公开涉及一种估计使用中的电池的荷电状态(soc)的方法。
背景技术:
1、电池容易应用于电气装置并且与其他能量存储装置相比具有相对较高的能量、功率密度等,因此不仅广泛应用于便携式电子装置,而且广泛应用于由电驱动源驱动的电动车辆(ev)、混合动力电动车辆(hev)等。特别地,当需要强输出时,可以使用多个电池单体彼此串联或并联连接的电池组。
2、为了节能且安全地使用由电池或电池组驱动的电气装置,电池管理是重要的,为此,准确测量和诊断电池的状态是必要的。当前广泛使用的估计值包括荷电状态(soc)值、健康状态(soh)值、功率极限估计(ple)值等。
3、根据现有技术的soc值由电池的荷电量、电池的剩余容量等表示,并且由电池的当前容量相对于电池的完全充电容量(或称为满充电容量)的百分比来定义。估计soc的方法包括通过使用电流传感器测量排出或流入的电荷量然后对电荷量进行积分的方法、使用开路电压(ocv)和soc的关系的方法、通过使用电池模型估计soc的方法等。
4、根据通过使用电流传感器测量排出或流入的电荷量来估计soc的方法,通过将通过将积分的电流值除以完全充电容量而获得的值与初始soc相加来估计当前soc。该方法也被称为ah计数法或库仑计数法,并且由于其简单性而被广泛使用,但是该方法受电流传感器的精度影响。
5、通过测量ocv来估计soc的方法使用对于每个电池是唯一的ocv-soc关系。已知即使电池劣化,ocv-soc关系也很少变化,因此,使用它的方法是高度可靠的。然而,为了测量ocv,电池必须长时间保持在零电流状态,因此,当使用电池时,不能测量ocv,并且难以准确地预测soc。
6、当使用电池模型时,可以最小化由于电流传感器的误差(噪声)引起的影响,并且在没有电池的长时间空闲状态的情况下,可以实时估计soc。电池模型包括等效电路模型(ecm)、基于物理的模型等。ecm不能提供对电池单体中发生了什么的洞察,并且ecm中使用的参数实际上没有物理指示。基于物理学的模型比ecm更准确,但是具有复杂性和收敛性的问题。
7、如上所述,估计soc的先前的方法具有局限性,诸如电池模型的复杂性或电池使用的暂停。为了防止电池的过充电和过放电并且执行单体平衡,必须准确地估计soc。然而,由于电流测量误差,ah计数方法会无法保证准确性。例如,仅基于电流传感器仅仅具有0.1a的误差的假设,当电动车辆使用8小时时,发生0.8ah的soc估计误差,即,等于或大于5ah的每周soc估计误差。当电池容量为100ah时,误差达到5%。
8、对于soc估计,不仅精度重要,而且低计算负荷和高计算速度也重要。当能够准确地估计并控制电池的内部状态时,可以改善基于价格和重量的电池组的安全性和性能,使得电池不仅可以应用于车辆,而且可以应用于运输工具(诸如航空)和其他各种领域。
技术实现思路
1、技术问题
2、公开提供了一种通过使用电池的电压值和电流值来实时准确地估计电池的荷电状态(soc)的方法。公开提供了一种通过使用指示电池的内部状态的g参数来实时准确地估计电池的soc的方法。根据公开,估计soc的方法可以被加载在电池管理系统(bms)上并且由bms执行,并且根据依据公开的估计soc的方法,可以估计使用中的电池的soc。
3、技术方案
4、根据公开的一个方面,一种评估电池的荷电状态(soc)的方法包括:设定初始soc值和初始卡尔曼误差协方差值;接收电池的估计g参数值、当前电流值和当前电压值;通过将估计g参数值、当前电流值和当前电压值输入到扩展卡尔曼滤波器来更新电池的当前soc值和当前卡尔曼误差协方差值;以及输出当前soc值。根据公开的一个方面,一种估计电池的soc的方法可以由计算装置执行。
5、公开的有益效果
6、与先前的方法相比,根据公开的各种实施例的估计电池的荷电状态(soc)的方法在成本、可扩展性和适应性方面具有很大的改进。虽然先前的基于电池模型的估计soc的方法由于其复杂性而难以应用于电池管理系统(bms),但是根据公开的估计soc的方法实际上可以加载在电池管理系统(bms)上。
