一种动力电池荷电状态值估算方法及估算系统、工程车辆与流程

1.本技术涉及动力电池管理系统技术领域，具体涉及一种动力电池荷电状态值估算方法及估算系统、工程车辆。


背景技术：

[0002]“安全、节能、环保”是汽车技术发展的永恒主题。在全球能源危机及环保问题日益严峻的今天，以电动汽车为代表的新能源汽车已是当下最具市场竞争力的产品之一，不仅是乘用车辆，工程车辆亦是如此。因此，电动汽车应具备完善的对动力电池状态的控制和监控能力，即配备必要的动力电池管理系统，以实现动力电池优化运行与安全管理。而荷电状态值作为表征动力电池剩余容量的一个状态量，其精确估算是动力电池管理系统中最核心的技术之一，荷电状态值是动力电池使用过程中的重要参数，由于过充电或过放电会对动力电池造成不可逆的损伤，造成动力电池容量衰减，寿命缩短，甚至发生危险；另一方面，对于纯电动汽车来说，准确地显示动力电池的荷电状态值有助于打消用户对续航里程的顾虑。因此，为充分发挥动力电池的性能，提高动力电池的安全性，需要对荷电状态值进行准确的估计。
[0003]
目前，国内外已提出多种荷电状态值估计方法，常用的荷电状态值估算方法包括电流积分法和开路电压法，但是采用开路电压法估算荷电状态值时运算简单，因此估算得出的荷电状态值精度较低；电流积分法来估算荷电状态值时，在充放电效率和测量的精度等干扰下，随着动力电池的使用次数的增加，估算得出的荷电状态值误差较大，即荷电状态值的估算精度随着动力电池的使用次数的增加而降低，降低了用户的体验。


技术实现要素：

[0004]
有鉴于此，本技术提供了一种动力电池荷电状态值估算方法及估算系统、工程车辆，解决了现有技术中动力电池的荷电状态值估算精度不高，进而影响了动力电池在使用过程的安全性以及寿命。
[0005]
作为本技术的第一方面，本技术提供了一种动力电池荷电状态值的估算方法，包括：
[0006]
搭建动力电池的等效电路模型，所述动力电池为磷酸铁锂动力电池；基于所述等效电路模型，估算动力电池放电后的当前时刻的荷电状态值；当所述动力电池的当前时刻时的荷电状态值小于或者等于30％时，对所述等效电路模型的模型参数进行辨识以确定所述等效电路模型的模型参数；以及基于所述模型参数，采用扩展卡尔曼滤波算法对所述动力电池的实时荷电状态值进行估算并修正，以估算出所述动力电池的实时荷电状态值。
[0007]
在一种可能的实现方式中，所述基于所述模型参数，基于所述模型参数，采用扩展卡尔曼滤波算法对所述动力电池的实时荷电状态值进行估算并修正，以估算出所述动力电池的实时荷电状态值，包括：获取所述动力电池在上一时刻的荷电状态值；基于上一时刻的荷电状态值采用扩展卡尔曼滤波算法估算所述动力电池的当前时刻的初始荷电状态值；以
及采用扩展卡尔曼滤波算法对所述当前时刻的所述初始荷电状态值进行修正，确定所述当前时刻的实时荷电状态值。
[0008]
在一种可能的实现方式中，所述基于上一时刻的荷电状态值采用扩展卡尔曼滤波算法估算所述动力电池的当前时刻的初始荷电状态值，包括：确定第一状态参数矩阵、第二状态参数矩阵以及第三状态参数矩阵；以及基于上一时刻的荷电状态值、第一状态参数矩阵以及第二状态参数矩阵，采用扩展卡尔曼滤波算法对所述动力电池的当前时刻的初始荷电状态值进行计算，以估算所述动力电池的当前时刻的初始荷电状态值。
[0009]
在一种可能的实现方式中，所述第一状态参数矩阵为：
[0010][0011]
其中，a
′k为当前时刻k时的第一状态参数矩阵，δt为采样间隔，τ1为与等效电路模型中的第一极化内阻r1对应的时间常数，τ2为与等效电路模型中的第二极化内阻r2对应的时间常数；
[0012]
所述第二状态参数矩阵为：
[0013][0014]
其中，bk为当前时刻k时的第二状态参数矩阵，ηi为当前时刻k时的动力电池的库伦效率，δt为采样间隔，r1为等效电路模型中的第一极化内阻，r2为等效电路模型中的第二极化内阻，τ1为与第一极化内阻r1对应的时间常数，τ2为与第二极化内阻r2对应的时间常数，t为矩阵转置，c为动力电池的额定容量；
[0015]
所述第三状态参数矩阵为：
[0016][0017]
其中，c
′k为当前时刻k时的第三状态参数矩阵，soc
′k为当前时刻k时的实时荷电状态值；
[0018]
其中，基于上一时刻的荷电状态值、第一状态参数矩阵以及第二状态参数矩阵，采用扩展卡尔曼滤波算法对所述动力电池的当前时刻的初始荷电状态值进行计算，以估算所述动力电池的当前时刻的初始荷电状态值，包括：
[0019]
基于方程(一)，基于上一时刻的荷电状态值、第一状态参数矩阵以及第二状态参数矩阵，采用扩展卡尔曼滤波算法对所述动力电池的当前时刻的初始荷电状态值进行计算，以估算所述动力电池的当前时刻的初始荷电状态值；
[0020]
其中，所述方程(一)为：
[0021][0022]
其中，r1为等效电路模型中的第一极化内阻，r2为等效电路模型中的第二极化内阻，c1为等效电路模型中的第一极化电压，c2为等效电路模型中的第二极化电压，a
′k为时刻k+1时刻的上一时刻k时的第一状态参数矩阵，bk为时刻k+1时刻的上一时刻k时的第二状态参数矩阵，ik为时刻k+1时刻的上一时刻k时的所述动力电池的电流。
[0023]
在一种可能的实现方式中，所述采用扩展卡尔曼滤波算法对所述当前时刻的所述
