[发明专利]一种基于多时间尺度的空间锂离子电池状态联合估计方法

说明书

一种基于多时间尺度的空间锂离子电池状态联合估计方法，涉及锂离子电池管理领域，为了解决现有的方法无法适用于电池在SOH退化条件下的SOC长期估计的问题。建立电池等效电路模型；进行模型参数辨识，建立不同SOH条件下的模型参数插值表，一个SOH条件对应一组模型参数插值表；每一组模型参数插值表满足分别给电路模型施加电流激励信号时电压响应误差在允许的范围内；建立多时间尺度状态空间方程；采用建立的多时间尺度状态空间方程，基于UPF算法进行微观尺度下的SOC的估计和宏观尺度下的SOH的估计，根据SOH的退化情况更新用于SOC估计的电池容量和模型参数插值表。适用于估计SOC。

技术领域

本发明涉及锂离子电池管理领域，具体涉及一种基于多时间尺度的锂离子电池状态联合估计方法。

背景技术

锂离子电池以其单体输出电压高，循环寿命长，自放电率低，能量密度大，无环境污染等优点广泛应用于消费类电子，电动汽车，通信储能基站等领域，并逐渐扩展至航空，航天，航海等军事领域。尤其是在空间卫星应用方面，锂离子电池可大大降低载荷的重量和体积，较传统的镍氢电池和镍铬电池具有巨大优势，已经成为了第三代卫星储能电池。作为卫星在地影期运行的唯一能量来源，锂离子电池的安全可靠运行是保证卫星等空间飞行器在轨运行的前提。因此，针对面向空间应用的锂离子电池管理已经成为了研究的热点。

荷电状态(State of Charge,SOC)估计是锂离子电池管理的核心内容之一，其在线实时估计可以预计系统的运行时间，并制定合理的电池充放电策略，对于保障系统的安全运行具有重要意义。而SOC估计对于空间应用，可以对锂离子电池或航天器电源子系统的能源分配和优化管理，提供重要的参考。锂离子电池本身具有的强非线性特征给SOC的估计增加了难度。与此同时，锂离子电池在长期使用过程的健康状态(State of Health,SOH)下降会导致电池容量参数和模型参数(以下两者统称为“系统参数”)的改变，这些均将给SOC的长期估计带来挑战。

模型法是一类典型的SOC估计方法，其需要建立描述电池特性的等效模型，如等效电路模型或者电化学模型，并结合一定的非线性滤波算法，如扩展卡尔曼滤波，无迹卡尔曼滤波，粒子滤波，无迹粒子滤波(Unscented Particle Filtering,UPF)等方法，进行SOC的滤波估计。该类方法在电池使用初期具有良好的SOC估计性能，但是随着电池在长期使用过程中的“老化”，即SOH退化，原本建立的电池等效模型及相应的模型参数插值表的表征能力下降，同时电池的容量参数也将发生改变，这些均会导致SOC估计性能的降低，甚至发散。也就是说，该类方法仍然不能有效的解决电池在SOH退化条件下的SOC长期估计问题。因此，开发一种能适应于SOH退化条件下的SOC长期估计方法是当前电池管理的一个技术难点。

发明内容

本发明的目的是为了解决现有的方法无法适用于电池在SOH退化条件下的SOC长期估计的问题，从而提供一种基于多时间尺度的空间锂离子电池状态联合估计方法。

本发明所述的一种基于多时间尺度的空间锂离子电池状态联合估计方法，该方法包括：

步骤一、建立电池等效电路模型；

步骤二、进行模型参数辨识，建立不同SOH条件下的模型参数插值表，一个SOH条件对应一组模型参数插值表；

步骤三、对于步骤二辨识的每一组模型参数插值表，分别给电路模型施加电流激励信号，判断电压响应误差是否均在允许的范围内，如果判断结果为是，则进行步骤四，否则返回步骤二；

步骤四、建立多时间尺度状态空间方程，即建立微观尺度下的SOC估计系统的状态空间方程和宏观尺度下的SOH估计系统的状态空间方程；

步骤五、采用步骤四建立的多时间尺度状态空间方程，基于UPF算法进行微观尺度下的SOC的估计和宏观尺度下的SOH的估计，根据SOH的退化情况更新用于SOC估计的电池容量和模型参数插值表。