动力电池SOC的估算方法和装置、车辆与流程

本公开涉及动力电池领域，具体地，涉及一种动力电池soc的估算方法和装置、车辆。

背景技术：

随着环境污染的日益严重和能源危机的不断加剧，电动车辆越来越受到大家的关注，动力电池作为电动车辆的核心部件，精确估算其荷电状态(stateofcharge，soc)，对充分发挥动力电池的能力，防止过充过放具有非常重要的意义。而动力电池的soc是健康状态(stateofhealth，soh)、功率状态(stateofpower，sop)估算的基础，其估算精度显得尤为重要。

目前，动力电池soc的估算方法主要有两种：安时积分法与扩展卡尔曼滤波法。在安时积分法中，在预先知道上一时刻的soc的情况下，对一段时间内电池充入、放出的电量进行统计，从而得出当前soc。安时积分法比较依赖电流传感器精度与soc初始值，计算过程中没办法修正初始soc误差，而且会因为电流传感器误差而产生累积误差。用扩展卡尔曼滤波估算soc能够对初始soc误差进行修正，以及克服传感器误差导致的累积误差，但有时候也很难保证soc的估算精度。

技术实现要素：

本公开的目的是提供一种准确、精度较高的动力电池soc的估算方法和装置、车辆。

为了实现上述目的，本公开提供一种动力电池soc的估算方法，所述方法包括：获取在所述动力电池未充电且未放电情况下所述动力电池中的电流值，作为电流偏置值；在所述动力电池充电或放电过程中，根据所述动力电池的等效电路模型和扩展卡尔曼滤波法估算所述动力电池的soc值，其中，过程噪音参数和量测噪音参数根据所述电流偏置值来确定。

可选地，过程噪音参数和量测噪音参数根据所述电流偏置值来确定，包括：

若所述电流偏置值小于或等于预定的偏置值，电池均衡未开启，且所述动力电池的温度大于或等于预设的温度阈值，则将所述过程噪音参数确定为预定的第一过程噪音参数，并将所述量测噪音参数确定为预定的第一量测噪音参数，在所述第一过程噪音参数中，w1与w2之比为预定的第一比例，w1为状态变量soc(k)的过程噪音，soc(k)为k时刻所述动力电池的soc值，w2为状态变量v1(k)的过程噪音，v1(k)为k时刻第一电阻两端的电压值，其中，在所述动力电池的等效电路模型中，所述第一电阻和电容并联后与第二电阻串联，串联后的电路连接在所述动力电池的两端。

可选地，过程噪音参数和量测噪音参数根据所述电流偏置值来确定，还包括：

若所述电流偏置值大于所述预定的偏置值，则将所述过程噪音参数确定为预定的第二过程噪音参数，并将所述量测噪音参数确定为预定的第二量测噪音参数，在所述第二过程噪音参数中，w1与w2之比为预定的第二比例，所述第二比例大于所述第一比例，所述第二量测噪音参数小于所述第一量测噪音参数。

可选地，过程噪音参数和量测噪音参数根据所述电流偏置值来确定，还包括：

若所述电流偏置值小于或等于所述预定的偏置值，且电池均衡开启，则将所述过程噪音参数确定为预定的第三过程噪音参数，并将所述量测噪音参数确定为预定的第三量测噪音参数，在所述第三过程噪音参数中，w1与w2之比为预定的第三比例，所述第三比例小于所述第一比例，所述第三量测噪音参数大于所述第一量测噪音参数。

可选地，过程噪音参数和量测噪音参数根据所述电流偏置值来确定，还包括：

若所述电流偏置值小于或等于所述预定的偏置值，电池均衡未开启，且所述动力电池的温度小于所述预设的温度阈值，则将所述过程噪音参数中，w1与w2之比确定为预定的第四比例，并将所述量测噪音参数确定为预定的第四量测噪音参数，其中，所述第四比例小于所述第一比例，所述第四量测噪音参数大于所述第一量测噪音参数。

本公开还提供一种动力电池soc的估算装置，所述装置包括：

获取模块，用于获取在所述动力电池未充电且未放电情况下所述动力电池中的电流值，作为电流偏置值；

估算模块，用于在所述动力电池充电或放电过程中，根据所述动力电池的等效电路模型和扩展卡尔曼滤波法估算所述动力电池的soc值，其中，过程噪音参数和量测噪音参数根据所述电流偏置值来确定。

