[发明专利]锂离子电池荷电状态、健康状态与功率状态的联合估计方法

说明书

本发明提出了一种锂离子电池荷电状态、健康状态与功率状态的联合估计方法，包括在线估计电池的健康状态：采用带遗忘因子的递归最小二乘法在线辨识开路电压以及内阻，并根据预先建立的OCV‑SOC对应关系间接获取荷电状态，再根据两SOC点之间的累计充放电电量估计电池容量的大小；在线估计电池的荷电状态：基于二阶RC等效电路模型，采用卡尔曼滤波算法估计电池的荷电状态，并根据电池容量估计结果更新卡尔曼滤波算法中的电池容量参数；以及在线估计电池的功率状态：根据在线辨识得到的内阻，基于电池本身的电压限制和电流限制，计算最大可充放电电流，再进一步计算得到最大可充放电功率。

技术领域

本发明属于电池管理技术领域，具体涉及电池荷电状态、健康状态与功率状态的估计方法。

背景技术

锂离子电池状态包括荷电状态（SOC, State of Charge）、健康状态（SOH, Stateof Health）及功率状态（SOF, State of Function）。其中，SOC反映电池的剩余电量，SOH反映电池的老化情况，SOF则反映电池能提供的可用功率。电池当前的状态将影响电池管理系统（BMS, Battery Management System）对电动汽车的能量管理决策，如纯电动汽车的电池组充电、混合动力汽车的电池组能量分配等。因此电池状态估计是BMS最重要的功能之一。

荷电状态SOC反映电池的剩余电量。目前已有一些SOC估计方法，比较常用的SOC估计方法包括加权融合算法、卡尔曼滤波算法以及不同类型的观测器等。其中卡尔曼滤波算法精确可靠，且适用于动态工况，是近年来比较主流的方法。

健康状态SOH反映电池的老化程度，通常用容量的衰减程度来表征。一种容量估计方法是采用容量衰减模型进行开环估计，但由于电池之间存在不一致性，采用模型开环估计容量的方法存在较大误差。还有一种方法是利用两SOC点之间的累计充放电电量来估计电池的容量。这种方法简单且易于实现，方法的关键在于荷电状态SOC的获取。

功率状态SOF反映电池的功率状态，可以用最大可充放电功率来表征。目前对SOF估计方法的研究较少。

综上所述，电池状态估计是电池管理的基础。对电池SOC、SOH及SOF的准确估计对于电池进行准确有效管理至关重要。

发明内容

有鉴于此，有必要提出一种锂离子电池荷电状态、健康状态与功率状态的更为准确的估计方法。

一锂离子电池荷电状态、健康状态与功率状态的联合估计方法，包括如下步骤：

S1，在线估计电池的健康状态SOH：采用带遗忘因子的递归最小二乘法在线辨识开路电压OCV（Open Circuit Voltage）以及内阻R₀，并根据预先建立的OCV-SOC对应关系间接获取荷电状态SOC，再根据两SOC点之间的累计充放电电量估计电池容量的大小；

S2，在线估计电池的荷电状态SOC：基于二阶RC等效电路模型，采用卡尔曼滤波算法估计电池的荷电状态SOC，并根据步骤S1的电池容量估计结果更新卡尔曼滤波算法中的电池容量参数；以及

S3，在线估计电池的功率状态SOF：根据步骤S1在线辨识得到的内阻R₀，基于电池本身的电压限制和电流限制，计算最大可充放电电流，再进一步计算得到最大可充放电功率。

与现有技术比较，本发明提出一种锂离子电池荷电状态、健康状态与功率状态的联合估计方法，在估计SOC的过程中，根据SOH的估计结果对算法中的相关参数进行了更新，以保证电池老化后SOC的估计精度。在SOF估计过程中，用到了SOC的估计结果，以及SOH估计过程中辨识得到的内阻。这一联合估计方法考虑到电池状态之间存在的相互影响，充分利用SOC、SOH及SOF三者之间的联系，改善状态估计效果，使估计结果更为接近实际情况，体现出了电池状态联合估计的优势。

附图说明