初始荷电状态值进行修正，确定所述当前时刻的实时荷电状态值，包括：获取上一时刻时的误差协方差矩阵以及上一时刻时的增益矩阵；定义过程噪声协方差和观测噪声协方差；基于第一状态参数矩阵、第二状态参数矩阵以及第三状态参数矩阵分别对上一时刻时的误差协方差矩阵以及上一时刻时的增益矩阵进行更新，以确定当前时刻时的误差协方差矩阵以及当前时刻时的增益矩阵；获取所述动力电池的当前时刻的预测端电压；根据所述当前时刻的增益矩阵以及所述当前时刻的预测端电压对所述当前时刻的初始荷电状态值进行修正，以确定所述动力电池在当前时刻的实时荷电状态值。
[0024]
在一种可能的实现方式中，所述根据所述当前时刻的增益矩阵以及所述当前时刻的端电压对所述当前时刻的初始荷电状态进行修正，以确定所述动力电池在当前时刻的实时荷电状态值，包括：
[0025]
基于方程(二)，根据所述当前时刻的增益矩阵以及所述当前时刻的端电压对所述当前时刻的初始荷电状态值进行修正，以确定所述动力电池在当前时刻的实时荷电状态值；
[0026]
其中，所述方程(二)为：
[0027][0028]
其中，为当前时刻的实时荷电状态值，为当前时刻k时的初始荷电状态值，lk为当前时刻k时的增益矩阵，ik为当前时刻k时的所述动力电池的电流，yk为当前时刻k时的所述动力电池的观测端电压，g(x
′k，ik)为所述动力电池的当前时刻的预测端电压。
[0029]
在一种可能的实现方式中，所述基于第一状态参数矩阵、第二状态参数矩阵以及第三状态参数矩阵分别对上一时刻时的误差协方差矩阵以及上一时刻时的增益矩阵进行更新，以确定当前时刻时的误差协方差矩阵以及当前时刻时的增益矩阵，包括：根据上一时刻时的荷电状态值、上一时刻时的第一状态参数以及所述过程噪声协方差对上一时刻时的误差协方差矩阵进行初步更新，以确定当前时刻时的初始误差协方差矩阵；根据当前时刻时的初始误差协方差矩阵、当前时刻时的第三状态参数矩阵以及观测噪声协方差对上一时刻时的增益矩阵进行更新，以确定当前时刻时的增益矩阵；以及根据当前时刻时的增益矩阵以及当前时刻时的第三状态参数矩阵对当前时刻时的初始误差协方差矩阵进行更新，以确定当前时刻的误差协方差矩阵。
[0030]
在一种可能的实现方式中，所述根据上一时刻时的荷电状态值、上一时刻时的第一状态参数以及所述过程噪声协方差对上一时刻时的误差协方差矩阵进行初步更新，以确定当前时刻时的初始误差协方差矩阵，包括：
[0031]
基于方程(三)，根据上一时刻时的荷电状态值、上一时刻时的第一状态参数以及所述过程噪声协方差对上一时刻时的误差协方差矩阵进行初步更新，以确定当前时刻时的初始误差协方差矩阵；
[0032][0033]
方程(三)中，为当前时刻k时的初始误差协方差矩阵，为上一时刻k-1时的误差协方差矩阵，a
′
k-1
为上一时刻k-1时的第一状态参数矩阵，t为矩阵转置，q为过程噪声协方差；
[0034]
所述根据当前时刻时的初始误差协方差矩阵、当前时刻时的第三状态参数矩阵以及观测噪声协方差对上一时刻时的增益矩阵进行更新，以确定当前时刻时的增益矩阵，包括：
[0035]
基于方程(四)，根据当前时刻时的初始误差协方差矩阵、当前时刻时的第三状态参数矩阵以及观测噪声协方差对上一时刻时的增益矩阵进行更新，以确定当前时刻时的增益矩阵；
[0036][0037]
方程(四)中，lk为当前时刻k时的增益矩阵，为当前时刻k时的初始误差协方差矩阵，c
′k为当前时刻k时的第三状态参数矩阵，r为观测噪声协方差，t为矩阵转置；
[0038]
所述根据当前时刻时的增益矩阵以及当前时刻时的第三状态参数矩阵对当前时刻时的初始误差协方差矩阵进行更新，以确定当前时刻的误差协方差矩阵，包括：
[0039]
基于方程(五)，根据当前时刻时的增益矩阵以及当前时刻时的第三状态参数矩阵对当前时刻时的初始误差协方差矩阵进行更新，以确定当前时刻的误差协方差矩阵；
[0040][0041]
在方程(五)中，为当前时刻的误差协方差矩阵，lk为当前时刻k时的增益矩阵，c
′k为当前时刻k时的第三状态参数矩阵，为当前时刻k时的初始误差协方差矩阵，i为单位矩阵。
[0042]
在一种可能的实现方式中，所述对所述等效电路模型的模型参数进行辨识以确定所述等效电路模型的模型参数，包括：基于simulink模型搭建动力电池的动力电池管理系统，其中，所述动力电池管理系统包括多个互相并联的动力电池支路，每个所述动力电池支路包括多个电芯；基于所述动力电池管理系统筛选出每个所述动力电池支路中的最大电压对应的第一参考电芯，以及最小电压对应的第二参考电芯；基于每个所述动力电池支路中的第一参考电芯以及第二参考动力电池，对所述等效电路模型的模型参数进行辨识，以确定所述等效电路模型的模型参数。
[0043]
在一种可能的实现方式中，所述基于每个所述动力电池支路中的第一参考电芯以及第二参考动力电池，对所述等效电路模型的模型参数进行辨识，以确定所述等效电路模型的模型参数，包括：基于所述动力电池管理系统，分别获取每个所述动力电池支路中的第一参考电芯的实时温度信息以及第二参考电芯的实时温度信息；基于每个所述动力电池支路中的第一参考电芯的实时温度信息以及第二参考电芯的实时温度信息，采用线性插值的方法对所述等效电路模型的模型参数进行辨识，以确定所述等效电路模型的模型参数。
[0044]
作为本技术的第二方面，本技术提供了一种动力电池荷电状态值的估算系统，包括：等效电路模型构建模块，用于构建等效电路模型；估算开启模块，用于当所述动力电池的当前时刻的初始荷电状态值小于或者等于30％时，开启采用扩展卡尔曼滤波算法对动力电池的实时荷电状态值进行估算；
[0045]
