一种基于卡尔曼滤波法的电池安全度估算方法及装置与流程

本发明涉及电池安全度评估领域，特别是涉及一种基于卡尔曼滤波法的锂离子动力电池安全度评估方法及装置。
背景技术：
：环境污染的恶化，以及资源的短缺，对于环保节能的要求也日益迫切，在新能源汽车的发展中，电池以其高效、安全、清洁的特点，使得以电池为主要或者辅助电源的新能源汽车成为大家共同的研究对象。随着近几年来，电池爆炸，自燃，等的事故的频繁发生，电池是否安全也越来越得到人们的重视。电池的状态中，如果到达过电压，过热的某种临界状态，电池的热失控将不可避免的导致安全事故的发生，电池的安全性问题成为了新能源行业迫不及待解决的问题。锂离子电池是一个复杂的电化学系统，电池的失效原因复杂，其失效模式受诸多因素影响，比如所处的环境温度、放电深度、充放电电流等。即使可以实时测量电池的状态参数(例如电压，电流和温度)，也可以通过实测参数来计算其内阻，容量，soc等参数，但是无法测量电池的安全性，它是一个受多因素影响的随时变化的量，安全性的保障也是电池系统正常应用的前提条件。国内主要集中在针对电池故障诊断方法方面。对电池的安全性量化分析较少，故障诊断只是在电池出现故障之后，才对故障问题作出判断，它并不能预防电池故障的发生。实际上，电池故障的形成是一个逐渐变化的过程。例如，在电池使用过程中可以给出安全评估和定量指标，这对于防止电池事故和确保用户安全起着重要作用。如何实现实时，准确的安全估算一直是锂离子电池组设计过程中的瓶颈问题。技术实现要素：为了解决上述问题，本发明根据锂离子动力电池在使用过程中的影响因素，提供了一种基于卡尔曼滤波法的锂离子动力电池安全度评估方法。本发明所述一种基于卡尔曼滤波法的锂离子动力电池安全度评估方，包括以下步骤：一种基于卡尔曼滤波法的电池安全度估算方法，其特征在于，所述的估算方法包括以下步骤：根据电池模型建立锂动力电池模型；估算电池安全度；利用卡尔曼滤波方法修正安全度误差，得到精确安全度数值；进一步的，确立等效电路模型，对动力电池进行不同充放电倍率的循环间歇充放电实验，以及电压和温度的相关实验，根据电压回弹曲线搭建了二阶rc电路模型，并建立模型方程；根据脉冲实验得到充放电图，即估计的初始值。根据电池模型建立锂动力电池模型包括如下步骤：确立等效电路模型；对动力电池进行不同充放电倍率的循环间歇充放电实验，进行电压，温度实验，搭建二阶rc电路模型；根据脉冲实验估计初始值。进一步的，估算电池安全度的方法包括：获取电池电压的权重系数ω1、电池温度的权重系数ω2和衰减度k；获取电池电压安全系数su、电池温度安全系数st和充放电安全系数sc；根据下式得到电池安全度数值：进一步的，所述电池电压的权重系数ω1以及电池温度的权重系数ω2的获取方法为：获取所述电池电压安全系数的特征值fu和对应变量总方差d(u)；通过得到电池电压方差的贡献率σu；将电池电压方差的贡献率σu归一化后得到所述电池电压的权重系数ω1。获取所述电池温度安全系统的特征值ft和对应变量的总方差d(t)；通过得到电池温度方差的贡献率σt；将所述电池温度方差的贡献率σt归一化后得到所述电池电压的权重系数ω2。进一步的，所述衰减度k由下式得到：其中，r和c分别为二阶rc电路中的等效电阻和等效电容。进一步的，所述电压安全系数su为：式中，us为标准工作电压，um为电压阈值；所述温度安全系数st为；式中，ts为标准工作温度，tm为温度阈值；所述充放电安全系数sc为；式中，us为标准工作电压，um为电压阈值。进一步的，利用电路原理，对模型参数进行辨识，得出分段离线数据，应用改进卡尔曼滤波算法及最小二乘算法联合对sos估计思路，搭建电池组sos在线估计系统；将卡尔曼滤波算法的思想用于估算电池sos，将电池看成是动力系统，sos是系统的一个内部状态变量。