可选地，所述估算模块包括：

第一确定子模块，用于若所述电流偏置值小于或等于预定的偏置值，电池均衡未开启，且所述动力电池的温度大于或等于预设的温度阈值，则将所述过程噪音参数确定为预定的第一过程噪音参数，并将所述量测噪音参数确定为预定的第一量测噪音参数，在所述第一过程噪音参数中，w1与w2之比为预定的第一比例，w1为状态变量soc(k)的过程噪音，soc(k)为k时刻所述动力电池的soc值，w2为状态变量v1(k)的过程噪音，v1(k)为k时刻第一电阻两端的电压值，其中，在所述动力电池的等效电路模型中，所述第一电阻和电容并联后与第二电阻串联，串联后的电路连接在所述动力电池的两端。

可选地，所述估算模块还包括：

第二确定子模块，用于若所述电流偏置值大于所述预定的偏置值，则将所述过程噪音参数确定为预定的第二过程噪音参数，并将所述量测噪音参数确定为预定的第二量测噪音参数，在所述第二过程噪音参数中，w1与w2之比为预定的第二比例，所述第二比例大于所述第一比例，所述第二量测噪音参数小于所述第一量测噪音参数。

可选地，所述估算模块还包括：

第三确定子模块，用于若所述电流偏置值小于或等于所述预定的偏置值，且电池均衡开启，则将所述过程噪音参数确定为预定的第三过程噪音参数，并将所述量测噪音参数确定为预定的第三量测噪音参数，在所述第三过程噪音参数中，w1与w2之比为预定的第三比例，所述第三比例小于所述第一比例，所述第三量测噪音参数大于所述第一量测噪音参数。

可选地，所述估算模块还包括：

第四确定子模块，用于若所述电流偏置值小于或等于所述预定的偏置值，电池均衡未开启，且所述动力电池的温度小于所述预设的温度阈值，则将所述过程噪音参数确定为预定的第四过程噪音参数，并将所述量测噪音参数确定为预定的第四量测噪音参数，在所述第四过程噪音参数中，w1与w2之比为预定的第四比例，所述第四比例小于所述第一比例，所述第四量测噪音参数大于所述第一量测噪音参数。

本公开还提供一种车辆，包括本公开提供的上述动力电池soc的估算装置。

通过上述技术方案，在根据动力电池的等效电路模型和扩展卡尔曼滤波法估算动力电池的soc值时，根据电流偏置值来调整过程噪音参数和量测噪音参数。这样，能够根据在一定程度上校正由电流偏置值引起的soc的误差，从而使动力电池soc的估算更准确。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是一示例性实施例提供的动力电池soc的估算方法的流程图；

图2是一示例性实施例提供的动力电池的等效电路模型的示意图；

图3是一示例性实施例提供的用扩展卡尔曼滤波法估算动力电池的soc的流程图；

图4是一示例性实施例提供的确定过程噪音参数和量测噪音参数的流程示意图；

图5是另一示例性实施例提供的动力电池soc的估算方法的流程图；

图6是又一示例性实施例提供的动力电池soc的估算方法的流程图；

图7是又一示例性实施例提供的动力电池soc的估算方法的流程图；

图8是又一示例性实施例提供的动力电池soc的估算方法的流程图；

图9是一示例性实施例提供的动力电池soc的估算装置的框图；

图10是另一示例性实施例提供的动力电池soc的估算装置的框图；

图11是又一示例性实施例提供的动力电池soc的估算装置的框图；

图12是又一示例性实施例提供的动力电池soc的估算装置的框图；

图13是又一示例性实施例提供的动力电池soc的估算装置的框图；

图14是一示例性实施例示出的一种电子设备的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

图1是一示例性实施例提供的动力电池soc的估算方法的流程图。如图1所示，所述方法可以包括以下步骤。

步骤s1，获取在动力电池未充电且未放电情况下动力电池中的电流值，作为电流偏置值。

步骤s2，在动力电池充电或放电过程中，根据动力电池的等效电路模型和扩展卡尔曼滤波法估算动力电池的soc值，其中，过程噪音参数和量测噪音参数根据电流偏置值来确定。

其中，在动力电池没有充电也没有放电的情况下，采集到电流，则集到的动力电池中的电流值为电流偏置值。在正常情况下，是不应该采集到电流的，也就是，该电流偏置值在正常情况下为零。电流偏置是由于电流传感器的老化等原因引起的。

