[发明专利]一种基于灰色理论的锂离子电池荷电状态预测方法

说明书

本发明提供一种基于灰色理论的锂离子电池荷电状态(State of Charge简写SoC)预测方法。为解决现有方法在复杂工况下难以实现在线预测，精度较低等问题，本发明方法首先读取影响SoC的因素的数据以及SoC数据，构建灰色关联矩阵，然后运用灰色关联理论计算各影响因素与SoC的关联度ξ_i，再确定各影响因素对SoC影响程度的权值ω_i，接下来建立各影响因素与SoC值的二维灰色预测模型GM(1，2)预测K+1时刻的SoC值，记为SoC_i(K+1)，最后将得到的ω_i和SoC_i(K+1)数据，进行加权平均计算得到电池K+1时刻SoC(K+1)的预测值。本发明方法对电池荷电状态的预测，具有结构简单，预测精度高等特点。

技术领域

本发明属于电动汽车电池管理系统，尤其是涉及一种基于灰色理论的锂离子电池荷电状态预测方法。

背景技术

随着环保和节能问题的日益突出，锂离子电池由于比能量高，绿色环保等优点，逐步在汽车、航天、船舶等领域都有了实际应用。但由于电池的过充过放，电池间不一致性，电池的发热等问题，容易导致电池失效，严重影响使用寿命，造成重大生命或财产损失。未充分利用的电池材料，也造成一种资源的浪费。因此对于动力电池来说，电池管理系统至关重要。

在电池管理系统的诸多部分中，电池荷电状态SoC(State of Charge)的预测是最基本和最首要的任务，其预测的准确性，会影响到电池管理系统的控制策略，从而影响电池性能的发挥。同时，SoC也是指导电池充电或放电过程的重要参数，可以防止电池的过充和过放造成的不可恢复的损坏，能够更好地保护电池。对于应用于电动汽车的动力电池而言，正确地估算电池的SoC，能够充分利用电池的电能，可以使电动车的续航距离更长，同时能够延长电池的使用寿命，从而降低电池的使用成本。因此，准确预测锂离子电池SoC是极其重要的。

目前电池管理系统SoC估算的方法主要有：安时计量法、开路电压法和卡尔曼法等。安时计量法计算简单，但其预测精度较差。且精密安时计量价格昂贵，工作环境要求高，不适用与工况复杂、振动剧烈的电动汽车上。开路电压法虽然能较好获取电池起始时刻的SoC，但不适合在复杂情况下的电动汽车实时预测。卡尔曼法是虽然有较高的预测精度，也具有较强的跟踪性能，但现有的卡尔曼滤波方法，在估计锂离子电池SoC时，计算量较大，不易实现在线预测，而且对电池模型的精度要求较高，不精确的电池模型将带来较大的误差，这导致卡尔曼滤波的收敛性和准确性受到较大影响，进而造成锂离子电池SoC的在线估计值可靠性低。

发明内容

本发明的目的在于，针对上述问题，提出一种基于灰色理论的锂离子电池荷电状态预测方法，以实现结构简单，预测精度较高等特点。

为实现上述目标，本方法所采用的技术方案为：

电池管理系统中的数据处理部分对电池系统数据进行采集、剔除、补齐等预处理，并将处理后数据存储在编译缓冲区，该方法利用编译缓存区中的数据对电池下一时刻的电池荷电状态进行预测，所述一种基于灰色理论的锂离子电池荷电状态预测方法，包括以下步骤：

步骤1、读取缓冲区中存放的影响SoC的因素的数据以及SoC数据，影响SoC的因素为：电压、放电倍率、温度、内阻等，构建各影响因素与SoC的灰色关联矩阵；

所述步骤1包括：

(1.1)构建各影响因素数据矩阵X以及SoC矩阵P；

(1.2)去量纲化；

其中(1.1)具体步骤为：