所述利用卡尔曼滤波方法修正安全度误差，得到精确安全度数值的方法包括：计算状态变量预估计值，记为计算电池端电压；比较电池端电压实际值和模型输出电压值，得到电压差值；计算误差协方差矩阵；计算卡尔曼滤波的校正增益；状态变量优化估计；输出sos值并返回到状态变量估计值计算步骤。本发明另一方面提供了一种基于卡尔曼滤波法的电池安全度估算装置，包括：估算模块，用以根据本发明第一方面所述的基于卡尔曼滤波法的电池安全度估算方法估算电池当前状态的安全度；区间匹配模块，建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将估算模块得到的安全度数值与所述安全区间匹配，得到当前时刻的电池安全情况。显示模块，用以显示电池当前状态下的安全度信息。如上所述，本发明提供的一种基于卡尔曼滤波法的锂离子动力电池安全度评估方法，具有如下效果：1、本发明实现了电池安全度的实时量化估算，应用于各种电池在各种状态下的安全度的评估。2、本发明采用二阶环路模型对电池内部参数进行估计，可以很好的模拟电池的稳态特性和暂态特性，同时是考虑到动力电池动态特性，使得动态电压预测精度较高。3、本发明结合了安时积分法和扩展卡尔曼滤波法各自的优点，得到更精确的sos估计值，从而提高电池安全度估算精度。4、采用主成份分析法计算电池电压权重系数和电池温度权重系数，消除了变量间的相互影响，减少了参数选择的工作量，提高了安全度计算的准确度和效率。综上可见，本发明中提出的一种基于卡尔曼滤波法的锂离子动力电池安全度评估方法，非常适用于各种电池的安全度估算，具有实用性。附图说明图1为本发明具体实施例的锂离子动力电池安全度评估流程图；图2为本发明具体实施例的电池充放电图；图3为电池开路电压高温搁置前后对比曲线；图4为高温搁置后电池内阻测试曲线；图5为本发明具体实施例的二阶rc电路模型；图6为卡尔曼滤波法的sos估算方法中改进的推展卡尔曼滤波算法流程示意图；图7为导致电池高温失控的因素；具体实施方式以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。s1、根据电池模型建立锂动力电池模型；具体包括如下步骤：确立等效电路模型，电路等效建模是用来研究电池的端电压、充、放电电流、工作温度等外特性之间的关系，能很好地表征电池静态特性及动态特性，对动力电池进行不同充放电倍率的循环间歇充放电实验，电池放电反应平衡后的曲线如图2所示，电池开路电压高温搁置前后对比曲线如图3，高温搁置后电池内阻测试曲线如图4所示。对动力电池进行不同充放电倍率的循环间歇充放电实验，进行电压，温度实验，搭建二阶rc电路模型；根据以上曲线搭建了二阶rc电路模型，并建立模型方程，建立的二阶等效电路模型如图5所示。根据脉冲实验估计初始值。模型主要包括电池结构模块、sos计算模块。模型中电池的等效电路元件的参数是随着充放电过程实时变化的，因此普通的平均值模型并不适用。s2、由等效模型参数估算电池安全度；s21、获取电池电压的权重系数ω1、电池温度的权重系数ω2和衰减度k；所述电池电压的权重系数ω1以及电池温度的权重系数ω2的获取方法包括如下步骤：获取电池电压的权重系数ω1，具体包括如下步骤：获取所述电池电压安全系数数据集合{su1，su2,…}的特征值fu和对应变量总方差d(u)；通过得到电池电压方差的贡献率σu；将电池电压方差的贡献率σu归一化后得到所述电池电压的权重系数ω1。获取电池温度的权重系数ω2，具体包括如下步骤：获取所述电池温度安全系统数据集合{st1，st2,…}的特征值ft和对应变量的总方差d(t)；通过得到电池温度方差的贡献率σt；将所述电池温度方差的贡献率σt归一化后得到所述电池电压的权重系数ω2。所述衰减度k由下式得到：其中，r和c分别为二阶rc电路中的等效电阻和等效电容。s22、获取电池电压安全系数su、电池温度安全系数st和充放电安全系数sc所述电池电压采集值与标准工作电压us进行比较，结合电压阈值um得到电池的电压安全系数su：式中，us为标准工作电压，um为电压阈值，电压安全系数表征了动力电池电压的工作状态，该式越接近100，表明越安全。