7、此外,虽然在先前方法的情况下,必须暂停电池的使用以便提高soc的准确度,但是根据依据公开的估计soc的方法,可以实时估计实际使用中的电池的soc。另外,虽然在先前方法的情况下,soc估计精度由于电流传感器的误差而受到限制,但是根据公开的估计soc的方法,因为使用了滤波器,所以可以最小化由于电流传感器的误差引起的影响。此外,根据公开的估计soc的方法不仅可以用于电池单体或电池组,而且通常可以用于电池系统。
1.一种估计电池的荷电状态的方法,所述方法包括以下步骤:
2.根据权利要求1所述的方法,其中,更新所述电池的所述当前荷电状态值和所述当前卡尔曼误差协方差值的步骤包括:
3.根据权利要求2所述的方法,其中,通过使用前一荷电状态值socest(t-1)、所述当前电流值i(t)、采样周期ts和所述电池的最大容量qmax,基于socest-(t)=socest(t-1)+i(t)×ts/qmax来计算所述一阶估计荷电状态值socest-(t)。
4.根据权利要求2所述的方法,其中,通过使用前一卡尔曼误差协方差值pk(t-1)、采样周期ts、所述电池的最大容量qmax和处理器噪声σw,基于pk-(t)=pk(t-1)+(ts/qmax)2×σw来计算所述一阶估计卡尔曼误差协方差值pk-(t)。
5.根据权利要求2所述的方法,其中,计算所述估计电压值的步骤包括:
6.根据权利要求5所述的方法,其中,通过使用接近于所述一阶估计荷电状态值socest-(t)的荷电状态数据值nε[socest-(t)]和与所述荷电状态数据值nε[socest-(t)]对应的开路电压数据值ocv(nε[socest-(t)]),基于c(t)=ocv(nε[socest-(t)])/nε[socest-(t)]来确定所述第一系数值c(t)。
7.根据权利要求2所述的方法,其中,计算所述估计电压值的步骤包括:
8.根据权利要求7所述的方法,其中,所述第二系数值c1(t)和所述第三系数值e(t)分别被确定为线性函数的斜率和开路电压截距,所述线性函数接触与所述开路电压-荷电状态关系对应的曲线中的点,所述点与接近所述一阶估计荷电状态值socest-(t)的荷电状态数据值nε[socest-(t)]对应。
9.根据权利要求2所述的方法,其中,计算所述当前卡尔曼增益值的步骤包括:
10.根据权利要求2所述的方法,其中,通过使用所述一阶估计荷电状态值socest-(t)、所述当前卡尔曼增益值lk(t)、所述当前电压值v(t)和所述估计电压值vest(t),基于socest(t)=socest-(t)+lk(t)×(v(t)-vest(t))来计算所述当前soc值socest(t)。
11.根据权利要求2所述的方法,其中,计算所述当前卡尔曼误差协方差值的步骤包括:
12.根据权利要求1所述的方法,所述方法还包括以下步骤:
13.根据权利要求12所述的方法,其中,所述自适应滤波器是使用递归最小二乘方法的滤波器。
14.根据权利要求12所述的方法,所述方法还包括通过使用所述自适应滤波器由所述当前电压值和所述当前电流值产生估计h参数值,其中,所述估计h参数值是表示由所述电池中的局部平衡电位分布和电阻分布确定的有效电位的h参数的数值。
15.根据权利要求14所述的方法,所述方法还包括设定所述电池的初始状态向量值和初始协方差矩阵值,
16.根据权利要求15所述的方法,其中,产生所述估计g参数值和所述估计h参数值的步骤包括:
17.根据权利要求16所述的方法,其中,通过使用所述当前电流值i(t)、前一g参数值gest(t-1)和前一h参数值hest(t-1),基于vest(t)=gest(t-1)×i(t)+hest(t-1)来计算所述估计电压值vest(t)。
18.根据权利要求16所述的方法,其中,通过使用所述前一状态向量值θest(t-1)、所述当前增益矩阵值l(t)和所述电压误差e(t),根据θest(t)=θest(t-1)+l(t)×e(t)来计算所述当前状态向量值θest(t)。
19.根据权利要求16所述的方法,其中,产生所述估计g参数值和所述估计h参数值的步骤还包括接收与所述g参数相关的第一遗忘因子λ1和与所述h参数相关的第二遗忘因子λ2。
20.根据权利要求19所述的方法,其中,所述当前增益矩阵值通过以下等式来计算:
21.根据权利要求1所述的方法,所述方法还包括以下步骤:
22.根据权利要求21所述的方法,其中,接收所述当前电流值和所述当前电压值的步骤包括: