本发明属于电池寿命保护技术领域，具体涉及一种电池管理系统的电池充电倍率估算方法。
背景技术：
现有的储能电站的电池管理系统通常只监测管理电池的电压、内阻、温度，而电池充电倍率通常是一个被忽略的量，其原因主要在于对电池的老化机理不清楚，对电池的使用过程没有控制，使用的计算方法和算法没有研究清楚。其次，对电池的不确定性使用同样的算法。所以诊断的电池健康状态误差比较大。最主要的是适应性差，在测试电池组上根据样品测试数据调整参数，估算的精度还可以，一旦测试样品改变，工作工况改变，参数就不适用，所以误差变大，精度就很差。
技术实现要素：
：
为了克服上述背景技术的缺陷，本发明提供了一种电池管理系统的电池充电倍率估算方法。
为了解决上述技术问题本发明的所采用的技术方案为：
一种电池管理系统的电池充电倍率估算方法：
步骤1：循环定时采集电池实时数据，并从电池实时数据中提取出单个电池欧姆内阻、单个电池输出电压、充放电电流电量、电池温度；
步骤2：结合电池的额定参数和采集到的电池实时数据，分别估算电池充电倍率；
步骤3：将估算得到的电池充电倍率通过历史数据法进行校正综合计算出一个计算充电倍率系数模型，计算充电倍率系数模型可用于后续每次充电倍率分析计算。
较佳地，在步骤1中估算电池充电倍率的方法包括：戴维南开路电压法、安时积分法、卡尔曼滤波算法以及等效电源内阻法/添加内阻法/半荷内阻法。
较佳地，在步骤2中，戴维南开路电压法具体实现方式为：将电池静置一段时间，待电池开路电压处于稳定状态后，通过比对以往开路电压与充电倍率对应关系表，得出当前电池充电倍率。
较佳地，记录电池充放电电流，将其对时间积分得到电池在特定时间段内放掉或充入的电量。
较佳地，充电工况荷电状态等于电池初始荷电状态加上充入电容量与标称电容量的比值。
较佳地，放电工况电池荷电状态等于电池初始荷电状态减去放掉电容量与标称电容量的比值。
较佳地，在步骤2中，卡尔曼滤波算法具体实现方式为：将充电倍率看作该动态系统的一个变量，通过电池模型的构建，得出电池模型的状态方程和观测方程，最后根据卡尔曼滤波原理得出充电倍率。
较佳地，在步骤2中，等效电源内阻法/添加内阻法/半荷内阻法是通过建立内阻与充电倍率之间的关系来估算充电倍率。
较佳地，在步骤1之前还包括系统上电的步骤。
本发明的有益效果在于：本发明的电池充电倍率估算方法适应于锂电池、铅酸电池、镍氢电池，利用实时采集的单个电池输出电压、单个电池欧姆内阻、电池温度、充放电电流、充放电电量，结合电池的额定参数，运用戴维南开路电压法、安时积分法、等效电源内阻法/添加内阻法/半荷内阻法、卡尔曼滤波算法、历史数据法进行校正等多种算法分析计算电池的状态，方法适应各种环境下的蓄电池，适应性强，且具有自校准功能，并且估算值接近真实值，估算精度高，能够较准确反映电池真实的健康状态。
附图说明
图1为本发明实施例的流程图。
具体实施方式
下面结合附图和实施例对本发明做进一步的说明。
本实施例的储能电站电池管理系统的电池充电倍率估算方法，如图1所示，包括以下步骤：
步骤s1：系统上电运行；
步骤s2：循环定时采集电池实时数据，并从电池实时数据中提取出单个电池欧姆内阻、单个电池输出电压、充放电电流电量、电池温度；
步骤s3：结合电池的额定参数和采集到的电池实时数据，通过戴维南开路电压法、安时积分法、卡尔曼滤波算法以及等效电源内阻法/添加内阻法/半荷内阻法来分别估算电池充电倍率；
步骤s4：将估算得到的电池充电倍率通过历史数据法进行校正综合计算出一个计算电池充电倍率系数模型，计算电池充电倍率系数模型可用于后续每次电池充电倍率分析计算。
戴维南开路电压法是较简单的电池充电倍率估算方法。在具体使用工况下，电池荷电状态与锂电池的开路电压存在特定对应关系。在步骤s3中，戴维南开路电压法具体实现方式为：将电池静置一段时间，待电池开路电压处于稳定状态后，通过比对以往开路电压与电池充电倍率对应关系表，得出当前电池充电倍率。戴维南开路电压法的优点是，操作简单，只需查表即可确定电池充电倍率，并且有相当的精度；其不足之处在于，只能在电池闲置状态进行，并且电池达到稳定状态一般需要数小时的时间，因此也不适应电动汽车锂电池监控系统的性能需求。对于铅酸电池，戴维南开路电压法却不能得出上述结论，只有在电池老化严重时表现出一定的关系。
安时积分法在电池充电倍率估算算法中应用最为普遍。在步骤s3中，安时积分法具体实现方式为：记录电池充放电电流，将其对时间积分得到电池在特定时间段内放掉或充入的电量；充电工况荷电状态等于电池初始荷电状态加上充入电容量与标称电容量的比值；放电工况电池荷电状态等于电池初始荷电状态减去放掉电容量与标称电容量的比值。安时积分法优点是原理简单，并且满足电池在线测量，因此得到广泛的应用。安时积分法的不足在于，其初始电池充电倍率无法确定，并且电流信号等测量精度存在误差，随着时间的积累误差逐渐变得越来越大，导致电池充电倍率估算值偏离实际值。
安时积分法计算电池电量c，就是充电时充电电流乘以充电时间，就是充入电池的电量。充放电时电池电量c：c＝c0±∫idt；其中，c0为充放电前的电池电量，i是电池充放电电流，时间精确到秒。根据电池能够充入的电量和能够放出的电量关系来诊断电池的电池充电倍率。
卡尔曼滤波算法是基于电池模型的电池充电倍率估算方法。锂电池模型是一个动态系统，变化规律为非线性。在步骤s3中，卡尔曼滤波算法具体实现方式为：将电池充电倍率看作该动态系统的一个变量，通过电池模型的构建，得出电池模型的状态方程和观测方程，最后根据卡尔曼滤
波原理得出电池充电倍率。卡尔曼滤波算法精度高，受初始误差的影响最小，抗干扰能力强。卡尔曼滤波算法的不足之处在于，其电池充电倍率估算精度依赖于锂离子电池模型的精度，准确的电池模型是算法的核心。锂电池模型是一个动态变化的系统，构建过程复杂，同时该方法需要大量的运算，难度较大。
在步骤s3中，等效电源内阻法/添加内阻法/半荷内阻法是通过建立内阻与电池充电倍率之间的关系来估算电池充电倍率。内阻是最能反映电池健康状态的一个量，当电池出厂时，内阻值是在一个理想的范围内，随着一组电池的运行时间延长，会有部分电池的内阻值增大，增大的趋势值及关系可以诊断电池充电倍率。
在步骤s3中，历史数据法进行校正是依据前几次测试电池充电倍率结果总结出一个计算电池充电倍率系数模型，以后每次分析计算电池充电倍率都要参考这个系数模型，在特定条件下校准这个参考系数模型。以这个模型为依据，电池在状态改变时，可以较准确地估算电池充电倍率，可以提高算法对不同的电池组具有同样的精度。历史数据法进行校正可以根据历史记录的电压极限值、电量极限值、电池充电倍率极限值等参数诊断现在的电池充电倍率，以减少误差。历史数据法进行校正可以适应不同的电池组，提高精度。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。