一种估计电动汽车的动力电池组的荷电状态的方法
【技术领域】
[0001] 本发明涉及电动汽车的车载电池管理系统的设计领域，尤其涉及一种对电动汽车 的动力电池组的荷电状态进行估计的方法。
【背景技术】
[0002] 日益严重的能源危机以及环境污染问题，促使汽车工业从采用内燃机作为动力源 的传统汽车方向向新能源汽车方向转变。电动汽车作为新能源汽车的主要力量，已成为汽 车领域的研发重点，而电动汽车车载的动力电池组作为电动汽车的能量源，是目前阻碍电 动汽车发展的主要技术瓶颈。
[0003] 动力电池的荷电状态（stateofcharge，简称S0C，用符号z表示）表示动力电池 内剩余电量与其额定容量的比值，能够清晰准确地表征动力电池当前的状态。车主可以根 据动力电池的荷电状态直接判断出何时给电动汽车充电，还可以在行驶过程中根据动力电 池的荷电状态S0C预估电动汽车还能行驶的里程数。但是，荷电状态S0C是动力电池的隐 含状态量，难以直接通过测试或计算得出，只能通过估计方法估计得出。
[0004]目前，常用的估计动力电池的荷电状态S0C的方法大体可分为如下三类：
[0005] 第一类：查表法
[0006] 由于作为电动汽车的动力电池的锂电池的开路电压（opencircuitvoltage，简 称0CV)与其荷电状态S0C之间存在一种非线性单调对应关系，即动力电池的开路电压随着 其荷电状态S0C的增长而增长，随着其荷电状态S0C的降低而降低，且是一一对应关系。这 样，在获得动力电池的开路电压后，可直接利用动力电池供应商提供的开路电压与荷电状 态S0C的对应表查找出相应的荷电状态S0C的值。该方法简单易实现，且估计成本低，但是 实时性差；另外，动力电池的开路电压与荷电状态S0C之间的对应关系会随着动力电池的 老化而发生变化，进而导致估计误差增大。
[0007] 第二类：安时积分法
[0008] 安时积分法又称为库仑计数法，在测出动力电池的荷电状态S0C的初始值z。和充 放电电流后，根据式⑴积分得出该动力电池当前荷电状态S0C的值Z:
[0009]
(1 )
[0010] 其中，cn为该动力电池的额定容量，η为该动力电池的充放电效率，t为该动力电 池的充放电时间。
[0011] 由式⑴可知，在使用该估计方法动力电池的荷电状态S0C的值z进行估计时，必 须精确地测量出该动力电池的荷电状态S0C的初始值Z。、充放电电流L以及额定容量Cn。 但是，在实际操作中，动力电池的荷电状态S0C的初始值z。及额定容量(^的测量精度会因 动力电池的温度、充放电倍率的变化及电池老化等原因而降低；动力电池的充放电电流込 的测量精度易受测量用的电流传感器的测量精度的影响，而电流传感器的测量精度易因受 到噪声、温度漂移及其他未知的随机扰动的干扰而降低。故，在进行积分计算的过程中，计 算结果容易因上述参数的测量精度低而形成误差，且该误差在长期积累后，越来越大，估计 精度较低。
[0012] 第三类：建立动力电池的等效电路模型+自适应滤波
[0013] 首先，建立动力电池的等效电路模型来描述动力电池的内部情况，利用直流内阻、 极化内阻、极化电容及开路电压建立相应的空间状态方程和测量方程，并将采集到的动力 电池在运行过程中的端电压和充放电电流作为状态观测器的输入和输出，利用自适应滤 波方法对动力电池的系统状态进行有效估计，从而得到动力电池的荷电状态S0C的估计 值。该方法采用闭环反馈机制，将端电压的估计值与测量值即采样值进行比较，并将二者 的差值反馈到状态观测器中，使得动力电池的系统状态能够自适应地向其准确值收敛，但 是该方法对建立动力电池的等效电路的模型的精度以及电动汽车的动力电池管理系统 (batterymanagementsystem，简称BMS)的计算能力要求较高，且估计结果的可靠性随着 动力电池的等效电路模型的精度以及BMS的算法的不同差异较大。
[0014] 综上可见，现有的估计动力电池的荷电状态S0C的方法，要么估计精度低，要么估 计结果的可靠性不稳定。
