[发明专利]一种动力电池SOC估算方法及估算系统

说明书

本发明属于锂电池技术领域，公开了一种动力电池SOC估算方法及估算系统，其包含：建立动力电池空间状态模型，确定动力电池空间状态模型的扩展卡尔曼滤波模型；对动力电池进行动力学特性测试，根据动力学特性测试数据对动力电池空间状态模型的扩展卡尔曼滤波模型的匹配系数进行确定；根据卡尔曼滤波模型的匹配系数对SOC进行估算。该系统依托于上述方法，本发明能够克服安时积分法需要准确初始SOC值以及存在误差累积的现有技术问题。

技术领域

本发明涉及锂电池技术领域，尤其涉及一种动力电池SOC估算方法及估算系统。

背景技术

随着能源危机和环境问题的日益严重，各国政府及汽车企业越来越重视电动汽车的研发。动力电池及电池管理系统是电动汽车的关键部件，准确进行荷电状态(SOC)的估计对提高电池使用寿命和整车性能有着重要的意义。

动力电池的高度非线性使得传统的卡尔曼滤波方面不能得到准确的SOC估计结果，而无迹卡尔曼滤波技术相对计算量比较大，粒子滤波技术计算的复杂程度更大，这两种并不适合在实际工程中应用。目前在估算电动汽车电池这块在实际使用中以安时积分法为主，但安时积分法存在需要准确的初始SOC值，要求很高的精度的电流传感器，计算过程中存在误差积累等问题。

发明内容

本发明目的在于提供一种动力电池SOC估算方法及估算系统，以克服安时积分法需要准确初始SOC值以及存在误差累积的现有技术问题。

为实现上述目的，本发明提供了一种动力电池SOC估算方法，包括以下步骤：

建立动力电池空间状态模型，确定动力电池空间状态模型的扩展卡尔曼滤波模型；

对动力电池进行动力学特性测试，根据动力学特性测试数据对动力电池空间状态模型的扩展卡尔曼滤波模型的匹配系数进行确定；

根据卡尔曼滤波模型的匹配系数对SOC进行估算。

依托于上述方法，本发明还提供了一种动力电池SOC估算系统，包括：

第一模块：用于建立动力电池空间状态模型，确定动力电池空间状态模型的扩展卡尔曼滤波模型；

第二模块：用于对动力电池进行动力学特性测试，根据动力学特性测试数据对动力电池空间状态模型的扩展卡尔曼滤波模型的匹配系数进行确定；

第三模块：用于根据卡尔曼滤波模型的匹配系数对SOC进行估算。

本发明具有以下有益效果：

1、本发明的估算方法能够克服电流误差的累积，对动力电池SOC进行准确的估算；

2、本发明的估算方法对初始值要求精度没有过高的要求；

3、本发明的估算方法能够克服一定量的传感器误差，估算精度高。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的一种动力电池SOC估算方法流程图；

图2是本发明优选实施例的动力电池一阶RC等效电路图；

图3是本发明优选实施例的动力电池模型参数识别用1C放电脉冲图；

图4是本发明优选实施例的参数拟合完后，测量电压与计算电压对比图；

图5是本发明优选实施例的克服初始SOC存大误差的示意图；

图6是本发明优选实施例的克服积累误差的示意图；