[发明专利]一种基于动态参数的动力电池SOC估算方法及系统

说明书

技术领域

本发明涉及电动汽车和储能电池管理系统领域，特别涉及一种基于动态参数的动力电池SOC估算方法及系统。

背景技术

目前，国内外关于动力电池荷电状态(State of Charge,SOC)估计方法主要包括：内阻法、安时积分法、开路电压法、卡尔曼滤波法、观测器法、粒子滤波法和神经网络法。其中，内阻法依据电池内阻和SOC之间的函数关系，通过检测电池内阻检测内阻来计算电池SOC，然而在线、准确地测量电池内阻存在因难，限制了该方法在实际工程中的应用。安时积分法虽然原理简单、易于实现，但是无法消除SOC初始误差以及因电流测量不准确而引起的累计误差。开路电压法根据开路电压(OCV)和SOC的对应关系来计算电池SOC，需要将电池充分静置后才能测量OCV，因此不适用于SOC的在线估计。卡尔曼滤波法和观测器法，都能够很好地修正电池SOC的初始误差，且具有良好的抗噪能力，然而它们对模型精度的要求非常高。粒子滤波法，收敛时间过长。神经网络法，需要大量的训练样本，在实际应用中我们不可能得到覆盖所有实际工况的样本数据，因此其精度也将受到一定的影响，而且该方法计算量大难以在硬件中实现。动力电池是是个复杂的非线性动力系统，电池模型参数明显受到温度、电池自放电、老化等诸多因素的影响。

现有的电池SOC估计方法在实际应用中，都不同程度地存在一定不便和缺陷，因此有必要做进一步的改进。

发明内容

本发明的目的在于，解决现有电池SOC估算精度和速度的问题。

为实现上述目的，第一方面，本发明提供了一种基于动态参数的动力电池SOC估算方法及系统，该方法包括以下步骤：对电池开展放电-静置实验，获得电池在不同温度下的OCV-SOC特性曲线，拟合出OCV-SOC的关系表达式；对电池进行恒定电流的脉冲放电-静置实验，记录期间的电压响应，根据所得电压响应曲线，通过离线的方法辨识出电池二阶RC等效电路模型的参数初始值；利用含遗忘因子的递推最小二乘法RRFLS，对二阶RC等效电路模型进行动态参数辨识；采用EKF算法对电池SOC进行在线估算。

优选地，电池二阶RC等效电路模型主要由第一电阻(R₀)、第二电阻(R₁)、第三电阻(R₂)、第一电容(C₁)、和第二电容(C₂)构成。

优选地，遗忘因子的值为0.95～0.98。

第二方面，本发明提供了一种基于动态参数的动力电池SOC估算系统，该系统包括：第一计算模块，用于对电池开展放电-静置实验，获得电池在不同温度下的OCV-SOC特性曲线，拟合出OCV-SOC的关系表达式；第二计算模块，用于对电池进行恒定电流的脉冲放电-静置实验，记录期间的电压响应，根据所得电压响应曲线通过离线的方法辨识出电池二阶RC等效电路模型的参数初始值；第三计算模块，用于利用含遗忘因子的递推最小二乘法RRFLS，对二阶RC等效电路模型进行动态参数辨识；第四计算模块，用于采用EKF算法对电池SOC进行在线估算。

本发明克服了安时积分法中的SOC初值不准确及累计误差的现象，适应电池特性的动态变化，电池模型精度高，收敛速度快，稳定可靠，提高了SOC在线估算的精度，可广泛应用于电动汽车和储能电池管理系统领域。

附图说明

图1是本发明实施例提供的一种基于动态参数的动力电池SOC估算方法流程示意图；

图2是电池二阶RC等效电路模型结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。

图1是本发明实施例提供的一种基于动态参数的动力电池SOC估算方法流程示意图。如图1所示，该方法包括以下步骤：

步骤一、对电池开展放电-静置实验，获得电池在不同温度下的OCV-SOC特性曲线，拟合出OCV-SOC的关系表达式。

步骤二、对电池进行恒定电流的脉冲放电-静置实验，记录期间的电压响应，根据所得电压响应曲线，通过离线的方法辨识出电池二阶RC等效电路模型的参数初始值。