模型参数辨识模块，用于当所述动力电池的当前时刻的初始荷电状态值小于或者等于30％时，对所述等效电路模型的模型参数进行辨识以确定所述等效电路模型的模型参数；以及估算模块，用于采用扩展卡尔曼滤波算法对所述动力电池的实时荷电状态值进行
估算并修正，以估算出所述动力电池的实时荷电状态值。
[0046]
作为本技术的第三方面，本技术提供了一种工程车，包括：动力电池；以及上述所述的动力电池荷电状态值的估算系统。
[0047]
本技术提供的动力电池荷电状态值的估算方法，采用的动力电池为磷酸铁锂动力电池，通过研究在测试不同温度下的soc(荷电状态值)-ocv(开路电压)曲线，在30％以下，曲线较为陡峭，ocv与soc变化的差异性较小，因此，在对动力电池的荷电状态值进行估算时，当荷电状态值低于30％时，即采用ekf算法对荷电状态值进行估算并精准修正，提高了磷酸铁锂动力电池对于荷电状态低于30％时的荷电状态值的估算精确度，进而提高了磷酸铁锂动力电池的荷电状态值的整体精度。
附图说明
[0048]
通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目标、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0049]
图1所示为本技术一实施例提供的一种动力电池荷电状态值的估算方法的流程示意图；
[0050]
图2所示为本技术一实施例提供的动力电池的等效电路模型的电路图；
[0051]
图3所示为本技术另一实施例提供的一种动力电池荷电状态值的估算方法的流程示意图；
[0052]
图4所示为本技术另一实施例提供的一种动力电池荷电状态值的估算方法的流程示意图；
[0053]
图5所示为通过本技术提供的动力电池荷电状态值的估算方法在25℃温度时对动力电池荷电状态值的估算曲线图；
[0054]
图6所示为通过本技术提供的动力电池荷电状态值的估算方法在25℃温度时对动力电池荷电状态值的估算误差图；
[0055]
图7所示为本技术一实施例提供的动力电池荷电状态值的估算系统的工作原理图；
[0056]
图8所示为本技术一实施例提供的电子设备的工作原理图。
具体实施方式
[0057]
本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本技术实施例中所有方向性指示(诸如上、下、左、右、前、后、顶、底
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0058]
另外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可
以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0059]
申请概述
[0060]
由于现有技术中采用开路电压法估算荷电状态值时运算简单，因此估算得出的荷电状态值精度较低；电流积分法来估算荷电状态值时，在充放电效率和测量的精度等干扰下，随着动力电池的使用次数的增加，估算得出的荷电状态值误差较大，即荷电状态值的估算精度随着动力电池的使用次数的增加而降低。
[0061]
卡尔曼滤波算法可以解决上述两种方法估算动力电池的荷电状态值时，估算精度低的问题，通过卡尔曼滤波的基本方程递推出状态估计，再结合端电压的拟合误差(电压外特性)来作为反馈机制对荷电状态值的状态偏差进行修正，从而实现闭环控制。因此，荷电状态值估算中常用改进的卡尔曼滤波算法，包括无迹卡尔曼滤波、扩展卡尔曼滤波、高阶卡尔曼滤波、自适应卡尔曼滤波等。
[0062]
但是，工程车辆工作环境恶劣，工况复杂，对动力电池的安全性要求较高，因此磷酸铁锂动力电池在当前工程车辆行业中应用最普遍，甚至是唯一选择。因此，提高磷酸铁锂动力电池荷电状态值的估算精度对工程车辆的意义不言而喻。近年来，对该类动力电池进行改进的卡尔曼滤波荷电状态值实时估算的专利层出不穷，但是均是针对广谱种类的动力电池，但是由于动力电池种类不同，不同种类的动力电池的soc-ocv曲线特性不同，因此，采用现有技术中的卡尔曼滤波算法估算不同动力电池的荷电状态值进行估算时，并不是每一种类动力电池的荷电状态值的精度均高，并且同一种动力电池由于自身的soc-ocv曲线特性，也会位于某一区间的动力电池的荷电状态值的估算精度较低，从而使得动力电池的荷电状态值估算整个过程中荷电状态值精度较低。例如，磷酸铁锂动力电池本身具有独有的soc-ocv曲线特性，soc中间区域较为平坦且具有明显的滞回特性，例如在30％～80％区间内soc-ocv曲线过于平坦且具有明显的滞回特性，而卡尔曼滤波算法是建立在准确的soc与ocv对应关系基础上的，因此当采用卡尔曼滤波算法对该区间的soc进行估算时，该区间的荷电状态值的精度较低，进而大幅度降低整体估算精度。
[0063]
本技术提供了一种动力电池荷电状态值的估算方法及估算系统，当动力电池为磷酸铁锂动力电池，通过研究在测试不同温度下的soc-ocv曲线，在30％以下，曲线较为陡峭，ocv与soc变化的差异性较小，因此，在对动力电池的荷电状态值进行估算时，当荷电状态值低于30％时，即采用ekf算法对荷电状态值进行估算并精准修正，提高了磷酸铁锂动力电池对于荷电状态低于30％时的荷电状态值的估算精确度，进而提高了磷酸铁锂动力电池的荷电状态值的整体精度。
[0064]
下面将结合本技术实施例中的附图，对本技术实施例中的技术方式进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的。
