一种电动汽车动力电池SOC估算方法及系统

本发明属于电池电量，更具体地，本发明涉及一种电动汽车动力电池soc估算方法及系统。

背景技术：

1、随着能源短缺、环境污染等社会问题的愈加严重使得电动汽车快速发展。锂离子电池因具有能量密度大、充放电倍率高以及循环寿命长等优点成为电动汽车最主要的动力来源，然而由于自身属性的原因，锂离子电池的剩余容量无法在线测得。传统燃油车可以在油箱中装置油量传感器，以此来测得剩余油量，具有较高的精度，驾驶人员可以根据显示剩余油量判断续驶里程。以锂离子电池为动力来源的电动汽车无法直接测得剩余电量，只能靠各种方法对锂离子电池状态进行估算，从而得到剩余电量的估算值，估算值与真实值之间存在一定的误差，所以在计算续驶里程的过程中得到的结果不准确，可能会造成剩余电量不够，电池过度放电；充电电量过高，电池过度充电等问题。

2、目前锂离子电池soc估算用到的方法主要为开路电压估算soc、安时积分法、数据驱动法和基于模型估算soc。开路电压是利用电池的充放电数据确定ocv-soc之间映射关系的开环估计方法；安时积分法是利用电池工作过程中电流在时间维度上的积分来估算soc；数据驱动法通过很多离线数据信息对建立的模型进行训练，不需要考虑电池内部具体的反应细节，具有较高精度；基于模型的方法是对电池先进行建模，然后利用模型工作中的状态估计完成对soc的估算。

3、上述几种方法均存在一定的不足，开路电压法虽实施简单，但受数据采集精度影响较大，在电池充放电过程中，由于极化效应不能直接测量此时的电压值，需静置足够长的时间，使得该方法不能实时应用；安时积分法需要精确的初始soc值，在不借用其他方法的情况下，无法获取精确的soc值，会引入初始误差，且该方法需要非常高精度的电流值，电池复杂的工况会引起电流较大的波动，还有其他的噪声、温度等影响因素，使得累积误差增大；数据驱动法估计误差受训练数据和训练方法影响很大，不适用于大规模的数据处理，因为内存空间占用较大和计算时间较长。

技术实现思路

1、本发明提供一种电动汽车动力电池soc估算方法，旨在改善上述至少一个问题。

2、本发明是这样实现的，一种电动汽车动力电池soc估算方法，所述方法包括如下步骤：

3、s1、采用二阶等效电路模型描述动力电池内部的动态特征，包括电池模型参数：欧姆内阻r0，电池极化内阻r1、r2，电池极化电容c1和c2；

4、s2、获取动力电池在不同温度下的电池模型参数，基于当前温度下的电池模型参数计算动力电池当前的负载电流；

5、s3、以负载电流为控制向量，基于自适应扩展卡尔曼滤波算法预估动力电池当前的电量soc。

6、进一步的，在步骤s3之还包括：

7、s4、标定不同温度下不同电量soc对应的开路电压ocv，建立不同温度下的电量soc-开路电压ocv映射表；

8、s5、基于当前温度下的电量soc-开路电压ocv映射表来验证当前预估soc的精准度。

9、进一步的，验证方法具体如下：

10、检测动力电池当前的开路电压ocv，在当前温度下的电量soc-开路电压ocv映射表中读取开路电压ocv对应的标准电量soc；

11、检测预估电量soc是否位于标准电量soc的允许偏差范围内，若检测结果为是，则认定当前soc预估准确。

12、进一步的，自适应扩展卡尔曼滤波算法中过程噪声ω的协方差qk及观测噪声v的协方差rk计算公式具体如下：

13、

14、式中，qk、qk-1分别表示k、k-1时刻过程噪声ω的协方差，dk-1表示k-1时刻的权重系数，kk表示k时刻的卡尔曼增益系数，pk、pk-1表示xk、xk-1的协方差，hk、ak-1分别为状态方程和观测方程在k、k-1时刻的系数矩阵，且h(xk-1,uk-1)＝hk-1xk-1+uk-1，xk、xk-1分别表示动力电池k、k-1时刻的状态向量，yk为k时刻电池的观测量，uk-1为k-1时刻的控制向量。