通过上述技术方案，在根据动力电池的等效电路模型和扩展卡尔曼滤波法估算动力电池的soc值时，根据电流偏置值来调整过程噪音参数和量测噪音参数。这样，能够根据在一定程度上校正由电流偏置值引起的soc的误差，从而使动力电池soc的估算更准确。

在一实施例中，动力电池的等效电路模型可以为一阶rc等效电路模型。

图2是一示例性实施例提供的动力电池的等效电路模型的示意图。如图2所示，第一电阻r1(电荷传递电阻)和电容c(例如，双电层电容)并联后与第二电阻r2(欧姆电阻)串联，串联后的电路连接在动力电池的两端。v为动力电池两端的电压值，ocv为动力电池两端的开路电压值，可以通过离线实验检测得到。

在扩展卡尔曼滤波法中，状态方程可以为：

量测方程可以为：

v(k)＝ocv(k)+v1(k)+i(k)r2(2)

其中，soc(k)为k时刻动力电池的soc值，v1(k)为k时刻第一电阻两端的电压值，i(k)为k时刻流经动力电池的电流值，δt为时间的步长，qc为动力电池的容量，r1为第一电阻的电阻值，r2为第二电阻的电阻值，c1为电容的电容值，v(k)为k时刻动力电池两端的电压值，ocv(k)为k时刻动力电池两端的开路电压值。

在扩展卡尔曼滤波法中，误差协方差矩阵的时间更新方程可以为：

p(k)^-＝a(k)p(k-1)⁺a(k)^t+q(k)(3)

卡尔曼增益方程为：

k(k)＝p(k)^-h(k)^t(h(k)p(k)^-h(k)^t+r(k))^-1(4)

其中，p(k)^-为k时刻误差协方差矩阵的时间更新，a(k)为根据状态方程(1)得出的k时刻的雅可比矩阵，p(k-1)⁺为k-1时刻误差协方差矩阵的量测更新，q(k)为k时刻的过程噪音参数，k(k)为卡尔曼增益，h(k)为根据量测方程(2)得出的雅可比矩阵，r(k)为k时刻的量测噪音参数。*^t为转置矩阵。

在扩展卡尔曼滤波法中，状态参数的量测更新方程可以为：

x(k)⁺＝x(k)^-+k(k)(z(k)-z(k)^-)(5)

误差协方差矩阵量测更新方程可以为：

p(k)⁺＝(e-k(k)h(k))p(k)^-(6)

其中，x(k)为状态变量[soc(k)；v1(k)]，x(k)^-为x(k)的时间更新，x(k)⁺为x(k)的量测更新，z(k)为测量的动力电池两端的电压值，z(k)^-为量测方程中预测的电池电压，p(k)⁺为k时刻误差协方差矩阵的量测更新，p(k)^-为k时刻误差协方差矩阵的时间更新，e为单位矩阵。

图3是一示例性实施例提供的用扩展卡尔曼滤波法估算动力电池的soc的流程图。如图3所示，用扩展卡尔曼滤波法估算动力电池的soc的方法可以包括以下步骤：

s21，算法计算开始，可以从eeprom里面读取上次存储的soc和误差协方差矩阵；

s22，测量初始电池电压、电池电流、电池温度；

s23，计算初始的状态变量(包括soc和v1)，设置初始误差协方差矩；

s24，测量电池电压、电池电流、电池温度；

s25，设置过程噪音参数、量测噪音参数(至少根据电流偏置值)；

s26，根据上述公式(1)进行状态参数时间更新；

s27，根据上述公式(3)进行误差协方差矩阵时间更新；

s28，根据上述公式(2)预测输出参数电池电压；

s29，根据上述公式(4)计算卡尔曼增益；

s30，根据上述公式(5)进行状态参数量测更新；

s31，根据上述公式(6)进行误差协方差矩阵量测更新；

s32，判断计算是否结束，当车辆下电(keyoff)时，计算结束；

s33，保存数据(soc和误差协方差矩阵)。

其中，在上述s25中，过程噪音参数和量测噪音参数，可以根据电流偏置值以及其他因素来设置。图4是一示例性实施例提供的确定过程噪音参数和量测噪音参数的流程示意图。如图4所示，过程噪音参数和量测噪音参数根据电流偏置值来确定，包括：

情况(1)、若电流偏置值小于或等于预定的偏置值i0，电池均衡未开启，且动力电池的温度大于或等于预设的温度阈值t0，则将过程噪音参数确定为预定的第一过程噪音参数q1，并将量测噪音参数确定为预定的第一量测噪音参数r1。在第一过程噪音参数q1中，w1与w2之比为预定的第一比例a1其中，w1为状态变量soc(k)的过程噪音，w2为状态变量v1(k)的过程噪音。

