[发明专利]一种动力电池开路电压模型融合方法

说明书

本发明提供一种锂离子动力电池开路电压模型融合方法，包括以下步骤：通过OCV实验获得电池全SOC区间的开路电压(OCV)‑荷电状态(SOC)实验曲线；以一定等SOC间隔选取实验曲线上的(SOC,OCV)数据点，通过合理选取不同OCV模型，将选取的数据点代入各OCV模型得到相应OCV‑SOC拟合曲线；在数据点所划分出的每个SOC间隔内，分别计算各OCV‑SOC拟合曲线与实验曲线之间的均方根误差，并据此为各SOC区间中每个OCV函数模型分配不同的权值，经加权融合后，最终获得整个SOC区间的OCV模型。该模型在全SOC区间均能获得高的拟合精度，具有很好的适应性，不再局限于现有技术中单一OCV模型只能在某一特定区间内具有较高的拟合精度，而牺牲其他区间的精确性的缺点。

技术领域

本发明涉及车载动力电池系统领域，尤其涉及锂离子动力电池的开路电压模型拟合方法。

背景技术

动力电池是新能源汽车的核心动力源。建立精确的动力电池模型不仅是动力电池多状态估计的基础，更是动力电池系统故障诊断的前提，对于提高动力电池的耐久性、可靠性和安全性具有重要意义。动力电池的模型参数分为动态特性参数和静态特性参数。其中，动态特性参数通常需要通过在线参数辨识方法得到；静态特性参数开路电压OCV可通过建立OCV模型将其等价为荷电状态SOC的非线性函数，该OCV模型需通过离线OCV测试实验得到n组(OCV，SOC)数据点进行训练或拟合得到，故大量OCV模型被提出并应用于电池模型参数辨识和状态估计过程中，这些OCV模型基本上都是由广义多项式函数项、对数函数项、指数函数项和幂函数项组合而成。由不同模型函数项所组合出的OCV模型有各自的拟合精度特点，并且在其对应提出者所给出的电池种类和工况中都很合适，但是大部分的OCV模型出于精度、计算量等多方面折中的考虑，注意力主要集中在动力电池的10％-90％SOC区间内的模型参数估计效果，从而使得在其余SOC区间内的拟合精度非常差，无法在全SOC区间做出高精确性的拟合表述。因此，如何在维持现有精度水平不被降低的基础上，进一步提高全SOC区间的拟合精度，是本领域中亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种动力电池开路电压模型融合方法，具体包括以下步骤：

步骤一、选取锂离子动力电池样本作为实验对象，利用容量实验获取动力电池的最大可用容量；通过OCV充放电实验及安时积分法并结合所述最大可用容量得到OCV-SOC关系实验曲线；

步骤二、针对所述OCV-SOC实验曲线，在SOC全区间等SOC间隔选取多个数据点，所选取的数据点中包括小于10％SOC以及大于90％SOC区间范围内的数据点；选取三个以上不同OCV函数模型，分别对数据点进行拟合得到OCV-SOC拟合曲线；

步骤三、在多个数据点所划分出的每个SOC间隔内，分别计算步骤二中各OCV-SOC拟合曲线与步骤一中的OCV-SOC实验曲线之间的均方根误差，并据此为各区间中每个OCV函数模型所拟合的结果分配不同的拟合精度权值；

步骤四、将各区间中加权后的每个OCV函数模型所拟合的结果进行融合，并采用“S”曲线函数对各SOC区间过渡处进行处理，最终得到全SOC区间的OCV融合模型。

进一步地，所述步骤一中的容量实验获取电池的最大可用容量过程具体为：

先将动力电池样本在恒流恒压方式下充满，静置并放电至下截止电压，再次静置后采用恒流-恒压方式充满，重复此充放电过程若干次；若相邻两次充放电循环容量差异小于预定水平，则本次最大可用容量测试有效，并取上述若干次测试结果的平均值作为实验得出的动力电池最大可用容量C_p。

进一步地，所述步骤一中，通过OCV充放电实验得到OCV-SOC关系曲线的具体过程为：