[0065]
示例性方法
[0066]
作为本技术的第一方面，图1所示为本技术提供的一种动力电池荷电状态值的估算方法的流程示意图，如图1所示，该动力电池荷电状态值的估算方法包括如下步骤：
[0067]
步骤s10：搭建动力电池的等效电路模型；
[0068]
其中，动力电池为磷酸铁锂动力电池；磷酸铁锂动力电池，是一种使用磷酸铁锂(lifepo4)作为正极材料，碳作为负极材料的锂离子动力电池。充电过程中，磷酸铁锂中的部分锂离子脱出，经电解质传递到负极，嵌入负极碳材料；同时从正极释放出电子，自外电路到达负极，维持化学反应的平衡。放电过程中，锂离子自负极脱出，经电解质到达正极，同时负极释放电子，自外电路到达正极，为外界提供能量。
[0069]
具体的，等效电路模型为二阶thevenin模型，图2所示为本技术一实施例提供的动力电池的等效电路模型电路图，如图2所示，该二阶thevenin模型包括：串联的电压源u
ocv
、欧姆内阻r0、第一并联结构以及第二并联结构，其中第一并联结构包括并联的第一极化内阻r1以及第一极化电容c1，第二并联结构包括并联的第二极化内阻r1以及第二极化电容c2。欧姆内阻r0的一端与第一并联结构连接，电压源u
ocv
的一端与欧姆内阻r0的另一端连接，第一并联结构的另一端与第二并联结构的一端连接，第二并联结构的另一端与电压源u
ocv
的另一端的电压即为等效电路模型的端电压u
l
。其中电压源u
ocv
的电压值为uocv，用于模拟动力电池在内部没有电流通过的情况下，动力电池正极与负极之间的电压，即模拟动力电池的开路电压；欧姆内阻r0的电阻值为r0，用于模拟动力电池内部的欧姆内阻；第一极化内阻r1的电阻值为r1，用于模拟动力电池在充电或者放电过程中，由正极与负极发生化学反应所引起的极化现象造成的内阻，是由电荷在动力电池内传递产生的阻滞效应造成的，也可以称为电化学极化内阻；第一极化电容c1的电容值为c1，用于模拟动力电池在充电或者放电过程中，由正极与负极发生化学反应所引起的极化现象造成的极化电容，也可以称为电化学极化电容；第二极化内阻r2的电阻值为r2，用于模拟动力电池在充电或者放电过程中，电极附近离子浓度由于电极反应而发生变化造成的内阻，也可以称为浓差极化内阻，第二极化电容c2的电容值为c2，用于模拟动力电池在充电或者放电过程中，电极附近离子浓度由于电极反应而发生变化造成的电容，也可以称为浓差极化电容。
[0070]
等效电路模型为二阶thevenin模型，在考虑了电化学极化的基础上考虑了浓差极化，使整个模型的极化特性更加精细，并对荷电状态值的估算误差可控制在2.5％以内。
[0071]
步骤s20：基于等效电路模型，估算动力电池放电后的当前时刻的荷电状态值；
[0072]
具体的，在估算当前动力电池的当前时刻的荷电状态值时，可以采用现有技术中任何一种估算方法来估算得到，估算方法包括但不限于扩展卡尔曼滤波算法。
[0073]
步骤s30：判断当动力电池的当前时刻时的荷电状态值是否大于30％；
[0074]
本技术所提供的动力电池为磷酸铁锂动力电池，通过研究发现：在测试不同温度下(0℃、10℃、25℃以及40℃)的soc-ocv曲线，并发现在30～80％的soc区间内曲线较为平坦且具有明显的滞回特性，较小的开路电压波动将会引起较大的soc变化，因此基于ocv-soc对应关系，不适用采用扩展卡尔曼滤波算法(以下简称ekf算法)来估算动力电池的荷电状态值；而在30％以下，曲线较为陡峭，ocv与soc变化的差异性较小，在此区间可用ekf算法对荷电状态值进行估算并精准修正，可以增加磷酸铁锂动力电池的荷电状态值(soc)的估算精确度，提高了磷酸铁锂动力电池的荷电状态值的整体精度。
[0075]
当判断结果为是时，即动力电池的当前时刻的荷电状态值大于30％，由于研究发现在30～80％的soc区间内曲线较为平坦且具有明显的滞回特性，较小的开路电压波动将会引起较大的soc变化，因此基于ocv-soc对应关系，不适用采用ekf算法来估算动力电池的
荷电状态值，即采用其他算法来估算动力电池的荷电状态值。
[0076]
当判断结果为否时，即动力电池的当前时刻的荷电状态值小于或者等于30％，由于研究发现在30％以下，曲线较为陡峭，ocv与soc变化的差异性较小，在此区间可用ekf算法对荷电状态值进行估算并精准修正，即执行步骤s40-步骤s50。即采用ekf算法对荷电状态值进行估算并精准修正，可以增加磷酸铁锂动力电池的荷电状态值(soc)的估算精确度，提高了磷酸铁锂动力电池的荷电状态值的整体精度。
[0077]
步骤s40：对等效电路模型的模型参数进行辨识以确定等效电路模型的模型参数；
[0078]
由于等效电路模型是基于动力电池工作性能特点，将电路元器件组成的电路来模拟动力电池的输出特性，依次来模拟动力电池的某些特性(动力电池的性能参数包括：容量、剩余电量、放电倍率、工作温度与效率、使用期限等)，因此，对等效电路模型的参数辨识即是辨识等效电路模型中的模型参数。
[0079]
例如，当等效电路模型为上述所述的二阶thevenin模型，如图2所示，二阶thevenin模型的模型参数为上述所述的电压源u
ocv
的电压值u
ocv
，欧姆内阻r0的电阻值r0，第一极化内阻r1的电阻值r1，第一极化电容c1的电容值c1，第二极化内阻r2的电阻值r2，第二极化电容c2的电容值c2。那么对二阶thevenin模型的模型参数的辨识则是辨识上述所述的电压源u