15、进一步的，k时刻的权重系数dk的计算公式具体如下：

16、dk＝(1-bk-1)/(1-bk)；

17、式中，bk-1、bk分别表示k-1、k时刻的遗忘因子。

18、进一步的，任一时刻的遗忘因子b的取值范围：0.997≤b≤1。

19、本发明是这样实现的，一种电动汽车动力电池soc估算系统，所述系统包括：

20、动力电池，设于动力电池外部的温度传感器，温度传感器与读取单元连接，读取单元与预估单元连接，其中，读取单元中存储有不同温度下的电池模型参数；

21、温度传感器将采集的动力电池的环境温度值，发送至读取单元，读取单元读取动力电池在当前环境温度下的电池模型参数，并计算动力电池当前的负载电流i，将负载电流发送至预估单元，预估单元以以负载电流为控制向量，基于自适应扩展卡尔曼滤波算法预估动力电池当前的电量soc。

22、进一步的，预估单元基于如下公式来更新过程噪声ω的协方差qk及观测噪声v的协方差rk，进而获取动力电池电量的预估值soc:

23、

24、式中，qk、qk-1分别表示k、k-1时刻过程噪声ω的协方差，dk-1表示k-1时刻的权重系数，kk表示k时刻的卡尔曼增益系数，pk、pk-1表示xk、xk-1的协方差，hk、ak-1分别为状态方程和观测方程在k、k-1时刻的系数矩阵，且h(xk-1,uk-1)＝hk-1xk-1+uk-1，xk、xk-1分别表示动力电池k、k-1时刻的状态向量，yk为k时刻电池的观测量，uk-1为k-1时刻的控制向量。

25、进一步的，权重系数dk的计算公式具体如下：

26、dk＝(1-bk-1)/(1-bk)；

27、式中，bk-1、bk分别表示k-1、k时刻的遗忘因子，bk-1、bk的取值范围：0.997≤bk-1、bk≤1。

28、本发明提出了一种温度补偿的二阶thevenin等效模型，再结合基于shaf的frff-aekf算法，以降低噪声并准确估计不同环境温度下锂离子电池的soc；此外，将遗忘因子范围固定在0.997-1的可变范围内，以最大限度地提高自适应性，降低估计过程中的噪声，实现更快的收敛和更小的误差。

技术特征：

1.一种电动汽车动力电池soc估算方法，其特征在于，所述方法包括如下步骤：

2.如权利要求1所述电动汽车动力电池soc估算方法，其特征在于，在步骤s3之还包括：

3.如权利要求2所述电动汽车动力电池soc估算方法，其特征在于，验证方法具体如下：

4.如权利要求1所述电动汽车动力电池soc估算方法，其特征在于，自适应扩展卡尔曼滤波算法中过程噪声ω的协方差qk及观测噪声v的协方差rk计算公式具体如下：

5.如权利要求4所述电动汽车动力电池soc估算方法，其特征在于，k时刻的权重系数dk的计算公式具体如下：

6.如权利要求4所述电动汽车动力电池soc估算方法，其特征在于，任一时刻的遗忘因子b的取值范围：0.997≤b≤1。

7.一种电动汽车动力电池soc估算系统，其特征在于，所述系统包括：

8.如权利要求7所述电动汽车动力电池soc估算系统，其特征在于，预估单元基于如下公式来更新过程噪声ω的协方差qk及观测噪声v的协方差rk，进而获取动力电池电量的预估值soc:

9.如权利要求4所述电动汽车动力电池soc估算方法，其特征在于，权重系数dk的计算公式具体如下：

技术总结
本发明公开一种电动汽车动力电池SOC估算方法，包括如下步骤：S1、采用二阶等效电路模型描述动力电池内部的动态特征，包括电池模型参数：欧姆内阻R<subgt;0</subgt;，电池极化内阻R<subgt;1</subgt;、R<subgt;2</subgt;，电池极化电容C<subgt;1</subgt;和C<subgt;2</subgt;；S2、获取动力电池在不同温度下的电池模型参数，基于当前温度下的电池模型参数计算动力电池当前的负载电流；S3、以负载电流为控制向量，基于自适应扩展卡尔曼滤波算法预估动力电池当前的电量SOC。本发明提出了一种温度补偿的二阶Thevenin等效模型，再结合基于SHAF的FRFF‑AEKF算法，以降低噪声并准确估计不同环境温度下锂离子电池的SOC。

技术研发人员：卢剑伟,周定华,袁中,吴锐
受保护的技术使用者：合肥工业大学
技术研发日：
技术公布日：2024/1/16