其中，电流偏置值小于或等于预定的偏置值i0，电池均衡未开启，且动力电池的温度大于或等于预设的温度阈值t0，可以认为是正常条件，例如，此时可以设置第一过程噪音参数其中，第一比例a1＝100，第一量测噪音参数r1＝2。

情况(2)、电流偏置值大于预定的偏置值i0，则将过程噪音参数确定为预定的第二过程噪音参数q2，并将量测噪音参数确定为预定的第二量测噪音参数r2。在第二过程噪音参数q2中，w1与w2之比确定为预定的第二比例a2。其中，第二比例a2大于第一比例a1，第二量测噪音参数r2小于第一量测噪音参数r1。

在电流偏置值大于预定的偏置值i0的时候，说明电流不准确，可以通过增大过程噪音，并降低量测噪音，来提高soc精度。此时可以在上述正常条件的基础上，增大w1与w2的比值，同时降低量测噪音参数，以降低对电流传感器的信赖程度，并提高对电池模型的信赖程度。例如，可以设置第二过程噪音参数其中，第二比例a2＝1000，第二量测噪音参数r2＝1。

情况(3)、若电流偏置值小于或等于预定的偏置值i0，且电池均衡开启，则将过程噪音参数确定为预定的第三过程噪音参数q3，并将量测噪音参数确定为预定的第三量测噪音参数r3，在第三过程噪音参数q3中，w1与w2之比确定为预定的第三比例a3。其中，第三比例a3小于第一比例a1，第三量测噪音参数r3大于第一量测噪音参数r1。

若电流偏置值小于或等于预定的偏置值i0，且均衡的时候，电压不准确，可以降低过程噪音，增大量测噪音，来提高soc精度。此时可以在上述正常条件的基础上，降低w1与w2的比值，同时增大量测噪音参数，提高对电流传感器的信赖程度，并降低对电压传感器的信赖程度。例如，可以设置第三过程噪音参数其中，第三比例a3＝20，第三量测噪音参数r3＝8。

情况(4)、若电流偏置值小于或等于预定的偏置值i0，电池均衡未开启，且动力电池的温度小于预设的温度阈值t0，则将过程噪音参数确定为预定的第四过程噪音参数q4，并将量测噪音参数确定为预定的第四量测噪音参数r4，在第四过程噪音参数q4中，w1与w3之比确定为预定的第四比例a4。其中，第四比例a4小于第一比例a1，第四量测噪音参数r4大于第一量测噪音参数r1。

若电流偏置值小于或等于预定的偏置值i0，电池均衡未开启，动力电池的温度小于预设的温度阈值t0，则可以认为电池参数不准确，要降低过程噪音，增大量测噪音，来提高soc精度。此时可以在上述正常条件的基础上，降低w1与w2的比值，同时增大量测噪音参数，提高对电流传感器的信赖程度，且降低对电池模型的信赖程度。例如，可以设置第四过程噪音参数其中，第三比例a4＝10，第四量测噪音参数r4＝4。

其中，a2、a3、a4之间可以没有直接的关系，r2、r3、r4之间也可以没有直接的关系。

通过上述对过程噪音参数和量测噪音参数的调整，减少了由于电流传感器存在较大电流偏置、电池均衡开启、动力电池温度较低而引起的误差，使得soc估算精度较高。

图5-8是四种示例性实施例提供的动力电池soc的估算方法的流程图。其中，图5示出了上述情况(1)的实施例，图6示出了上述情况(1)+情况(2)的实施例，图7示出了上述情况(1)+情况(3)的实施例，图8示出了上述情况(1)+情况(4)的实施例。

本公开还提供一种动力电池soc的估算装置。图9是一示例性实施例提供的动力电池soc的估算装置的框图。如图9所示，动力电池soc的估算装置10可以包括获取模块11和估算模块12。

获取模块11用于获取在动力电池未充电且未放电情况下动力电池中的电流值，作为电流偏置值。

估算模块12用于在动力电池充电或放电过程中，根据动力电池的等效电路模型和扩展卡尔曼滤波法估算动力电池的soc值，其中，过程噪音参数和量测噪音参数根据电流偏置值来确定。

