[发明专利]锂离子电池荷电状态估算方法和装置

说明书

技术领域

本发明涉及储能设备技术领域，特别是涉及到可充电锂离子电池的状态检测技术。

背景技术

美国先进电池联合会(U.S.Advanced Battery Consortium，USABC)在其《电动汽车电池实验手册》中将电池的荷电状态(State of Charge，SOC)定义为剩余电量与实际容量的百分比。电池SOC的估算在电动汽车和智能电网的应用领域变得越来越必要，动力电池的SOC被用来反映电池的剩余可用电量状况，对电动汽车而言起着传统燃油汽车油表的作用，精确可靠的SOC估计值，不仅可以增强用户对电动汽车的操控性和舒适度，同时其作为电动汽车能量管理系统不可或缺的决策因素，也是优化电动汽车能量管理、提高电池容量和能量利用率、防止电池过充电和过放电、保障电池在使用过程中的安全性和使用寿命的重要参数。

对于纯电动汽车而言，电池管理系统是电动汽车中的一个重要部件，在线估算出电池的荷电状态是电池管理系统的关键问题之一。现有技术中，对于SOC的估算方法包括开路电压法、安时积分法、内阻法、神经网络和卡尔曼滤波法等，其中最简单、常用的方法之一是安时积分法。

所谓安时积分法，是指如果充放电起始状态记为SOC₀,那么当前状态的SOC为：其中C_N为锂离子电池额定容量，I为锂离子电池电流，η为充放电效率。安时积分法应用中若电流测量不准，将造成SOC计算误差，长期积累，误差越来越大；另外，安时积分法需要考虑锂离子电池充放电效率，且在高温状态和电流波动剧烈的情况下，误差较大。

除安时积分法外，还有其他一些常用的锂离子电池SOC估算方法：开路电压法、电化学测试法、神经网络法、阻抗频谱法、卡尔曼滤波器法以及基于滑模观测器、龙贝格观测器等基于观测器的估算方法，但都存在局限性：开路电压法需要将锂离子电池充分静置，不能满足在线估算；电化学方法需要专用测试设备支持；神经网络需要大量试验和数据训练，且模型的自适应性有一定的限度；阻抗分析法受到温度和老化等因素的影响；卡尔曼滤波难于消除由于锂离子电池温度和老化导致模型及其参数自身变化带来的误差。

基于观测器的锂离子电池SOC估算方法是通过过程输出量来估计状态量，并且加入输出量的误差反馈，对安时积分法估算锂离子电池SOC进行修正，克服了安时积分法误差积累和需要知道锂离子电池SOC初值的缺点，极大提高了锂离子电池SOC的估算精度，但该法估算的精确性是由模型参数的准确性来保证的，实际应用中需要实现锂离子电池模型参数的在线辨识；此外，由于锂离子电池本身的特性(开路电压-剩余电量曲线等)导致锂离子电池SOC的估算在某区间内误差较大。

发明内容

鉴于此，本发明的目的在于克服现有技术的安时积分法需要知道锂离子电池的SOC初值，而且存在较大的累积误差，基于观测器的SOC估算方法在部分区间误差较大的缺陷，将二者有机结合起来组成新的SOC估算方法。

为了实现此目的，本发明采取的技术方案为如下。

一种锂离子电池荷电状态估算方法，所述方法包括步骤：

A、拟合锂离子电池的开路电压与荷电状态关系；

B、利用观测器方法估算锂离子电池荷电状态；

C、对于步骤B中估算出的锂离子电池荷电状态，如果大于预定阈值，则使用观测器方法估算锂离子电池荷电状态，如果小于预定阈值，则使用安时积分法估算锂离子电池荷电状态。

其中所述预定阈值为：根据开路电压与荷电状态关系导数最小值所对应的锂离子电池荷电状态值。

另外，步骤A中拟合锂离子电池的开路电压与荷电状态关系包括：

A1、在辨识工况下采集锂离子电池的端电压、锂离子电池充电或放电电流、锂离子电池充放电安时数与容量的比值；

A2、利用步骤A1的采集量，辨识锂离子电池的欧姆内阻、极化电阻、极化电容以及开路电压与荷电状态拟合关系的系数。

另外，开路电压OCV与荷电状态s的拟合关系为：

OCV＝f(s)＝a+b·(-ln(s))^α+c·s+d·exp(s)，

其中α为预定指数，

相应地，所述开路电压与荷电状态拟合关系的系数为a，b，c和d。