[发明专利]一种动力电池多维度融合SOC和SOH在线联合估算的方法

说明书

本发明涉及一种动力电池多维度融合SOC和SOH在线联合估算的方法，本发明选用双扩展卡尔曼滤波(Dual‑EKF)方法与多维度融合估算法，解决单独设计SOC和SOH估算系统工作量大且估算精度低等问题，通过混合脉冲功率性能测试获取相关数据，并建立二阶RC等效电路模型辨识模型参数值R₁,R₂,C₁,C₂；用Dual‑EKF方法对SOC、内阻、额定容量三个状态参量进行在线精确估算，进而确定SOH_Ri和SOH_Qi；最后利用正规化最小二乘法计算两个维度的健康状态权重系数α_R、α_Q并融合获取综合健康状态值SOH_Ti，最终准确预估动力电池的SOH值，实现了对SOC和SOH联合在线估算，提高了SOC、SOH值的估算精度，在嵌入式动力电池管理系统上适用性强。

技术领域

本发明属于动力电池管理系统中对动力电池状态参数实时估算的领域，尤其涉及一种动力电池多维度融合SOC和SOH在线联合估算的方法。

背景技术

电池的荷电状态SOC和电池健康状态SOH的精确在线实时估计对于动力电池工作过程的实时控制尤为重要。SOC反映电池当前的剩余电量，SOH反映电池当前的使用寿命。目前，对动力电池SOC和SOH估算大多都是单独研究。SOC和SOH的在线式估算方法主要包括：扩展卡尔曼滤波EKF、神经网络法、模糊逻辑控制法。其中，EKF是基于电池等效模型的方法，其原理较为简单，复杂度低，这种方法的估算精度很大程度取决于所建立模型的准确度。

电池SOH的变化受电池的当前可用容量、欧姆内阻、电池的自放电电阻、充放电深度等多种状态变量的影响，用单一的状态参量评价电池的健康状态是不够准确的。

发明内容

本发明为解决精度不足以及单独估算SOC和SOH工作繁琐的问题，提供了一种动力电池多维度融合SOC和SOH在线联合估算的方法，实现实时精准的评估电动汽车动力电池的荷电状态和健康状态。

为实现上述目的，本发明采用如下的技术方案，具体包括以下步骤：

步骤1：以电池戴维南等效电路模型为基础，构建了二阶RC电路，通过混合脉冲功率性能测试采集实验数据，辨识出参数R₁，R₂，C₁，C₂。

步骤2：建立SOC与电流，容量等参数之间的数学关系以及SOH分别与内阻和容量之间的数学关系式。

步骤3：用Dual-EKF对动力电池进行SOC和SOH的在线联合估计。分别使用EKF算法对电池的SOC、电池内阻R、电池当前可用容量Q进行联合估计，得到最优估计值。

步骤4：基于步骤3中EKF算法对电池内阻和容量的实时估算结果，建立综合健康状态值 SOH_Ti＝α_RSOH_Ri+α_QSOH_Qi并确定根据正规化最小二乘法确定权重系数α_R、α_Q。

优选地，步骤1中构建了戴维南二阶RC等效电路模型，包括：负载电流I，电池开路电压 U_oc，极化电阻R₁和R₂，极化电容C₁和C₂，欧姆内阻R₀，电池端电压U₀。该模型更加准确的模拟了电池的动态特性，可用于电池SOC和SOH联合估计。通过混合脉冲功率性能测试采集实验数据，利用MATLAB中的Curve Fitting工具箱进行曲线拟合，根据等效电路模型通过基尔霍夫电压电流定律和基本电路原理建立相应的数学关系式辨识参数R₁，R₂，C₁，C₂。