[发明专利]一种电池荷电状态预测方法和系统

权利要求书

1.一种电池荷电状态预测方法，其特征在于，包括：

获取电池在充放电过程中的电压和电流；

根据所述电池在充放电过程中的电压和电流，采用遗传算法，对所述电池的二阶RC等效电路模型中的模型参数进行优化，得到优化后的模型参数；

获取所述电池的荷电状态的三次样条拟合函数，根据所述优化后的模型参数和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型；

根据所述荷电状态预测模型，预测所述电池的荷电状态。

2.根据权利要求1所述的方法，其特征在于，所述模型参数包括：

所述电池的欧姆内阻、电化学极化内阻、电化学极化电容、浓差极化内阻和浓差极化电容。

3.根据权利要求1所述的方法，其特征在于，所述获取所述电池的荷电状态的三次样条拟合函数，包括：

获取所述电池在充放电过程中的荷电状态和开路电压；

根据所述电池在充放电过程中的荷电状态和开路电压，建立所述电池的荷电状态的三次样条拟合函数。

4.根据权利要求1所述的方法，其特征在于，所述根据所述优化后的模型参数和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型，包括：

根据所述优化后的模型参数，建立所述电池的状态方程；

根据所述电池的平衡电动势、欧姆压降、RC电路电压，建立所述电池的量测方程；

根据所述量测方程、所述状态方程和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型。

5.一种电池荷电状态预测系统，其特征在于，包括：

获取模块，用于获取电池在充放电过程中的电压和电流；

参数优化模块，用于根据所述电池在充放电过程中的电压和电流，采用遗传算法，对所述电池的二阶RC等效电路模型中的模型参数进行优化，得到优化后的模型参数；

模型建立模块，用于获取所述电池的荷电状态的三次样条拟合函数，并根据所述优化后的模型参数和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型；

预测模块，用于根据所述荷电状态预测模型，预测所述电池的荷电状态。

6.根据权利要求5所述的系统，其特征在于，所述参数优化模块具体用于：

采用遗传算法，对所述电池的欧姆内阻、电化学极化内阻、电化学极化电容、浓差极化内阻和浓差极化电容，进行优化。

7.根据权利要求5所述的系统，其特征在于，所述模型建立模块包括:

获取子模块，用于获取所述电池在充放电过程中的荷电状态和开路电压；

函数拟合子模块，用于根据所述电池在充放电过程中的荷电状态和开路电压，建立所述电池的荷电状态的三次样条拟合函数。

8.根据权利要求5所述的系统，其特征在于，所述模型建立模块包括：

状态方程子模块，用于根据所述优化后的模型参数，建立所述电池的状态方程；

量测方程子模块，用于根据所述电池的平衡电动势、欧姆压降、RC电路电压，建立所述电池的量测方程；

模型建立子模块，用于根据所述量测方程、所述状态方程和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型。

9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。