[发明专利]一种动力电池SOC预测装置、汽车及方法

说明书

本发明涉及动力电池健康状态领域，公开一种基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，该动力电池SOC预测装置包括连接于动力电池的以下部件记录动力电池充放电时间的微控制器、测量动力电池温度的温度传感器、测量动力电池充电电流的电流传感器、测量充电电池放电电压的电压传感器，其中，微控制器分别连接于温度传感器、电流传感器和电压传感器，微控制器在建立多个预测动力电池的荷电状态的数学模型和得到每个荷电状态的权重之后，通过加权求和算法得到动力电池的荷电状态值。本发明提高了描述动力电池的充放电特性的精度。

技术领域

本发明涉及动力电池健康状态领域，具体地，涉及动力电池SOC预测装置、汽车及方法。

背景技术

精确测量动力电池的荷电状态对动力电池的能量管理与电池保护具有重要意义。但是电池随着电池使用时间的增长其内阻会增大，电池的容量也会随之降低。且电池的荷电状态与环境温度以及充放电电流之间存在复杂的非线性关系，这使得难以建立精确的数学模型对动力电池的充放电特性加以描述。也正是由于数学模型的精度问题，限制了传统的卡尔曼滤波在工程中应用。

发明内容

本发明的目的是提供一种动力电池SOC预测装置、汽车及方法，该动力电池SOC预测装置克服了现有技术中的无法建立精确的数学模型对动力电池的充放电特性加以描述的问题，提高了描述动力电池的充放电特性的精度。

为了实现上述目的，本发明提供一种基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，该动力电池SOC预测装置包括连接于动力电池的以下部件记录动力电池充放电时间的微控制器、测量动力电池温度的温度传感器、测量动力电池充电电流的电流传感器、测量充电电池放电电压的电压传感器，其中，所述微控制器分别连接于所述温度传感器、电流传感器和电压传感器，所述微控制器在建立多个预测动力电池的荷电状态的数学模型和得到每个荷电状态的权重之后，通过加权求和算法得到动力电池的荷电状态值。

优选地，该动力电池SOC预测装置包括：所述控制器能够根据所测量的充电电流和放电电压建立多个数学模型，并通过扩展卡尔曼滤波法针对多个数学模型预测动力电池的荷电状态；所述微控制器能够根据动力电池充放电时间和动力电池温度模糊推理后得到每个数学模型预测动力电池的荷电状态的权重；通过多个数学模型预测动力电池的荷电状态及其权重的加权求和算法得到动力电池的荷电状态值。

优选地，所述微控制器还连接有带电可擦可编程只读存储器，在所述带电可擦可编程只读存储器中记录有动力电池的放电总时间。

优选地，该动力电池SOC预测装置还包括电源，所述电源连接于所述微控制器、温度传感器、电流传感器和电压传感器，以提供工作电压。

优选地，该动力电池SOC预测装置还包括输入端连接于所述微控制器的CAN控制器，所述CAN控制器的输出端连接于车载ECU。

本发明还提供一种汽车，该汽车包括上述基于模糊多模型卡尔曼滤波的动力电池SOC预测装置。

本发明还提供一种基于模糊多模型卡尔曼滤波的动力电池SOC预测方法，该动力电池SOC预测方法包括在建立多个预测动力电池的荷电状态的数学模型和得到每个荷电状态的权重之后，通过加权求和算法得到动力电池的荷电状态值。

优选地，在建立多个预测动力电池的荷电状态的数学模型和得到每个荷电状态的权重之后，包括：

根据测量的动力电池的充电电流和放电电压建立多个数学模型，并通过扩展卡尔曼滤波法针对多个数学模型预测动力电池的荷电状态；

根据动力电池充放电时间和动力电池温度模糊推理后得到每个数学模型预测动力电池的荷电状态的权重。

优选地，通过加权求和算法得到动力电池的荷电状态值，包括：

通过多个数学模型预测动力电池的荷电状态及其权重的加权求和算法得到动力电池的荷电状态值。