图10是另一示例性实施例提供的动力电池soc的估算装置的框图。在该实施例中，估算模块12可以包括第一确定子模块121。

第一确定子模块121用于若电流偏置值小于或等于预定的偏置值，电池均衡未开启，且动力电池的温度大于或等于预设的温度阈值，则将过程噪音参数确定为预定的第一过程噪音参数，并将量测噪音参数确定为预定的第一量测噪音参数，在第一过程噪音参数中，w1与w2之比为预定的第一比例，w1为状态变量soc(k)的过程噪音，soc(k)为k时刻动力电池的soc值，w2为状态变量v1(k)的过程噪音，v1(k)为k时刻第一电阻两端的电压值，其中，在动力电池的等效电路模型中，第一电阻和电容并联后与第二电阻串联，串联后的电路连接在动力电池的两端。

图11是又一示例性实施例提供的动力电池soc的估算装置的框图。在该实施例中，在图10的基础上，估算模块12还可以包括第二确定子模块122。

第二确定子模块122用于若电流偏置值大于预定的偏置值，则将过程噪音参数确定为预定的第二过程噪音参数，并将量测噪音参数确定为预定的第二量测噪音参数，在第二过程噪音参数中，w1与w2之比为预定的第二比例，第二比例大于第一比例，第二量测噪音参数小于第一量测噪音参数。

图12是又一示例性实施例提供的动力电池soc的估算装置的框图。在该实施例中，在图10的基础上，估算模块12还可以包括第三确定子模块123。

第三确定子模块123用于若电流偏置值小于或等于预定的偏置值，且电池均衡开启，则将过程噪音参数确定为预定的第三过程噪音参数，并将量测噪音参数确定为预定的第三量测噪音参数，在第三过程噪音参数中，w1与w2之比为预定的第三比例，第三比例小于第一比例，第三量测噪音参数大于第一量测噪音参数。

图13是又一示例性实施例提供的动力电池soc的估算装置的框图。在该实施例中，在图10的基础上，估算模块12还可以包括第四确定子模块124。

第四确定子模块124用于若电流偏置值小于或等于预定的偏置值，电池均衡未开启，且动力电池的温度小于预设的温度阈值，则将过程噪音参数确定为预定的第四过程噪音参数，并将量测噪音参数确定为预定的第四量测噪音参数，在第四过程噪音参数中，w1与w2之比为预定的第四比例，第四比例小于第一比例，第四量测噪音参数大于第一量测噪音参数。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

通过上述技术方案，在根据动力电池的等效电路模型和扩展卡尔曼滤波法估算动力电池的soc值时，根据电流偏置值来调整过程噪音参数和量测噪音参数。这样，能够根据在一定程度上校正由电流偏置值引起的soc的误差，从而使动力电池soc的估算更准确。

本公开还提供一种车辆，包括本公开提供的上述动力电池soc的估算装置10。

图14是一示例性实施例示出的一种电子设备的框图。如图14所示，该电子设备1400可以包括：处理器1401，存储器1402。该电子设备1400还可以包括多媒体组件1403，输入/输出(i/o)接口1404，以及通信组件1405中的一者或多者。

其中，处理器1401用于控制该电子设备1400的整体操作，以完成上述的动力电池soc的估算方法中的全部或部分步骤。存储器1402用于存储各种类型的数据以支持在该电子设备1400的操作，这些数据例如可以包括用于在该电子设备1400上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器1402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(staticrandomaccessmemory，简称sram)，电可擦除可编程只读存储器(electricallyerasableprogrammableread-onlymemory，简称eeprom)，可擦除可编程只读存储器(erasableprogrammableread-onlymemory，简称eprom)，可编程只读存储器(programmableread-onlymemory，简称prom)，只读存储器(read-onlymemory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件1403可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1402或通过通信组件1405发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口1404为处理器1401和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件1405用于该电子设备1400与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(nearfieldcommunication，简称nfc)，2g、3g、4g、nb-iot、emtc、或其他5g等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件1405可以包括：wi-fi模块，蓝牙模块，nfc模块等等。

在一示例性实施例中，电子设备1400可以被一个或多个应用专用集成电路(applicationspecificintegratedcircuit，简称asic)、数字信号处理器(digitalsignalprocessor，简称dsp)、数字信号处理设备(digitalsignalprocessingdevice，简称dspd)、可编程逻辑器件(programmablelogicdevice，简称pld)、现场可编程门阵列(fieldprogrammablegatearray，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的动力电池soc的估算方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的动力电池soc的估算方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器1402，上述程序指令可由电子设备1400的处理器1401执行以完成上述的动力电池soc的估算方法。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。