[发明专利]基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法

说明书

本发明公开了基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，包括电压曲线特征分析、基于电池充电电压曲线的放电阶段电池端电压求解、基于充电电压曲线融合卡尔曼滤波估算电池SOC三个阶段。第一阶段是利用实测电池充电过程获得不同老化状态下充电电压和电池充入容量关系曲线，将电池容量归一化处理并对曲线纵向平移从而得到电池老化后重合的充电电压和SOC关系曲线。第二阶段是根据充电过程和放电过程的电压表达式得出放电阶段电池端电压的求解表达式，并通过引入噪声分析电压的影响因素和结果。第三阶段是将传统卡尔曼滤波算法中电池端电压测量方程用求解的电池端电压表达式进行替换，实现充电电压曲线与卡尔曼滤波融合估算电池SOC。

技术领域

本发明属于电动汽车技术领域，具体涉及电动汽车动力电池状态参数预估方法。

背景技术

精确估算电池荷电状态(State of Charge,SOC)为电池寿命估算和安全性评估提供参考依据，有利于电池管理系统整体性能提升，保障电动汽车的续航里程。

目前多通过电池开路电压法或安时积分法来估算电池SOC，比较典型的算法是卡尔曼滤波算法，在用于求解电池SOC的扩展卡尔曼滤波算法的基础上，增加电池模型参数的状态方程，通过在线辨识出模型参数，从而更为准确的估算出电池SOC。这些估算方法注重于模型本身、模型参数误差和算法可靠性的问题，却忽略了实际应用中存在的很多噪声问题，例如电池管理系统中测量误差，或者将这些噪声归结为简单的白噪声，简化的同时很有可能造成了估算效果降低。

电池整个寿命周期中，稳定的电池充电工况是存在的。依据电池在充电过程中电池端电压和充入电量关系曲线，研究者提出利用该曲线随电池老化变化的特点，进行平移修正从而获得老化后电池额定容量值，但如何采用充电电压曲线消除电池管理系统中测量误差，进而将其应用到电池SOC在线估算中仍有待深入。

发明内容

为了解决上述问题，本发明提出了基于充电电压曲线融合卡尔曼滤波的电池荷电状态在线估算方法，包括如下：

S1、电压曲线特征分析；

S2、基于电池充电电压曲线的放电阶段电池端电压求解；

S3、基于充电电压曲线融合卡尔曼滤波估算电池SOC。

进一步，上述S1中，电压曲线特征分析，利用实测电池充电过程获得不同老化状态下充电电压和电池充入容量关系曲线，将电池容量进行归一化处理并对曲线进行纵向平移从而得到电池老化后重合的充电电压和SOC关系曲线。利用开路电压和SOC关系曲线，分析可知充电电压和SOC关系曲线能够应用于电池SOC的估算中。

进一步，上述S2中，基于充电电压曲线的放电阶段电池端电压求解，具体过程如下：

S2.1、建立充电过程电池电压表达式为：

U_充＝U_oc+I_充·R₀+U_1,充 (1)

式中，U_oc为开路电压，I_充为充电电流，R₀为充电欧姆内阻，U_1,充为充电极化电压。

进而，电池开路电压可表示为：

U_oc＝U_充-I_充·R₀-U_1,充 (2)

S2.2、建立放电过程电池电压表达式为

U_放＝U_oc-I_放·R′₀-U_1,放 (3)