所述电池温度采集值与标准工作温度进行比较，结合温度阈值获得温度的安全系数得到电池的温度安全系数st；式中，ts为标准工作温度，tm为温度阈值，温度安全系数表征了动力电池温度的工作状态，该式越接近100，表明越安全。所述充放电安全系数sc为；式中，us为标准工作电压，um为电压阈值，充放电安全系数表征了动力电池充放电的工作状态，该式越接近100，表明越安全。s23、根据确定电池的安全度；在实际的应用中，针对不同的动力电池系统，应采用不同的标准电压和标准温度，同时根据不同的电池选取不同的电压和温度阈值，才能得出更有效的电池安全度。通过采用分析电池工况下电压、温度与标准值之间的差异，在电池理想工作状态下sos为一百分。因此，通过测试得到的动力电池安全度sos的值越趋近于一百，表征电池此时的安全性的越高；得到的动力电池安全度sos的值越低，表征在此条件下此动力电池模块的发生危险的可能性越高。s3、搭建电池组sos在线估计系统，利用卡尔曼滤波方法修正安全度误差，得到精确安全度数值。利用电路原理，对模型参数进行辨识，得出分段离线数据，应用改进卡尔曼滤波算法及最小二乘算法联合对sos估计思路，搭建电池组sos在线估计系统；将卡尔曼滤波算法的思想用于估算电池sos，将电池看成是动力系统，sos是系统的一个内部状态变量。工况中的电池是一个高度复杂的非线性系统，需要将非线性系统线性化，将非线性系统线性化进行估算的方法即ekf算法。改进的卡尔曼改进的推展卡尔曼滤波算法ekf具体如下：卡尔曼滤波原理：通过更新状态方程和观测方程，利用卡尔曼增益来修正状态估计值。具体推导过程如下：首先，引入一个离散控制系统，该系统的状态方程为：xk+1＝akxk+bkuk+wk；(1)上式中，xk为系统处于k时刻的n维状态向量，uk作为系统k时刻的控制输入向量，a为系统状态转移矩阵，b为系统输入控制矩阵，wk过程噪声；yk＝ckxk+dk+vk；(2)上式中，yk为系统k时刻的观测向量，ck为系统的观测矩阵，vk观测噪声。当系统当前处于k时刻，根据系统的状态空间表达式，系统从k-1时刻转移到k时刻的状态可由k-1时刻预测：式(3)中是系统处于上一时刻状态预测的估计值是k-1时刻系统的状态估计值，uk-1为k-1时刻系统的输入量。如果用p表示的协方差，依据系统转移理论则有式(4)中是与对应的协方差是与对应的协方差，是时刻系统过程的协方差，公式(3)和(4)即为卡尔曼滤波估计器对系统的z状态预测和协方差更新。利用卡尔曼增益对k时刻系统状态的估计值进行修正，修正方程如下式中kg为卡尔曼增益；经过以上推导过程便可输出k时刻系统状态的最优估计值为了使算法不断地循环和迭代下去，收敛于观测值则需要对k时刻系统状态的协方差也进行更新其中i为单位矩阵，当系统由k时刻转移到时刻，p即为公式(4)中的基于此转移算法过程，卡尔曼滤波估计就可以从最初状态到最后时刻状态自回归的进行下去。对于非线性实时变化系统，在kf的基础之上增加线性化步骤，在状态估计时，对系统方程在前一状态的估计值处做实时的线性泰勒近似；在预测时，对测量方程在相应的预测位置也进行线性泰勒相似，从而实现非线性函数到线性的过渡，即改进的推展卡尔曼滤波算法ekf。应用扩展卡尔曼滤波算法估算磷酸铁锂的sos值，包括如下步骤：s31、计算状态变量预估计值，记为设置初始值分别为和p(0)；s32、根据离散系统的状态方程和观测方程计算状态变量预估计值，记为所述离散系统的状态方程和观测方程为：令：考虑过程噪声wk和测量噪声vk的影响，构造系统的状态方程及观测方程为：对比可得：c(xk+1，ik+1)＝e[s(k+1)]-r0i(k+1)-u1(k+1)-u2(k+1)；s33、根据下式计算电池端电压；ul(k)＝z[xsos(k)]-u1(k)-u2(k)-rii(k)+v(k)；s34、比较电