【发明内容】
[0015] 为提高动力电池的荷电状态S0C的估计精度及估计结果的可靠性，本发明提出一 种估计电动汽车的动力电池组的荷电状态的方法，该方法包括如下步骤：
[0016]步骤1、在所述动力电池组充放电的过程中，对动力电池的端电压Ut和充放电电流 込进行采样，且采样时间间隔为At;
[0017] 步骤2、分别建立所述动力电池组的戴维宁模型、双极化模型和3阶网络RC模型， 并分别辨识出所述动力电池组的戴维宁模型、双极化模型及3阶RC网络模型的模型参数；
[0018] 步骤3、估计所述动力电池组的荷电状态：
[0019]
[0020] 其中，
[0021] xk为所述动力电池组在k时刻的系统估计状态，
[0022] yk为所述动力电池组在k时刻的观测矩阵，
[0023]uk为所述动力电池组在k时刻的系统输入矩阵，
[0024] 为所述动力电池组的噪声向量，
[0025] 当所述动力电池组的等效电路模型为戴维宁模型时，
[0026]
[0027]B= [1/CD1l/CNoJT，
[0028] C = [1 dUoc/dz]，
[0029] D = R0，
[0030]
[0031] Η= [0 0 1]，
[0032] xk= [UD1,k，ζ融,k]T，UD1,k为所述动力电池组在k时刻的极化电压，ζ融,k为所述动力 电池组在k时刻的荷电状态S0C的估计值；
[0033] 当所述动力电池组的等效电路模型为双极化模型时，
[0034]
[0035] B= [1/CD1 1/CD2l/CNon]T,
[0036] C = [1 2 dUoc/dz]，
[0037] D = R0，
[0038]
[0039] H= [0 0 0 1]，
[0040] 义1<=[1][)1,1<，1][)2, 1^|0]1'，1][)1,1<和1]_为所述动力电池组在1^时刻的极化电压，2|虫, 1< 为所述动力电池组在k时刻的荷电状态SOC的估计值；
[0041] 当所述动力电池组的等效电路模型为3阶RC网络模型时，
[0042]
[0043] B= [1/CD1 1/CD2 1/CD3l/CNon]T,
[0044] C = [1 1 1 dUoc/dz]，
[0045] D = R0，
[0046]
[0047] Η= [0 0 0 0 1]，
[0048] xk=[UD1,k，UD2,k，UD3,k，2|0]1'，1^、1]_和1] [^为所述动力电池组在1^时刻的极化 电压，zs0为所述动力电池组·在k时刻的荷电状态SOC的估计值；
[0049] 其中，
[0050] CD为所述动力电池组的极化电容，
[0051] RD为所述动力电池组的极化电阻，
[0052] R。为所述动力电池组的直流内阻；
[0053] CNcini为所述动力电池组的额定容量，
[0054] dl^/dz为所述动力电池组的开路电压队。对其荷电状态的一阶导数；
[0055] 然后，采用三个状态观测器分别与所述动力电池组的戴维宁模型、双极化模型以 及3阶RC网络模型配合对所述动力电池组的荷电状态和端电压进行估计，并对所述状 态观测器进行时间更新和测量更新得到所述动力电池组的荷电状态在k时刻的估计值 气I:、，所述动力电池组在k时刻的端电压的估计值和
[0056] 最后，对、与,&和％&进行加权计算得到所述动力电池组的荷电状态的估计 值2融,k，_@
[0057] 其中，wjk)、w2(k)和w3(k)为在k时刻的加权系数，分别根据所述动力电池组在k 时刻的端电压的估计值、$2，&和^?3，&计算得出，且￥1〇〇切； !〇〇+?3〇〇=1。
[0058] 采用该估计方法估计电动车辆的动力电池的荷电状态S0C时，采用戴维宁模型、 双极化模型和3阶RC网络模型三种等效电路模型分别配合状态观测器对动力电池的荷电 状态S0C进行估计，并对估计结果进行加权计算得出最终的估计值。该估计方法能够有效 融合戴维宁模型、双极化模型和3阶RC网络模型配合状态观测器进行估计时