算锂 电池开路电压输出值Ucc，实现对开路电压预估值&"进行实时优化； (3) 将UQC代入锂电池改进双RC模型中，并使用HPPC测试法对模型参数进行辨识； (4) 利用扩展卡尔曼滤波估计器，在线计算得到锂电池荷电状态的实时值SOCnew。2. 根据权利要求1所述的锂电池荷电状态的在线估计方法，其特征在于，所述复合经验 公式模型是基于对Shepherd模型、Unnewehr Universal模型以及Nernst模型进行综合改进 获得，其形式如下：其中，为当前电池开路电压预估值，z为上一时刻电池荷电状态值，κ?、Κι、心、K3、K 4为 没有物理意义的系数;通过带遗忘因子的递推最小二乘法对上述系数Κο~Κ4进行辨识。3. 根据权利要求2所述的锂电池荷电状态的在线估计方法，其特征在于，所述带遗忘因 子的递推最小二乘法的参数辨识公式为： ./L·：-其中，外岣为待估参数向量数据向量 妒(/，.）= [1，1 / :，: ln、In (.1 - 4 ) ].，κ (k)为增益矩阵，P (k)为协方差矩阵，λ为遗忘因子，取 接近于1的正数。4. 根据权利要求3所述的锂电池荷电状态的在线估计方法，其特征在于，参数辨识步骤 如下： (1.1) 初始数据的确定;根据经验模型参数辨识的先验知识给待估向量赋初值;设 置辨识的初始值?(〇) = 1〇6乂1%，其中1为单位矩阵，遗忘因子入=0.998; (1.2) 采样当前输入输出数据、z(k)，确定供 (1.3) 利用上述的参数辨识公式计算得到以q、K(k)和P(k); (1.4) 若k〈N(N为采样个数），则k-k+l，返回步骤(1.2)，继续循环;否则算法结束，输出 §〇5. 根据权利要求1或2所述的方法，其特征在于，所述步骤(2)中利用TS模糊模型计算锂 电池开路电压输出值Uoc具体包括下述子步骤： (2.1)对锂电池模型进行充放电仿真实验，记录并保存历史输入输出数据； (2.2) 对历史输入输出数据进行C聚类处理，计算出隶属度函数m及后件参数Θ(1〇; (2.3) 组建TS模糊规则;其中，第i条TS模糊规则表示为：其中，c为模糊规则数目，η为所述TS模糊模型的输入变量数目，X1(k)，X2(k)，…， Xn(k) 为第k时刻及以前的输入输出数据的回归变量，…^为代表各模糊子空间的具有线 性隶属度函数的模糊集，可以用来进行第i条规则的模糊推理，/<,/彳,···，％为第i条模糊 规则的后件参数，yHk+l)为所述TS模糊模型在第i条规则下(k+Ι)时刻的输出值； (2.4) 定义&为所述第i条模糊规则的适应度，则有：所述T S模糊模型在(k+1)时刻的输出y (k+1)的计算公式为：定义后件参数? (k)和前件参数Φ (k)为：其中，r = c · (n+1)，可以得到： y(k+l) = Φ (k)T · Θ (k) (2.5) 定义输出7(1^+1)=1]〇(；(1〇;其中，1]〇(；(1〇为1^时刻电池开路电压;令1^ = 1^+1并返回步 骤(2.2)，直到锂电池荷电状态在线估计过程结束。6.根据权利要求1或2所述的方法，其特征在于，所述锂电池改进双RC模型其等效内阻 使用热敏电阻表示;结合基尔霍夫电流电压定律，可得锂电池的状态方程和输出方程分别 为：其中，Wk为系统过程噪声，Vk为系统测量噪声；Ts为系统采样时间，Tb为电容Cb和电阻Rb 组成的RC环时间常数，τΡ为电容CP和电阻RP组成的RC环时间常数，U b、UP分别为两个RC环两端 的电压，η为电池库伦效率，荷电状态为模型状态量电池荷电状态，cn为电池容量;ubat为模 型输出端电压，Ibat为系统电流，放电时电流为正值，充电时为负;Rt为等效热敏电阻值，其 辨识方法如下： 定义RT = f(T)=a · T2+b · T+c;其中，a、b、c为待拟合系数;将锂电池在不同电流、不同 温度下进行充放电试验，并得到一簇关系曲线；用Matlab曲线拟合函数polyfit求出a、b、c 的值。7.根据权利要求1或2所述的方法，其特征在于，所述步骤(4)中将所述改进双RC模型输 出端电压Ubat、模型状态量电池荷电状态、系统电流Ibat、端电压测量值Utm作为所述扩展卡尔 曼滤波估计器的输入量，并进行在线计算得到锂电池荷电状态的实时值S0C new。
【文档编号】G01R31/36GK105954679SQ201610278081
【公开日】2016年9月21日
【申请日】2016年4月29日
【发明人】蒋建华, 陈明渊, 李曦, 洪升平, 许元武, 李箭
【申请人】华中科技大学