ocv
的电压值u
ocv
，欧姆内阻r0的电阻值r0，第一极化内阻r1的电阻值r1，第一极化电容c1的电容值c1，第二极化内阻r2的电阻值r2，第二极化电容c2的电容值c2。
[0080]
具体的，辨识二阶thevenin模型的模型参数的上述六个模型参数，可以通过获取动力电池(该动力电池的等效电路模型为二阶thevenin模型)的端电压值u
l
以及电流i
l
来辨识。
[0081]
步骤s50：基于模型参数，采用扩展卡尔曼滤波算法对动力电池的实时荷电状态值进行估算并修正，以估算出动力电池的实时荷电状态值。
[0082]
当通过步骤s40辨识出等效电路模型的模型参数后，基于模型参数，采用扩展卡尔曼滤波算法对动力电池的实时荷电状态值进行估算并修正，以估算出动力电池的实时荷电状态值。
[0083]
本技术的动力电池为磷酸铁锂动力电池，通过研究在测试不同温度下的soc-ocv曲线，在30％以下，曲线较为陡峭，ocv与soc变化的差异性较小，因此，在对动力电池的荷电状态值进行估算时，当荷电状态值低于30％时，即采用ekf算法对荷电状态值进行估算并精准修正，提高了磷酸铁锂动力电池对于荷电状态低于30％时的荷电状态值的估算精确度，进而提高了磷酸铁锂动力电池的荷电状态值的整体精度。
[0084]
在一种可能的实现方式中，图3所示为本技术另一实施例提供的一种动力电池荷电状态值的估算方法的流程示意图；如图3所示，步骤s50(基于模型参数，采用扩展卡尔曼滤波算法对动力电池的实时荷电状态值进行估算并修正，以估算出动力电池的实时荷电状态值)可具体包括如下步骤：
[0085]
步骤s501：获取动力电池在上一时刻时的荷电状态值；
[0086]
具体的，当前时刻为第k次采样时，那么上一时刻则为第k-1次采样时，那么上一时刻时的荷电状态值即为第k-1次采样时动力电池的荷电状态值。若当前时刻为第k+1次采样时，那么上一时刻则为低k次采样时，那么上一时刻时的荷电状态值则为第k次采样时的荷电状态值。
[0087]
具体的，上一时刻时的荷电状态值的可以为经过本技术所提供的动力电池荷电状态值的估算方法估算得出。
[0088]
步骤s502：基于上一时刻的荷电状态值采用扩展卡尔曼滤波算法估算动力电池的当前时刻的初始荷电状态值；
[0089]
具体的，步骤s502的可具体包括如下步骤：
[0090]
(i)确定第一状态参数矩阵、第二状态参数矩阵以及第三状态参数矩阵；
[0091]
具体的，当动力电池的等效电路模型为如图2所示的二阶thevenin模型时，第一状态参数矩阵为：
[0092][0093]
其中，a
′k为当前时刻k时的第一状态参数矩阵，δt为采样间隔，τ1为与等效电路模型中的第一极化内阻r1对应的时间常数，τ2为与等效电路模型中的第二极化内阻r2对应的时间常数；
[0094]
第二状态参数矩阵为：
[0095][0096]
其中，bk为当前时刻k时的第二状态参数矩阵，ηi为当前时刻k时的动力电池的库伦效率，δt为采样间隔，r1为等效电路模型中的第一极化内阻，r2为等效电路模型中的第二极化内阻，τ1为与第一极化内阻r1对应的时间常数，τ2为与第二极化内阻r2对应的时间常数，t为矩阵转置，c为动力电池的额定容量；
[0097]
第三状态参数矩阵为：
[0098][0099]
其中，c
′k为当前时刻k时的第三状态参数矩阵，soc
′k为当前时刻k时的实时荷电状态值；
[0100]
(ii)基于上一时刻的荷电状态值、第一状态参数矩阵以及第二状态参数矩阵，采用扩展卡尔曼滤波算法对动力电池的当前时刻的初始荷电状态值进行计算，以估算动力电池的当前时刻的初始荷电状态值。
[0101]
具体的，在估算动力电池的荷电状态值时，荷电状态值的通用估算方程为：其中，x为荷电状态值，soc为荷电状态值，r1为等效电路模型中的第一极化内阻值，r2为等效电路模型中的第二极化内阻值，c1为等效电路模型中的第一极化电压值，c2为等效电路模型中的第二极化电压值，t为矩阵转置。
[0102]
根据上一时刻的荷电状态值估算当前时刻的初始荷电状态值的估算方程为：
[0103][0104]
其中为当前时刻时k时的初始荷电状态值，即第k次采样时的初始荷电状态值；i
k-1
为上一时刻时k-1时的动力电池的电流，即第k-1次采样时动力电池的电流；为上一时刻时，即第k-1次采样时，估算出来的动力电池的实时荷电状态值；其中，在估算第k-1次
采样时，动力电池的实时荷电状态值时，该实时荷电状态值也是通过本技术估算方法估算得到。
[0105]
因此，基于方程以及方程可知：步骤(ii)可以具体包括：基于方程(一)，基于上一时刻的荷电状态值、第一状态参数矩阵以及第二状态参数矩阵，采用扩展卡尔曼滤波算法对动力电池的当前时刻的初始荷电状态值进行计算，以估算动力电池的当前时刻的初始荷电状态值；
[0106]
其中，方程(一)为：
[0107][0108]
其中，为k+1时刻时的初始荷电状态值，为k时刻时的荷电状态值，r1为等效电路模型中的第一极化内阻值，r2为等效电路模型中的第二极化内阻值，c1为等效电路模型中的第一极化电压值，c2为等效电路模型中的第二极化电压值，a
′k为时刻k+1时的上一时刻k时的第一状态参数矩阵，bk为时刻k+1的上一时刻k时的时的第二状态参数矩阵，ik为时刻k+1的上一时刻k时的时的动力电池的电流。
[0109]
需要说明的是，方程(一)中，若k+1时刻为当前时刻时，那么k时刻为上一时刻；同理，若当前时刻为k时，k-1则为上一时刻。
