电动汽车动力电池剩余电量的实时评估方法及装置制造方法
【专利摘要】本发明公开了电动汽车动力电池剩余电量实时评估方法及装置：数据采集终端的控制单元通过控制内部CAN接口与电池管理系统通信，采集电池组的电池数据，然后再由控制单元将采集的数据传送给GPRS模块，通过GPRS模块发送到GPRS无线网络和互联网，上位机通过互联网接收数据，并应用Mamdani模糊推理方法建立基于模糊预测算法的电动汽车动力电池SOC估算模型，精确估算出SOC值。最后再通过互联网、GPRS无线网络将计算出的SOC值发送给数据采集终端显示，并将从电池管理系统采集到的SOC与模糊预测出的SOC以曲线图的方式进行对比，从而达到对电动汽车动力电池剩余电量的实时精确评估。
【专利说明】电动汽车动力电池剩余电量的实时评估方法及装置
【技术领域】
[0001]本发明涉及一种电动汽车动力电池剩余电量的实时评估方法。本发明还涉及专用于上述方法的电动汽车动力电池剩余电量实时评估装置。
【背景技术】
[0002]电池作为电动汽车的能量来源，是近年来电动汽车研究的热点和难点之一，而电池荷电状态SOC作为电池特性最主要的影响因素之一，更是电池组管理系统研究的重点。准确估计SOC是电动汽车电池充放电控制和动力优化管理的重要依据，直接影响电池的使用寿命和汽车的动力性能，并能预测电动汽车的续驶里程。
[0003]动力电池SOC值的大小并不能直接测量得到，影响电池SOC的因素有很多，如充放电电流、温度、自放电率、内阻和循环使用次数等，电池的SOC和它的诸多影响因素之间是一种非常复杂的非线性关系，因此，实时监控电池组工况，准确而可靠地采集电池组的电压、电流、温度等参数数据来实现当前电池剩余电量的准确估算，是电动汽车电池管理系统的核心问题和急需解决的技术难点。目前，国内外动力电池SOC的估计方法主要有以下几种:
[0004]1、放电试验法
[0005]该方法是最可靠的SOC估计方法，使用恒定电流对电池进行连续放电直至电池端电压达到放电截止电压，电池剩余电量等于放电电流值与时间的乘积。这种方法经常在实验室使用，适用于所有电池，但需要花费大量时间，电池进行的工作要被迫中断。不适合行驶中的电动汽车，可用于电动汽车的检修。
[0006]2、安时计量法
[0007]安时计量法是最常用的SOC估计方法，通过计算电池在充电或放电时的累积电量来估计电池的S0C，并根据温度、充放电倍率对SOC估计值进行补偿。在使用安时计量法估算SOC时，不准确的电流测量将增大SOC估计误差，经过长时间累积，该误差会变得越来越大；在高温状态和电流波动剧烈的情况下，误差较大；同时必须考虑电池效率系数，而解决电池效率系数问题必须通过大量实验数据建立电池充放电效率经验公式。
[0008]3、开路电压法
[0009]开路电压法是按照电池在一定条件下开路电压与SOC值成数学比例关系的原理来估算S0C。在充放电初期和末期，开路电压的SOC估算效果好，在放电末期，开路电压估计SOC的效果较好。但该方法需要电池长时间静置使其电压稳定。因此，开路电压法只能适用于电动汽车驻车状态，不能动态地估算SOC值。
[0010]4、内阻法
[0011]内阻法利用电池内阻和SOC值之间的关系，通过测量内阻进而获得SOC值。电池单体内阻检测较困难，放电初期内阻变化不大，增加测量难度。适应于放电后期SOC估计。
[0012]5、神经网络法
[0013]神经网络法在建立SOC模型时不用具体考虑电池的细节问题，很适用于电池这种高度非线性的系统。神经网络具有普适性，适用于各种电池的SOC估算。但该方法需要大量的参考数据进行训练，估计误差受训练数据和训练方法的影响很大。
[0014]6、卡尔曼滤波法
[0015]卡尔曼滤波理论的核心思想是对动力系统的状态做出最小方差意义上的最优估计。应用于电池SOC估算，电池被看作动力系统，SOC是系统的一个内部状态。该方法不仅能获得SOC的估计值，还能得到估计误差。但是对硬件配置的能力要求较高。
【发明内容】
[0016]本发明所要解决的第一个技术问题，就是提供一种电动汽车动力电池剩余电量的实时评估方法。
[0017]本发明所要解决的第二个技术问题，就是提供一种专用于上述方法的电动汽车动力电池剩余电量的实时评估装置。
[0018]采用本发明的方法和装置评估电动汽车动力电池剩余电量，耗时短、精度高、实时动态、检测简单、无需大量参考数据且对硬件配置能力要求低。
[0019]解决上述第一个技术问题，本发明采取以下的技术方案:
