[发明专利]一种动力电池的荷电状态估计方法及系统

说明书

技术领域

本发明涉及电池领域，具体涉及到一种动力电池的荷电状态估计方法及系统。

背景技术

电池管理系统是保障电动汽车安全、稳定行驶的重要组成部分，而电池的荷电状态(State of Charge，以下简称SOC)估计是电池管理系统的核心，也是实现电池充放电管理，负载均衡的基础。然而电池的高度非线性导致其SOC容易受到多种因素的影响，使得准确估计SOC变得十分困难。

目前常用的SOC估算方法有开路电压法、安时积分法以及扩展卡尔曼滤波法等。

开路电压法利用电池开路电压(Open Circuit Voltage，以下简称OCV)与电池SOC之间存在的固定非线性关系，在实验室环境内预先建立模型，获取关系曲线，在应用中根据测量所得电压、电流获取电动势以确定SOC。这种方法的主要问题是：(1)如果在测量时电池未充分静置，那么电池的极化效应将使得电动势与开路电压之间存在较大偏差，影响测量精度；(2)若测量前进行长时间的静置，又显然无法满足实时性的需要。因此开路电压法不适合应用于实时性要求高的电池管理系统之上。

安时积分法按照SOC的定义，通过对电池流入与流出的电流值积分获取当前累计使用电量。这一方法对电池内部结构没有要求，实现相对简单，但是这一方法无法计算电池的初始SOC，同时基本不具备抗噪声的能力，噪声的误差以及采样精度带来的误差很容易随时间积累。在外部环境恶劣、电池电流变化剧烈时难以取得理想的效果。

扩展卡尔曼滤波法是最近提出的一种新的SOC估计方法。其利用实时测量的电压、电流等参数以及上一时刻的估计值，对SOC的误差予以修正。这一算法对电池模型要求较高，同时对外部环境作了过于理想化的假设，导致了其难以很好处理具有偏置的噪声，在特定情况下同样易导致噪声的积累，削弱了SOC估算的抗干扰能力。

发明内容

本发明的目的在于克服现有技术中所存在的上述不足，提供一种动力电池的荷电状态估计方法及系统。本发明采用了H_∞鲁棒控制滤波算法，显著提高了估计精度，不需对外界噪声作任何假设，即可控制精度在可控范围之内，抗干扰能力大大提高。

为了实现上述发明目的，本发明采用的技术方案是：

一种动力电池的荷电状态估计方法，包括:

基于实验室环境与标准电池二阶模型对各类动力电池建立等效模型并拟合至少一个电池参数，其中所述至少一个电池参数至少包括OCV-SOC曲线；

根据所述等效模型建立电池输入输出线性系统的状态空间方程；

设置实际动力电池系统启动时的SOC初始估计值，同时根据实际动力电池系统中的电池型号确定对应的电池参数，设置H_∞滤波算法运行所必须的噪声权函数；

设置参数后动力电池系统开始运行，在运行过程中，实时采集电池每个采样时刻的电压、电流、温度数值，在每一采样时刻将采集的电压、电流、温度数值代入所述状态空间方程以及所述噪声权函数，根据H_∞滤波算法实时计算出每个时刻的SOC估计值。

优选的，动力电池的荷电状态估计方法还包括：根据所述SOC估计值，给出电池运行剩余使用时间。

所述设置实际动力电池系统启动时的SOC初始估计值，具体为：根据系统上次结束时的终止状态，以及开路电压测量值，综合设置SOC初始估计值。

所述状态空间方程表示为：

公式(1)

公式(1)中，将电池视为以电流为输入，电压为输出的线性系统，系统的内部状态x包括电池的荷电状态SOC、以及所述标准电池二阶模型中两个RC环节的分压大小与即内部状态的更新由输入电流导致，输入电流导致电池的充电或者放电，SOC随之发生变化，同时根据电路相关原理，二阶模型中的电容两端电压也根据电流的变化呈指数函数变化，公式(1)中Cap表示电池的总电量，τ₁、τ₂为时间常数，其中τ₁＝R₁C₁，τ₂＝R₂C₂；每个时刻电池的电压值和电池当前的开路电压值，内阻分压，以及两个RC环节的分压大小有关，满足以下公式：

(公式2)。

所述噪声权函数包括初始值选取误差权函数P₀，电流采集误差权函数W_k，电压采集误差权函数V_k，SOC估计误差权函数Q_k，以及噪声误差上限参数γ。