一种钠离子电池荷电状态估算方法及估算装置与流程

本发明涉及电化学储能电池管理，尤其是涉及一种钠离子电池荷电状态估算方法及估算装置。

背景技术：

1、由于电子设备和电动汽车消费品的迅速发展，锂离子电池需求急剧增加，锂资源受限问题日益突出，促使科学家们寻找当前锂离子技术的替代品。相比于锂资源，钠离子电池技术之所以能够获得巨大关注，是因为钠是地球上第四丰富的元素，并且其资源成本较低。钠被认为是仅次于锂的最轻最小的元素，具有相似的性质。这提供了在钠离子电池(sodium ion battery，sib)的工业化中不需要太多基础设施改变的优势。此外，sib的另一个优点是，与锂离子电池技术中用于阳极的铜箔相比，它可以使用更低成本的铝箔作为阳极和阴极的集电器。因此，sib是锂离子技术的低成本替代物的有前途的候选物。最后，na+基电解质的高离子电导率有助于提高sib的性能。层状氧化物化合物被认为是sib阴极材料的合适候选材料，因为其固有的更好的离子扩散结构有助于获得更高的电池能量密度和倍率性能。

2、电池荷电状态(state of charge，soc)是衡量电池中可用电荷相对于其可以保留的总电荷的指标。电池的soc越高，表明电池中储存的能量越多。它被认为是电池的规格，是电池管理系统(battery management system，bms)的重要因素。由于soc无法直接测量，其随放电电流和温度的时间非线性变化使其成为评估bms的一个非常复杂的参数。soc的正确估计不仅避免电池过度放电，这有助于电池更长时间的运行，而且使用有效的控制策略节省能量。

3、估算sib的soc的方法有很多，但根据其复杂性和准确性，它们各有优缺点。直接测量法如端电压法、电化学阻抗谱(electrochemical impedance spectroscopy，eis)虽然简单，但也有其自身的缺点。端电压法是基于电池元件阻抗引起的电池电压降。sib的soc越低，电池中的电压降越高，因此提供了端电压与soc的直接关系。但是，当电池放电达到较低电压窗口的末端时，端电压法soc估计误差将增加，因为电池的端电压在放电过程结束时突然下降。此外，对于具有层状氧化物阴极材料的电池，具有许多电压平台，对soc不太敏感。阻抗法是估计电池soc的离线方法之一，但在电动汽车等应用中，不能将电池从模块上断开来执行eis测试。利用扩展卡尔曼滤波器进行soc估算，很难在电池模型中包含sib热或者老化动态。神经网络是预测和估计任何非线性动态系统的最强有力的工具之一。它有能力学习输入网络的数据之间的所有线性和非线性关系，并适应数据的变化，但是神经网络方法需要较多的计算资源，无法适用于嵌入式bms。

技术实现思路

1、因此，本发明技术方案主要解决现有技术中由于bms无法测出电池内部参数变化，导致单一的评估方法限制了钠离子电池soc估计精度提升的缺陷，从而提供一种钠离子电池荷电状态估算方法及估算装置。

2、第一方面，本发明实施例提供了一种钠离子电池荷电状态估算方法，包括：

3、获取预设采样间隔内的钠离子电池数据，基于所述预设采样间隔内的钠离子电池数据确定电池外部特性参数；

4、基于所述电池外部特性参数，利用查表法确定第一钠离子电池荷电状态估计值；

5、获取钠离子电池荷电状态量，基于所述钠离子电池数据和所述钠离子电池荷电状态量，利用安时积分法确定第二钠离子电池荷电状态估计值；

6、基于所述钠离子电池荷电状态量，利用扩展卡尔曼滤波法确定第三钠离子电池荷电状态估计值；

7、获取预设权重，基于所述第一钠离子电池荷电状态估计值、所述第二钠离子电池荷电状态估计值、所述第三钠离子电池荷电状态估计值和所述预设权重确定钠离子电池荷电状态估算值；所述钠离子电池荷电状态估算值用于控制钠离子电池的运行。

8、本发明实施例提供的一种钠离子电池荷电状态估算方法，分别利用安时积分法、查表法和扩展卡尔曼滤波法得到第一钠离子电池荷电状态估计值、第二钠离子电池荷电状态估计值和第三钠离子电池荷电状态估计值，并利用预设权重将第一钠离子电池荷电状态估计值、第二钠离子电池荷电状态估计值和第三钠离子电池荷电状态估计值进行融合，进而确定钠离子电池荷电状态估算值，将安时积分法、查表法和扩展卡尔曼滤波法融合对钠离子电池荷电状态进行估算，解决了安时积分、在线参数辨识过程中钠离子电池荷电状态的估算误差难以修正的难题，弥补bms无法测出电池内部参数变化导致的单一评估方法对电池soc估计精度提升带来的限制，保证了钠离子电池soc的估计精度，避免了电池过度放电对电池运行的影响，可使用有效的控制策略节省能量。

