估计电池的荷电状态的方法及装置与流程

技术特征：

1.一种估计电池的荷电状态的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，估计所述第一参数值α1(k)、所述第二参数值α2(k)和所述第三参数值α3(k)以使所述当前电压值vt(k)与当前电压估计值v^t(k)之间的误差e(k)的平方最小化。

3.根据权利要求2所述的方法，其中，由所述第一参数值α1(k)、所述第二参数值α2(k)和所述第三参数值α3(k)组成的参数矩阵θ(k)通过以下等式确定：

4.根据权利要求3所述的方法，其中，通过使用由所述参考开路电压值voc,ref(k)、所述当前电流值il(k)和所述先前电流值il(k-1)组成的回归矩阵φ(k)和所述参数矩阵的先前值θ(k-1)，根据v^t(k)＝θt(k-1)φ(k)来确定所述当前电压估计值v^t(k)，其中，所述回归矩阵φ(k)根据φ(k)＝[voc,ref(k),il(k),il(k-1)]t来定义，所述参数矩阵θ(k)根据θ(k)＝[α1(k),α2(k),α3(k)]t来定义。

5.根据权利要求4所述的方法，其中，所述增益矩阵k(k)通过以下等式确定：

6.根据权利要求5所述的方法，其中，所述协方差矩阵p(k)通过以下等式确定：

7.根据权利要求5所述的方法，其中，当所述当前电压值vt(k)与所述先前电压值vt(k-1)之间的差大于预设值时，所述遗忘因子λ(k)的值减小。

8.根据权利要求1所述的方法，其中，所述扩展卡尔曼滤波器包括根据soc(k+1)＝soc(k)+(ηt/cn)*il(k)+w(k)定义的状态方程以及根据vt(k)＝α1(k)h(soc(k))+α2(k)il(k)+α3(k)il(k-1)+v(k)定义的电池模型方程，其中，η是充电和放电效率，t是采样周期，cn是所述电池的容量，w(k)是过程噪声，v(k)是观察噪声，h(soc(k))是所述参考开路电压值voc,ref(k)。

9.一种存储有计算机程序的存储介质，所述计算机程序用于使计算装置执行根据权利要求1至8中任一项所述的方法。

10.一种用于估计电池的荷电状态的装置，所述装置包括：

技术总结
本公开涉及估计电池的荷电状态的方法及装置。根据所述估计电池的荷电状态的方法，通过检测所述电池的电压和电流来生成当前电压值V<subgt;t</subgt;(k)和当前电流值I<subgt;L</subgt;(k)。基于荷电状态估计值SOC(k)确定参考开路电压值V<subgt;OC,ref</subgt;(k)。通过使用递归最小二乘法(RLS)，根据所述当前电压值V<subgt;t</subgt;(k)、所述参考开路电压值V<subgt;OC,ref</subgt;(k)、所述当前电流值I<subgt;L</subgt;(k)和先前电流值I<subgt;L</subgt;(k‑1)来估计第一参数值α<subgt;1</subgt;(k)、第二参数值α<subgt;2</subgt;(k)和第三参数值α<subgt;3</subgt;(k)。通过使用扩展卡尔曼滤波器(EKF)，根据所述荷电状态估计值SOC(k)、所述当前电压值Vt(k)、所述参考开路电压值V<subgt;OC,ref</subgt;(k)、所述当前电流值I<subgt;L</subgt;(k)、所述先前电流值I<subgt;L</subgt;(k‑1)以及所述第一参数值α<subgt;1</subgt;(k)、所述第二参数值α<subgt;2</subgt;(k)和所述第三参数值α<subgt;3</subgt;(k)，来确定所述电池的下一荷电状态估计值SOC(k+1)。

技术研发人员：金济益,金纪宪,金相禹,宋永彬,徐旻焕
受保护的技术使用者：三星SDI株式会社
技术研发日：
技术公布日：2024/1/16