[0110]
将步骤(i)中的第一状态参数矩阵以及第二状态参数矩阵代入上述方程(一)后得到：
[0111][0112]
通过步骤s502即可确定动力电池的当前时刻的初始荷电状态值。
[0113]
步骤s503：采用扩展卡尔曼滤波算法对当前时刻的初始荷电状态值进行修正，确定当前时刻的实时荷电状态值。
[0114]
具体的，步骤s503可以包括如下步骤：
[0115]
(1)获取上一时刻时的误差协方差矩阵以及上一时刻时的增益矩阵；
[0116]
即确定上一时刻k-1时刻时的误差协方差矩阵以及增益矩阵。
[0117]
(2)定义过程噪声协方差和观测噪声协方差；
[0118]
具体的，过程噪声协方差和观测噪声协方差是需要事先人工进行调试得到的，在调试噪声协方差和观测噪声协方差的时候，会根据不同的工况电流进行标定，即系统里会存储有多组过程噪声协方差和观测噪声协方差，然后根据不同的工况，选择对应的一组过程噪声协方差和观测噪声协方差，以提高荷电状态值的估算精度较高。
[0119]
(3)基于第一状态参数矩阵、第二状态参数矩阵以及第三状态参数矩阵分别对上一时刻时的误差协方差矩阵以及上一时刻时的增益矩阵进行更新，以确定当前时刻时的误
差协方差矩阵以及当前时刻时的增益矩阵；
[0120]
具体的，当动力电池的等效电路模型为如图2所示的二阶thevenin模型时，当前时刻时的误差协方差矩阵以及当前时刻时的增益矩阵的确定方式可以采用包括如下步骤：
[0121]
①
根据上一时刻时的荷电状态值、上一时刻时的第一状态参数以及过程噪声协方差对上一时刻时的误差协方差矩阵进行初步更新，以确定当前时刻时的初始误差协方差矩阵；
[0122]
即，基于方程(三)，根据上一时刻时的荷电状态值、上一时刻时的第一状态参数以及过程噪声协方差对上一时刻时的误差协方差矩阵进行初步更新，以确定当前时刻时的初始误差协方差矩阵；
[0123][0124]
方程(三)中，为当前时刻k时的初始误差协方差矩阵，为上一时刻k-1时的误差协方差矩阵，a
′
k-1
为上一时刻k-1时的第一状态参数矩阵，t为矩阵转置，q为过程噪声协方差；
[0125]
②
根据当前时刻时的初始误差协方差矩阵、当前时刻时的第三状态参数矩阵以及观测噪声协方差对上一时刻时的增益矩阵进行更新，以确定当前时刻时的增益矩阵；
[0126]
即，基于方程(四)，根据当前时刻时的初始误差协方差矩阵、当前时刻时的第三状态参数矩阵以及观测噪声协方差对上一时刻时的增益矩阵进行更新，以确定当前时刻时的增益矩阵；
[0127][0128]
方程(四)中，lk为当前时刻k时的增益矩阵，为当前时刻k时的初始误差协方差矩阵，c
′k为当前时刻k时的第三状态参数矩阵，r为观测噪声协方差，t为矩阵转置；
[0129]
③
根据当前时刻时的增益矩阵以及当前时刻时的第三状态参数矩阵对当前时刻时的初始误差协方差矩阵进行更新，以确定当前时刻的误差协方差矩阵。
[0130]
即，基于方程(五)，根据当前时刻时的增益矩阵以及当前时刻时的第三状态参数矩阵对当前时刻时的初始误差协方差矩阵进行更新，以确定当前时刻的误差协方差矩阵；
[0131][0132]
在方程(五)中，为当前时刻的误差协方差矩阵，lk为当前时刻k时的增益矩阵，c
′k为当前时刻k时的第三状态参数矩阵，为当前时刻k时的初始误差协方差矩阵，i为单位矩阵。
[0133]
(4)获取动力电池的当前时刻的预测端电压；
[0134]
具体的，预测动力电池的当前时刻的预测端电压时，可以采用以下方程进行预测：
[0135]
g(xk，ik)＝ocv(xk[1])-i
kr0-xk[2]-xk[3]
[0136]
其中，ocv为开路电压，ik为当前时刻k时的电流，r0为欧姆内阻值r0，xk为当前时刻k时的实时荷电状态值。
[0137]
(5)根据当前时刻的增益矩阵以及当前时刻的预测端电压对当前时刻的初始荷电状态值进行修正，以确定动力电池在当前时刻的实时荷电状态值。
[0138]
具体的，基于方程(二)，根据当前时刻的增益矩阵以及当前时刻的预测端电压对当前时刻的初始荷电状态值进行修正，以确定动力电池在当前时刻的实时荷电状态值；
[0139]
其中，方程(二)为：
[0140][0141]
其中，为当前时刻的实时荷电状态值，为当前时刻k时的初始荷电状态值，lk为当前时刻k时的增益矩阵，ik为当前时刻k时的动力电池的电流，yk为当前时刻k时的动力电池的观测端电压，即实测动力电池的实测端电压，g(x
′k，ik)为动力电池的当前时刻的预测端电压。
[0142]
在一种可能的实现方式中，如图4所示，步骤s40(对等效电路模型的模型参数进行辨识以确定等效电路模型的模型参数)具体包括如下步骤：
[0143]
步骤s401：基于simulink模型搭建动力电池的动力电池管理系统，其中，动力电池管理系统包括多个互相并联的动力电池支路，动力电池支路包括多个电芯；
[0144]
具体的，本技术中的动力电池管理系统包括两个互相并联的动力电池支路，每个动力电池支路包括多个电芯。
[0145]
基于simulink模型搭建动力电池的动力电池管理系统，可以监测每个动力电池支路中的每个电芯电压(采用电压采集芯片即可检测得到每个电芯的电压)和温度(采用温度采集芯片即可检测得到每个电芯的温度)。
[0146]
步骤s402：基于动力电池管理系统筛选出每个动力电池支路中的最大电压对应的第一参考电芯，以及最小电压对应的第二参考电芯；
