[发明专利]基于二阶EKF算法的锂离子电池SOC估计方法

说明书

本发明公开了一种基于二阶EKF算法的锂离子电池SOC估计方法，包括步骤：一、电池外特性分析，具体过程为：对电池进行间歇充放电实验，得到表征电池的滞回特性的开路电压曲线以及表征电池的回弹特性的充放电静置电压曲线；二、建立电池的等效电路模型；三、对电池的等效电路模型的参数进行参数辨识；四、采用二阶EKF算法对电池的SOC进行估计，得到电池的SOC的预测结果。本发明方法设计新颖合理，实现方便，对电池的动静态特性适应性较好，具有较高的估算精度，实用性强，推广应用价值高。

技术领域

本发明属于电池SOC估计技术领域，具体涉及一种基于二阶EKF算法的锂离子电池SOC估计方法。

背景技术

在推崇绿色经济，提倡可持续发展的当今时代，纯电动汽车以其噪声低、无污染、能源效率高等优势成为目前研究的主要方向。动力蓄电池作为电动汽车最主要的供电系统和动力载体，其运行情况的好坏对于整个电动汽车而言至关重要。

由于锂离子动力电池在性能上有着单体电压高、能量密度高、循环寿命长等优点成为国内外许多汽车厂家的首选。然而，由于锂离子动力电池技术还不成熟，存在一次性充电行驶里程较短、安全性能差及电池使用寿命短等缺点。因此，通过电池管理系统(BatteryManagement System，BMS)对其进行有效的管理和控制显得尤为重要。而在BMS中，准确估算电池组的SOC工作状态，无论对BMS系统本身还是电动汽车而言都具有重要的意义。但由于电动汽车运行情况会受到周围因素的影响，SOC不能直接测量得到，因此，选择适用于动力电池实际运行的SOC估计方法是当下业内学者研究的主攻方向。本发明涉及动力电池剩余电量(SOC)估计问题，具体涉及一种基于二阶EKF的锂离子电池SOC估计方法。

近年来，国内外学者对电池SOC的研究方法主要分为三大类。

第一类是基于电池电化学性质的SOC估计方法，具有代表性的方法有：安时积分(AH)法和开路电压(OCV)法。其中利用电池动态模型结合AH法对电池的SOC进行估计，在温度和电流变化的条件下仍然可以有效的估算电池的SOC，其实验结果显示SOC的误差范围在2.5％以内；基于一阶等效电路模型，将OCV方法进行改进并结合EKF算法分别对电池的容量和SOC进行估算，最终结果表明，SOC估算精度控制在±5％以内。此类方法的优势在于原理简单易实现，但其不具有实时修正能力，在汽车强烈的变工况状态时SOC估算误差会明显增大。

第二类主要是基于人工神经网络的新兴智能预测算法。这种算法使用输入时间延迟的神经网络估算方法，采用反向传播学习规则的多层感知器结构来调整神经元之间的权值从而实现准确估计，仿真结果表明：SOC估计的均方根误差小于0.35％。但这种方法是以大量样本数据为基础，受样本数据规模和训练算法规则的影响大，计算量较大，增加在线成本。

第三类方法主要是基于电池模型的卡尔曼滤波(Kalman Filter)算法。由于KF算法是针对线性系统，而针对动力电池非线性系统的算法主要是一阶EKF算法，其中在电池的电化学模型基础上结合扩展卡尔曼滤波对电池的SOC进行估算，实验结果表明误差不超过5％；在考虑放电倍率变化对电池容量的影响之下，建立了双电源模型，利用扩展卡尔曼滤波算法实现对电池的SOC估计，通过恒流放电实验验证，最终实验结果显示其最大估计误差在8％以内，平均误差保持在5％以内。一阶EKF算法相较其他SOC估算方法，不仅具有在线估计能力而且适用于各种类型的电池，成为当前普遍使用的估算方法，但此方法对电池模型的依赖性强，而且存在精度不高的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于二阶EKF算法的锂离子电池SOC估计方法，其方法设计新颖合理，实现方便，对电池的动静态特性适应性较好，具有较高的估算精度，实用性强，推广应用价值高。

为解决上述技术问题，本发明采用的技术方案是：一种基于二阶EKF算法的锂离子电池SOC估计方法，该方法包括以下步骤：