[发明专利]一种SOC-SOH联合在线实时估计和在线修正方法

说明书

本发明公开了一种SOC‑SOH联合在线实时估计和在线修正方法，包括：SOC硬件预估计模块，利用霍尔电流传感器将大电流信号转化为低电压信号，将该信号通过一个带通滤波器进行噪声滤波，然后将滤波过后的信号送入一个RC积分器间接实现对电流信号的积分，由ADC采集到的积分信号送给MCU芯片实现校正；锂电池等效电路参数校正模块，该模块包含一个方波脉冲开关电流源和一个可控电子负载，利用方波脉冲开关电流源或电子负载对锂电池组进行充电或者放电测试，利用ADC采集电池组的端电压，根据充电或者放电曲线的输入响应，校正充放电过程中电池等效模型的参数。本发明克服了电路模型参数修正问题而且实现了SOC‑SOH实时准确在线联合估计。

技术领域

本发明涉及锂电池技术领域，主要是涉及一种18650商用锂电池管理系统，具体地讲，是涉及一种SOC-SOH联合在线实时估计和在线修正方法。

背景技术

锂电池由于能量密度高、自放电流小、可正常使用寿命长等特点被用作为电动汽车的动力电池。但同时因为锂电池不能进行过量地充放电，否则会对锂电池造成不可逆的损伤。因此如何快速准确地确定锂电池的工作状态是锂电池管理系统(LBMS,LithiumBattery Management System)关键技术之一。且该系统性能的好坏直接影响电池电动汽车的运行质量。

锂电池状态中最为重要的两个状态：荷电状态(SOC,State of Charge)和健康状态(SOH,State of Health)，其中SOC反映锂电池当前可用电量的大小，是决定电动汽车工作状态(SOP,State of Power)的重要参数之一，也是控制锂电池组之间能量均衡的重要前提，由于锂电池组之间的差异，如果该能量的不一致性不加以考虑和消除，则会加速锂电池老化和缩短锂电池使用寿命；SOH反映电池的老化程度，SOH的估计直接影响了对锂电池组是否进行更新的决策。

荷电状态SOC直接反映锂电池当前剩余电量，在已发表的科技文献和已公开的SOC方法中，比较常见的方法包括安时积分法、开路电压法、加权混合法和一些基于控制论的方法，如卡尔曼滤波及其变形、H_∞和滑模等观测器。安时积分法严重依赖测量精度，否则导致误差传播。由于锂电池的迟滞效应导致开路电压法不能满足实时性要求。卡尔曼滤波或基于观测器的方法中存在矩阵求逆矩等矩阵运算对运算芯片有较高的速度和资源要求。对复杂工况，基于粒子滤波的预测校正方法是近年来比较稳定和简洁的算法。但标准的粒子滤波存在粒子退化等问题。

健康状态SOH反映锂电池老化效应的程度，目前行业中并没有对SOH进行标准定义，采用电池内阻的定义方法容易受温度的影响，温度高时内阻定义的SOH小，温度低时内阻定义的SOH大，通常利用伏安法直接测量SOH。多数文献和同类发明大都采用电容定义，将电池看做为一个大电容，但该种方法难以在线实时计算SOH。利用EIS实验可直接算出精确的SOH，该方法只适合在实验室研究时测量。

由于锂电池的锂离子活性受环境温度影响较大，因此在不同温度下，锂电池内部参数可能发生变化。由于锂电池内部复杂的物理化学反应，难以实现对温度影响的精确建模。数据驱动的神经网络映射方法能很好地估计温度对SOC和SOH的影响程度。但需要大量的数据做支撑且依靠强有力的硬件设备实现，这些无法实现工程应用。采用经验公式可以很好地解决温度变化所带来的影响。

由于锂电池的多次充放电过后，副反应的累积效应体现在电极活性降低和固体电解质界面膜的加厚，从而引起锂电池等效电路模型参数的漂移甚至模型失效。多次充放电后，库仑效率降低，模型在充放电过程中参数不能保持一致。因此对模型参数的在线修正对SOC和SOH估计不可缺少，从而保证LBMS的性能和延长锂电池的使用寿命。

综上所述，在线快速准确实现锂电池状态参数和模型参数估计和优化修正是LBMS的重要基础之一。

发明内容

为克服现有技术中的上述问题，本发明提供一种设计巧妙、能够同时满足在线性和实时性两大要求的SOC-SOH联合在线实时估计和在线修正方法。