[发明专利]基于温度修正的复合等效电路模型对荷电状态估计的方法

说明书

本发明公开了一种基于温度修正的复合等效电路模型对荷电状态估计的方法，首先，选定某动力电池，建立复合等效电路模型确定在线辨识的系统状态和模型参数；然后在不同温度下对该动力电池进行恒温脉冲充放电实验和HPPC实验，记录实验数据；接着，基于实验数据建立动力电池基于温度修正的OCV‑SOC模型；最后，基于建立的温度修正的OCV‑SOC模型和最小二乘估计与自适应扩展卡尔曼滤波算法可以在宽温范围内对动力电池进行系统在线辨识与SOC精准估计。本发明所采用的模型结合电化学模型与等效电路模型，基于温度修正OCV‑SOC模型可对宽温范围内的动力电池工作进行SOC精准估计。

技术领域

本发明涉及电池管理技术领域，尤其涉及一种基于温度修正的复合等效电路模型及SOC 估计方法。

背景技术

随着对能源的结构优化与环境友好的要求，新能源汽车的发展成为时下汽车发展的热点。在车载电池的电池管理系统(Battery Management System,BMS)中，动力电池的荷电状态 (State of Charge,SOC)是一个十分关键的电池状态估计参数，用于表征电池当前所能释放的剩余容量占额定容量的百分比。SOC不仅是电动汽车能量优化算法的基础，也是测试和评价电池性能以及对电池均衡控制和寿命预测的重要指标。因此，实时准确顾及SOC是当前 BMS中的关键技术之一。

在对动力电池SOC估计分析中，目前对于电池建模的研究方法中，主要有以下几种：电化学模型、神经网络模型、等效电路模型。其中电化学模型较为精确，能较好地反映电池内部变化，但是模型参数多辨识困难，不便于实际应用；神经网络模型模型精度高，能够考虑多种因素影响，但是需要大量实验数据，且对实验的初始值选取要求较为严格；等效电路模型相对较为简单，用电路元件模拟电池内部结构，模拟过程直观，辨识需要采集大量数据，在现在SOC估计中应用较为广泛。在SOC估计应用的方法主要有以下几种：安时积分法、开路电压、阻抗分析法、卡尔曼滤波法、智能机算法。其中安时积分法利用理论公式直接进行计算，较为简单容易实现，但是存在误差累积，对于数据的精度要求较高；开路电压法通过测量电池开路的电压，根据电压与SOC的曲线关系确定SOC值，容易实现估算准确，但是开路电压的求取条件苛刻，不能实现在线估计；阻抗分析法将交流信号加载到电池两端，用交流信号的频率计算电池的SOC，操作条件较为简单，在实际应用中影响因素较多，方法尚未成熟；卡尔曼滤波法将电池SOC作为状态变量，以电池端电压为输出变量，通过真实值与端电压估计值对比，迭代出实际SOC，追踪速度快，估算精准，但是模型精度要求高，计算量较大；智能计算法，不依赖于电池数学模型，能够精准地表征电池内部的复杂变化，但是需要大量的数据来训练。

在SOC估计中各类研究模型与研究方法中，目前的研究很少考虑电池在充放电过程中的温度变化所造成的动力电池的状态参数的改变，以及由此所造成的SOC估计误差。因此，需要一种针对不同工作温度条件下的电池SOC精准估计来解决上述问题。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种基于温度修正的复合等效电路模型及SOC估计方法。

本发明为解决上述技术问题采用以下技术方案：

基于温度修正的复合等效电路模型对荷电状态估计的方法，包括以下步骤：

步骤S1)，选定待测动力电池，基于复合等效电路模型建立状态方程，确定其在线辨识的系统状态和模型参数；

步骤S2)，在不同温度下对该动力电池进行恒流脉冲充放电实验和混合脉冲功率特性实验，记录不同温度下的实验结果数据；

步骤S3)，基于记录的实验数据，建立考虑温度修正的开路电压与荷电状态关系模型；

步骤S4)，基于建立的温度修正的开路电压-荷电状态模型，利用遗忘因子的最小二乘估计和自适应扩展卡尔曼滤波算法在宽温范围内对动力电池进行荷电状态估计。