9、结合第一方面，在一种可能的实施方式中，所述基于所述预设采样间隔内的钠离子电池数据确定电池外部特性参数，包括：

10、获取电池电路等效模型，基于所述预设采样间隔内的钠离子电池数据对所述电池电路等效模型进行参数标定，生成电路模型参数，并基于电路模型参数确定所述电池外部特性参数。

11、结合第一方面，在另一种可能的实施方式中，所述基于所述钠离子电池数据与所述钠离子电池荷电状态量确定第二钠离子电池荷电状态估计值，包括：

12、获取电池标称容量和电池库伦效率，提取所述钠离子电池数据中的单体电池电流，基于所述电池标称容量、所述电池库伦效率、所述单体电池电流和所述钠离子电池荷电状态量确定所述第二钠离子电池荷电状态估计值。

13、结合第一方面，在另一种可能的实施方式中，所述基于所述钠离子电池荷电状态量，利用扩展卡尔曼滤波法确定第三钠离子电池荷电状态估计值，包括：

14、获取影响因素和采样时间，基于所述电路模型参数、所述电池标称容量、所述影响因素和所述采样时间确定系数矩阵；

15、基于所述钠离子电池荷电状态量和所述系数矩阵确定卡尔曼滤波增益；

16、基于所述钠离子电池荷电状态量、所述系数矩阵和所述电路模型参数确定状态量更新值；

17、获取电压估算值和线性常量补偿因子，基于所述卡尔曼滤波增益、所述电路模型参数、所述状态量更新值、所述电压估算值和所述线性常量补偿因子确定所述第三钠离子电池荷电状态估计值。

18、结合第一方面，在另一种可能的实施方式中，所述基于所述钠离子电池荷电状态量和所述系数矩阵确定卡尔曼滤波增益，包括：

19、将所述钠离子电池荷电状态量初始化，确定电池荷电状态初始化量；

20、基于所述钠离子电池荷电状态量和所述电池荷电状态初始化量确定状态量协方差；

21、获取噪声变量的估计误差协方差矩阵，基于所述系数矩阵、所述状态量协方差和所述噪声变量的估计误差协方差矩阵确定上一时刻的状态量协方差误差；

22、获取协方差矩阵、单位矩阵和协方差调整因子，基于所述上一时刻的状态量协方差误差、所述协方差矩阵、所述单位矩阵和所述协方差调整因子确定当前状态量协方差误差；

23、获取噪声变量的测量误差协方差矩阵，基于所述系数矩阵、所述当前状态量协方差误差和所述噪声变量的测量误差协方差矩阵确定所述卡尔曼滤波增益。

24、结合第一方面，在另一种可能的实施方式中，所述基于所述钠离子电池荷电状态量、所述系数矩阵和所述电路模型参数确定状态量更新值，包括：

25、基于所述电路模型参数、所述电池标称容量、所述影响因素和所述采样时间建立卡尔曼滤波的状态空间方程；

26、将所述电池荷电状态初始化量输入所述卡尔曼滤波的状态空间方程中，生成更新后的电池荷电状态量；

27、基于所述更新后的电池荷电状态量、所述系数矩阵和所述电路模型参数确定所述状态量更新值。

28、结合第一方面，在另一种可能的实施方式中，还包括：

29、基于所述第一钠离子电池荷电状态估计值、所述第二钠离子电池荷电状态估计值、所述第三钠离子电池荷电状态估计值和所述钠离子电池荷电状态估算值确定钠离子电池荷电状态误差值；

30、将所述钠离子电池荷电状态误差值与预设误差值进行比较，当所述钠离子电池荷电状态误差值小于所述预设误差值时，输出所述钠离子电池荷电状态估算值。

31、第二方面，本发明实施例还提供了一种钠离子电池荷电状态估算装置，包括：

32、获取模块，用于获取预设采样间隔内的钠离子电池数据，基于所述预设采样间隔内的钠离子电池数据确定电池外部特性参数；

33、第一确定模块，用于基于所述电池外部特性参数，利用查表法确定第一钠离子电池荷电状态估计值；

34、第二确定模块，用于获取钠离子电池荷电状态量，基于所述钠离子电池数据和所述钠离子电池荷电状态量，利用安时积分法确定第二钠离子电池荷电状态估计值；

35、第三确定模块，用于基于所述钠离子电池荷电状态量，利用扩展卡尔曼滤波法确定第三钠离子电池荷电状态估计值；

36、第四确定模块，用于获取预设权重，基于所述第一钠离子电池荷电状态估计值、所述第二钠离子电池荷电状态估计值、所述第三钠离子电池荷电状态估计值和所述预设权重确定钠离子电池荷电状态估算值；所述钠离子电池荷电状态估算值用于控制钠离子电池的运行。

37、第三方面，本发明实施例还公开了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的一种钠离子电池荷电状态估算方法的步骤。

38、第四方面，本发明实施方式还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的一种钠离子电池荷电状态估算方法的步骤。