[0020]一种电动汽车动力电池剩余电量的实时评估方法，其特征是:包括以下步骤:
[0021]SI首先数据采集终端从电池管理系统中采集电池组的电压、电流和温度的电池数据，然后将采集到的电池数据无线传送给上位机；
[0022]S2上位机软件通过模糊预测算法对数据进行分析处理，最后将上位机软件计算出的SOC值无线发送、显示并与从电池管理系统采集到的SOC进行对比，实现SOC校正。
[0023]所述的步骤S2包括以下子步骤:
[0024]S2-1S0C预测模型以电池的总电压U和工作电流I作为输入，动力电池的SOC作为输出，SOC预测模型的输入量U的模糊集合为{VL、L、M、H、VH}，即{很低、低、中等、高、很高}，论域[78.5，84.5];输入量I的模糊集合也为{VL、L、M、H、VH}，论域[0，20];模糊输出值SOC的模糊集合为{ALARM、L、M、H、VH}，即{过低报警、低、中等、高、很高}，论域[0，100];其中VL、ALARM和VH取梯形隶属度函数，其余取三角形隶属度函数；
[0025]然后做出模糊子集及隶属函数分布图，分布图包括电流模糊子集及隶属函数分布图、电压模糊子集及隶属函数分布图和SOC模糊子集及隶属函数分布图；
[0026]S2-2采用的模糊控制规则表达为:If...and...then…，共计20条，建立模糊规则库为:
[0027]
【权利要求】
1.一种电动汽车动力电池剩余电量的实时评估方法，其特征是:包括以下步骤: Si首先数据采集终端从电池管理系统中采集电池组的电压、电流和温度的电池数据，然后将采集到的电池数据无线传送给上位机； S2上位机软件通过模糊预测算法对数据进行分析处理，最后将上位机软件计算出的SOC值无线发送、显示，并与从电池管理系统采集到的SOC进行对比，实现SOC校正； 所述的步骤S2包括以下子步骤: S2-1S0C预测模型以电池的总电压U和工作电流I作为输入，动力电池的SOC作为输出，SOC预测模型的输入量U的模糊集合为{VL、L、M、H、VH}，即{很低、低、中等、高、很高}，论域[78.5，84.5];输入量I的模糊集合也为{VL、L、M、H、VH}，论域[0，20];模糊输出值SOC的模糊集合为{ALARM、L、M、H、VH}，即{过低报警、低、中等、高、很高}，论域[0，100];其中VL、ALARM和VH取梯形隶属度函数，其余取三角形隶属度函数；然后做出模糊子集及隶属函数分布图，分布图包括电流模糊子集及隶属函数分布图、电压模糊子集及隶属函数分布图和SOC模糊子集及隶属函数分布图； S2-2采用的模糊控制规则表达为:If-and...then…，共计20条，建立的模糊规则库为:
2.根据权利要求1所述的电动汽车动力电池剩余电量的实时评估方法，其特征是:所述的步骤S2-3将模糊控制量进行模糊判决得出确切的预测量具体为:本发明的模糊系统为两输入单输出的模糊系统，最小-最大-重心算法的推理过程为: 设有两条模糊规则分别为
规贝丨J I:IF X1Is A1Bnd x2is B1THEN y is C1
规贝丨J 2:IF X1Is A2and x2is B2THEN y is C2 按照Mamdani的最小-最大-重心法,首先对上述每一规则进行模糊推理，可得其相应的输出模糊集的隶属度函数分别为
3.一种电动汽车动力电池剩余电量的实时评估装置，其特征是:包括通过GPRS无线网络连接的数据采集终端和内嵌处理软件上位机，所述的数据采集终端包括控制单元，控制单元分别与GPRS模块、外部CAN接口、内部CAN接口对应通讯连接，GPRS模块通过GPRS无线网络与上位机通讯连接，控制单元通过控制内部CAN接口与电动汽车动力电池的电池管理系统通信，所述的外部CAN接口遵循SAE J1939汽车标准总线协议；所述的上位机包括实时数据显示模块，用于实时显示电池的电流、温度和电压状态数据；历史数据存储模块，用于对电池的历史使用信息进行存储；系统设置模块，用于对系统进行串口通信设置和远程监控设置；数据管理模块，用于对数据库中的数据和日志按照客户要求进行查询、删除操作；SOC估算模块，用于对采集的原始数据进行分析和处理以估算出动力电池精确的SOC值，并进行SOC校正功能，使得用户能掌握电池寿命的状态。
【文档编号】G08C17/02GK103576096SQ201310469717
【公开日】2014年2月12日 申请日期:2013年10月9日 优先权日:2013年10月9日
【发明者】罗敏, 孙卫明, 肖勇, 赵伟, 张永旺 申请人:广东电网公司电力科学研究院