[发明专利]一种基于IMM-EKF的电池组SOC估算的方法

说明书

本申请公开了一种基于IMM‑EKF的电池组SOC估算的方法，包括：根据电池组电压建立最大单体电压交互模型、最小单体电压交互模型和平均电压交互模型；利用IMM‑EKF滤波程序分别对最大单体电压交互模型、最小单体电压交互模型和平均电压交互模型的SOC进行估算；计算各模型的信息分配因子，并根据各信息分配因子对各模型的SOC进行概率融合，得到电池组整体SOC。该方法将电池组分为三个模型，然后根据信息分配因子对各模型的SOC进行概率融合，得到精度较高的电池组整体SOC，解决了单模型估算误差较大的问题。本申请同时还提供了一种基于IMM‑EKF的电池组SOC估算的系统，具有上述有益效果。

技术领域

本申请涉及电动汽车技术领域，特别涉及一种基于IMM-EKF的电池组SOC估算的方法及系统。

背景技术

电池管理系统(Battery Management System，BMS)是电动汽车的重要组成部分，电池荷电状态(State of Charge，SOC)的估计是电池管理系统的核心，SOC代表的是电池的剩余容量与其完全充电状态的容量的比值，精度直接影响到电池的使用寿命、安全性能、均衡控制和热管理策略的定制，因此精确的SOC估算对于BMS极为重要。

由于电动汽车行驶过程中电压和能量的需求，电池管理系统需将数百个单体电池进行串联或并联。然而，由于电池生产过程中材料的差异，以及充放电过程中电池参数的变化，会使得同一电池组中的电池单体存在一定程度的不一致性，进而导致各电池单体的SOC存在差异，使得电池组整体的SOC难以估算。

现有技术中，对电池组整体的SOC估算通常用最小SOC或者平均SOC来代替整体SOC，若以最小SOC为整体SOC，则会导致电池组整体过充，或者电池单体的电压达到充电截至时电池包SOC不为100％；若以平均SOC为整体SOC，随着电池组的使用，电池一致性变差，也会出现电池单体过充或过放的问题。

现有算法中另一种估算方法是将整组电池作为一个大单体电池进行估算，但这个“大电池”的内部更为复杂，比单体电池建模更为困难，且整个组之间的一致性比单体间的一致性更差，估算难度更大。

因此，如何提升电池组整体SOC的估算准确度是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种基于IMM-EKF的电池组SOC估算的方法及系统，该方法能够提升电池组整体SOC的估算准确度。

为解决上述技术问题，本申请提供一种基于IMM-EKF的电池组SOC估算的方法，该方法包括：

根据电池组电压建立最大单体电压交互模型、最小单体电压交互模型和平均电压交互模型；

利用IMM-EKF滤波程序分别对所述最大单体电压交互模型、所述最小单体电压交互模型和所述平均电压交互模型的SOC进行估算，对应得到SOCmax、SOCmin和SOCaverage；

计算所述最大单体电压交互模型、所述最小单体电压交互模型和所述平均电压交互模型各自的信息分配因子；

根据各所述信息分配因子对所述SOCmax、所述SOCmin和所述SOCaverage进行概率融合，得到电池组整体SOC。

可选的，利用IMM-EKF滤波程序分别对所述最大单体电压交互模型、所述最小单体电压交互模型和所述平均电压交互模型的SOC进行估算，对应得到SOCmax、SOCmin和SOCaverage，包括：

对所述最大单体电压交互模型、所述最小单体电压交互模型和所述平均电压交互模型进行离散化，得到基于所述IMM-EKF滤波程序的目标状态方程和观测方程：

所述电池组模型的状态方程为：X_k+1,i＝A×X_k,i+B×(I_k-I_k,drf)；