[0147]
当simulink模型搭建动力电池的动力电池管理系统，可以监测到每个动力电池支路中的每个电芯电压以及电芯温度，然后筛选出来每个动力电池支路中的最大电压对应的第一参考电芯以及最小电压对应的第二参考电芯；
[0148]
确定第一参考电芯以及第二参考电芯后，由于每个电芯均有电芯序列号，因此，即可确定第一参考电芯的电芯序列号以及第二参考电芯的电芯序列号。
[0149]
当动力电池管理系统包括两个并联的动力电池支路时，那么经过步骤s402即可筛选出来四个参考电芯，分别为第一支路里的第一参考电芯(即第一支路里的最大电压所对应的电芯)以及第二参考电芯(即第一支路里最小电压所对应的电芯)，第二支路里的第三参考电芯(即第二支路里的最大电压所对应的电芯)以及第四参考电芯(即第二支路里最小电压所对应的电芯)。
[0150]
那么通过步骤s402即可筛选出四个参考电芯并确定四个参考电芯的电芯序列号。
[0151]
步骤s403：基于每个动力电池支路中的第一参考电芯以及第二参考动力电池，对等效电路模型的模型参数进行辨识，以确定等效电路模型的模型参数。
[0152]
具体的，当步骤s402中确定每个动力电池支路中的第一参考电芯以及第二参考电芯后，根据第一参考电芯的电芯序列号以及第二参考电芯的电芯序列号获取第一参考电芯以及第二参考电芯的参数，然后根据参数对等效电路模型的模型参数进行辨识。
[0153]
例如，当动力电池管理系统包括两个并联的动力电池支路时，那么经过步骤s402即可筛选出来四个参考电芯，则可以根据该四个参考电芯的参数对等效电路模型的模型参数进行辨识。
[0154]
具体的，当等效电路模型为如图2所示的二阶thevenin模型时，根据该四个参考电芯的参数对等效电路模型的模型参数进行辨识即是对电压源u
ocv
的电压值u
ocv
，欧姆内阻r0的电阻值r0，第一极化内阻r1的电阻值r1，第一极化电容c1的电容值c1，第二极化内阻r2的电阻值r2，第二极化电容c2的电容值c2进行辨识。
[0155]
可选的，步骤s403进一步包括：
[0156]
①
基于动力电池管理系统，分别获取每个动力电池支路中的第一参考电芯的实时温度信息以及第二参考电芯的实时温度信息；
[0157]
②
基于每个动力电池支路中的第一参考电芯的实时温度信息以及第二参考电芯的实时温度信息，采用线性插值的方法对等效电路模型的模型参数进行辨识，以确定等效电路模型的模型参数。
[0158]
即，本技术在对等效电路模型的模型参数进行辨识时，基于不同温度条件(0～40℃)下的参考电芯的参数来对模型参数进行辨识，降低了温度变化对辨识模型参数的影响，从而提高了模型参数的辨识精度，进一步提高了动力电池荷电状态值的估算精度。
[0159]
具体的，可以通过设定四个温度梯度(例如0℃、10℃、25℃以及40℃)分别对模型参数进行辨识。
[0160]
通过上述方法在25℃温度时对动力电池荷电状态值的估算曲线图如图5所示，在25℃温度时对动力电池荷电状态值的估算误差图如图6所示，从图5以及图6中可以看出，使用本技术所提供的动力电池荷电状态估算方法估算得到的动力电池荷电状态值，测试精度可在2min内收敛到2.5％以内，因此，提高了扩展卡尔曼滤波模型在对30％以下荷电状态值的估算的准确性以及精度。
[0161]
示例性系统
[0162]
作为本技术的第二方面，本技术还提供了一种动力电池荷电状态值的估算系统，如图7所示，该动力电池荷电状态值的估算系统10包括：
[0163]
等效电路模型构建模块100，用于构建等效电路模型；
[0164]
具体的，等效电路模型为二阶thevenin模型，图2所示为本技术一实施例提供的动力电池的等效电路模型电路图，如图2所示，该二阶thevenin模型包括：串联的电压源u
ocv
、欧姆内阻r0、第一并联结构以及第二并联结构，其中第一并联结构包括并联的第一极化内阻r1以及第一极化电容c1，第二并联结构包括并联的第二极化内阻r1以及第二极化电容c2。欧姆内阻r0的一端与第一并联结构连接，电压源u
ocv
的一端与欧姆内阻r0的另一端连接，第一并联结构的另一端与第二并联结构的一端连接，第二并联结构的另一端与电压源u
ocv
的另一端的电压即为等效电路模型的端电压u
l
。其中电压源u
ocv
的电压值为uocv，用于模拟动力电池在内部没有电流通过的情况下，动力电池正极与负极之间的电压，即模拟动力电池的开路电压；欧姆内阻r0的电阻值为r0，用于模拟动力电池内部的欧姆内阻；第一极化内阻r1的电阻值为r1，用于模拟动力电池在充电或者放电过程中，由正极与负极发生化学反应所引起的极化现象造成的内阻，是由电荷在动力电池内传递产生的阻滞效应造成的，也可以称为电化学极化内阻；第一极化电容c1的电容值为c1，用于模拟动力电池在充电或者放电过程中，由正极与负极发生化学反应所引起的极化现象造成的极化电容，也可以称为电化学极化电容；第二极化内阻r2的电阻值为r2，用于模拟动力电池在充电或者放电过程中，电极附近离子浓度由于电极反应而发生变化造成的内阻，也可以称为浓差极化内
阻，第二极化电容c2的电容值为c2，用于模拟动力电池在充电或者放电过程中，电极附近离子浓度由于电极反应而发生变化造成的电容，也可以称为浓差极化电容。等效电路模型为二阶thevenin模型，在考虑了电化学极化的基础上考虑了浓差极化，使整个模型的极化特性更加精细，并对荷电状态值的估算误差可控制在2.5％以内。
[0165]