池端电压实际值和所述端电压值，得到电压差值：s35、计算误差协方差矩阵；p(k+1/k)＝a(k)p(k|k)at(k)+qk；p(k+1/k+1)＝p(k+1|k)-p(k+1|k)ht(k+1)*[h(k+1)p(k+1|k)ht(k+1)+rk+1]-1*h(k+1)p(k+1|k)；式中，qk，rk分别是互不相关零平均的高斯白噪声wk，vk的方差阵；s36、计算卡尔曼滤波的校正增益：l(k+1)＝p(k+1|k)ht(k+1)*[h(k+1)p(k+1|k)ht(k+1)+rk+1]-1；s37、状态变量优化估计：校正增益l(k+1)为端电压修正状态变量时所占的权重，当电池端电压误差值和校正增益很大时，状态变量优化估计值也随之变大，实际上，在每个采样点由修正的值不会超过－1％到1％；s38、输出安全度数值并返回到第s31步。所述的扩展卡尔曼滤波算法在每个采样时间间隔内都会对系统状态变量x(k)即和误差协方差矩阵p(k)做两次不同的估计；第一次预测估计值是是在前一次状态估计值的基础上，利用状态方程计算得到的；在观测数据u(k+1)测量结束前，该预测估计完成；第二次最优估计只能在观测数据u(k+1)测量结束后才开始计算，在获取u(k+1)的数值后，最优估计对预测估计结果p(k+1|k)进行修正，最终得到系统的最优估计值p(k+1|k+1)。s4、建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将估算模块得到的安全度数值与所述安全区间匹配，得到当前时刻的电池安全情况。本实施例中的电池安全度以0～1为计算范围，安全度越接近于1表示该动力电池越安全。本实施例根据现有电池数据库建立表1，以提示用户所用电池当前的安全状态，避免产生危险。如表1所示，当电池的安全度数值位于[0.8,1]范围内时，表明此时电池的状体良好，可以继续使用，当电池的安全度数值位于[0.6,0.8)范围内时，表明此时电池状态一般，需要使用者稍加留意，当电池的安全度数值位于[0.4，0.6)范围内时，表明此时电池存在潜在危险，在使用过程中需要使用者多加注意，当电池的安全度数值位于[0.2，0.4)范围内时，此时电池已经达到危险程度，此时应停止使用并将更换电池，当电池的安全度数值位于[0,0.2)范围内时，表面电池达到严重危险程度，表明已经出现燃烧爆炸情况或极易引起燃烧和爆炸，此时应根据实际需要采取紧急处理方式将电池拆卸并妥善转移。表1、电池安全度对应表安全阶段安全度数值范围显示单元预警信息10-0.2电池达到严重危险程度20.2-0.4电池达到危险程度30.4-0.6电池存在潜在危险40.6-0.8电池状态一般50.8-1电池状态良好本实施例提供了一种基于卡尔曼滤波法的电池安全度估算装置，包括：估算模块，用以根据本实施例所述的基于卡尔曼滤波法的电池安全度估算方法估算电池当前状态的安全度；区间匹配模块，用以建立安全度对照表，所述安全度对照表由若干安全区间构成，安全区间对应当前时刻的电池安全情况；将估算模块得到的安全度数值与所述安全区间匹配，得到当前时刻的电池安全情况；显示模块，用以显示电池当前状态下的安全度信息。本实施例所述的安全度估算装置为一种电子设备，包括处理器、存储器和显示器，存储器中存在用以实现基于卡尔曼滤波的锂离子动力电池安全度估算方法的指令，处理器用以调用所述指令以执行本发明实施例所述的电池安全区估算方法，本实施例中的处理器可以为dsp或单片机等。此外，上述的存储器中的指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中，即本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属
技术领域：
中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。当前第1页12