[发明专利]一种用于电动汽车电池管理系统的电池剩余电量估计方法

说明书

技术领域

本发明涉及汽车能源及汽车状态监测领域，特别涉及一种用于电动汽车电池管理系统（BMS）的电池剩余电量估计方法。

背景技术

准确的估计电池的剩余电量（SOC）有助于避免电池过充电和过放电，防止电池损坏或快速老化。传统的电池剩余电量估计用安时电流积分法（AH）的方法会造成误差累计的问题，导致不精确的估计。此外，在电池充放电条件下电池内部的化学反应会导致温度升高，从而影响电池剩余电量的估计。因此，准确的电池剩余电量估计算法要依托于完备的电池模型。对于电动汽车或者混合动力汽车供电电池都是通过串并联大量单体电池以满足负载要求，由于制造工艺的误差，不可能保证每个单体在充放电过程中都保持电压参数一致，这种情况会导致不同单体电池电压的不平衡。在此情况下一个单体的电池剩余电量达到100%并不能表示实际的电池组电量达到100%。因此，准确估算的电池剩余电量必须伴随着一个连续监测实际单体以及整个电池组数据来分析以适应不同的路况和驾驶模式的电动汽车。

目前SOC的估算方法很多。准确的估计电池剩余电量是非常困难的，主要因为电池在充放电过程中受到许多例如：温度、输出功率、老化效应、自放电效应等难以估计的因素的干扰。通过分析估算电池剩余电量的方法，可以发现它们都落入两大类：基于开环模型的估算方法，例如安时积分法、开路电压（OCV）法、放电实验法、线性模型法、内阻法等等；以及基于闭环模型的估算方法，例如卡尔曼滤波器法、推广卡尔曼滤波器法、神经网络法、组合加权算法等等。

现有基于开环模型的估算方法输出误差几乎不能被抑制或者消除。随着时间的推移误差将会不断积累导致错误信息的产生，而常用的基于卡尔曼滤波器法等闭环算法虽然误差不会累计，相对精度较高，能有效反映电池组的工作状态减少过充电以及过放电的机会，并且能自动估算动态误差范围，但是算法的计算复杂度较高并且对系统的电池模型精度要求很高。

发明内容

本发明提供了一种用于电动汽车电池管理系统的电池剩余电量估计方法，本发明降低了计算复杂度以及对电池模型精度的要求，详见下文描述：

一种用于电动汽车电池管理系统的电池剩余电量估计方法，所述方法包括以下步骤：

1）初始化电池的起始电池剩余电量；

2）根据安时电流积分法预测下一时刻的剩余电量，通过电流极化模型得到电池极化状态；

3）根据开路电压模型估算开路电压；

4）估算电池电压；

5）比较实际采样电压和估算的电池电压，计算电压误差；

6）通过卡尔曼滤波器模型获取校正后剩余电量；

7）引入温度及电池寿命补偿策略，根据所述校正后剩余电量估算剩余电量。

所述根据安时电流积分法预测下一时刻的剩余电量，通过电流极化模型得到电池极化状态的操作为：

SOC(k+1)=SOC(k)+ηiΔtQRi(k)]]>