估算开启模块200，用于当动力电池的当前时刻的初始荷电状态值小于或者等于30％时，开启采用扩展卡尔曼滤波算法对动力电池的实时荷电状态值进行估算；
[0166]
模型参数辨识模块300，用于当动力电池的当前时刻的初始荷电状态值小于或者等于30％时，对等效电路模型的模型参数进行辨识以确定等效电路模型的模型参数；
[0167]
具体的，在对模型参数进行辨识时，通过simulink模型搭建动力电池的动力电池管理系统，可以监测到每个动力电池支路中的每个电芯电压以及电芯温度，然后筛选出来每个动力电池支路中的最大电压对应的第一参考电芯以及最小电压对应的第二参考电芯；然后基于simulink模型搭建动力电池的动力电池管理系统确定每个动力电池支路中的参考电芯的参数，并根据每个动力电池支路中的参考电芯的参数对二阶thevenin模型的模型参数进行辨识。
[0168]
估算模块400，用于采用扩展卡尔曼滤波算法对动力电池的实时荷电状态值进行估算并修正，以估算出动力电池的实时荷电状态值。
[0169]
具体的估算方法如上述所述的动力电池荷电状态值的估算方法，在次不再做赘述。
[0170]
本技术提供的动力电池荷电状态值的估算系统，采用的动力电池为磷酸铁锂动力电池，通过研究在测试不同温度下的soc-ocv曲线，在30％以下，曲线较为陡峭，ocv与soc变化的差异性较小，因此，在对动力电池的荷电状态值进行估算时，当荷电状态值低于30％时，即采用ekf算法对荷电状态值进行估算并精准修正，提高了磷酸铁锂动力电池对于荷电状态低于30％时的荷电状态值的估算精确度，进而提高了磷酸铁锂动力电池的荷电状态值的整体精度。
[0171]
示例性工程车辆
[0172]
作为本技术的第三方面，本技术还提供了一种工程车辆，包括动力电池以及上述所述的动力电池荷电状态值的估算系统。其中，动力电池荷电状态值的估算系统采用上述所述的动力电池荷电状态值的估算方法对动力电池的荷电状态值进行估算。具体的估算方法如上述所述的动力电池荷电状态值的估算方法，在次不再做赘述。
[0173]
示例性电子设备
[0174]
下面，参考图8来描述根据本技术实施例的电子设备。图8所示为本技术一实施例提供的电子设备的结构示意图。
[0175]
如图8所示，电子设备600包括一个或多个处理器601和存储器602。
[0176]
处理器601可以是中央处理单元(cpu)或者具有数据处理能力和/或信息执行能力的其他形式的处理单元，并且可以控制电子设备600中的其他组件以执行期望的功能。
[0177]
存储器601可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以
存储一个或多个计算机程序信息，处理器601可以运行所述程序信息，以实现上文所述的本技术的各个实施例的动力电池荷电状态值估算方法或者其他期望的功能。
[0178]
在一个示例中，电子设备600还可以包括：输入装置603和输出装置604，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
[0179]
该输入装置603可以包括例如键盘、鼠标等等。
[0180]
该输出装置604可以向外部输出各种信息。该输出装置604可以包括例如显示器、通信网络及其所连接的远程输出设备等等。
[0181]
当然，为了简化，图8中仅示出了该电子设备600中与本技术有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备600还可以包括任何其他适当的组件。
[0182]
除了上述方法和设备以外，本技术的实施例还可以是计算机程序产品，其包括计算机程序信息，所述计算机程序信息在被处理器运行时使得所述处理器执行本说明书中描述的根据本技术各种实施例的动力电池荷电状态值估算方法中的步骤。
[0183]
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本技术实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
[0184]
此外，本技术的实施例还可以是计算机可读存储介质，其上存储有计算机程序信息，所述计算机程序信息在被处理器运行时使得所述处理器执行本说明书根据本技术各种实施例的动力电池荷电状态值估算方法中的步骤。
[0185]
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0186]
以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
[0187]
本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0188]
还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解
和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方式。
[0189]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的。因此，本技术不意图被限制到在此示出的方面，而是按照与在此发明的原理和新颖的特征一致的最宽。
[0190]
以上所述仅为本技术创造的较佳实施例而已，并不用以限制本技术创造，凡在本技术创造的精神和原则之内，所作的任何修改、等同替换等，均应包含在本技术创造的保护之内。