[发明专利]一种基于气液动力学模型带参数修正的SOC估计方法及系统

说明书

本发明提供一种基于气液动力学模型带参数修正的SOC估计方法及系统，包括以下步骤：对锂离子电池进行HPPC实验，记录电池数据，用于估算模型参数和获取OCV‑SOC关系式；辨识气液动力学模型参数；对步骤一所获得的开路电压数据与SOC进行拟合，得到OCV‑SOC关系曲线；搭建气液动力学模型，通过气液动力学模型获得电池开路电压，再通过开路电压OCV与电池荷电状态SOC的关系曲线得到SOC的估计值；搭建安时积分法模型；SOC的真实值与SOC的估计值构成控制偏差，偏差通过PID模块按比例、积分、微分通过线性组合构成控制量，输出模型参数k₃的修正系数；将不同SOC下得到的修正系数加到参数k₃上再输入气液动力学模型，对模型进行修正，得到修正后的SOC值，提高了估算SOC的精度。

技术领域

本发明属于电池技术领域，尤其涉及一种基于气液动力学模型带参数修正的SOC估计方法及系统。

背景技术

为了解决全球性的石油资源紧缺与气候环境不断恶化的问题，寻求社会、经济与资源、环境相互促进与协调发展，电动汽车以其独特的节能环保优势成为未来交通工具的首选。而动力电池作为电动汽车的关键技术，对荷电状态进行准确的估计和监测，从电池安全性和电池使用效率来看都至关重要。

准确估算电池SOC，一方面来源于电动汽车的要求，从充分发挥电池能力和提高安全性两个角度对电池进行高效管理；另一方面，电动汽车电池在使用过程中表现的高度非线性，使准确估计SOC具有很大难度。两方面的结合，使得电动汽车电池SOC估算方法的选择尤为重要，传统方法种类之多，新方法层出不穷，不断更新改进。

在前人的研究中已经有很多估计锂离子电池SOC的方法。比如采用安时计数法(库仑计数法或电流积分法)，计算简单，易于实现，但是它对初始SOC准确度要求较高，并且存在噪声和测量误差的累积。开路电压(OCV)法具有很高的精度，但它需要电池进行长时间静置来估计SOC，因此不能实时应用。也有将电池作为黑盒系统的人工神经网络，模糊逻辑等智能算法，它具有强大的近似非线性函数的能力，这些方法通常可以很好地估计SOC，然而，这些智能算法计算过程较复杂，实现在线应用较困难。在提高参数辨识的精度方面，大多需要在特定SOC值点或不同倍率下分别辨识出多组参数值，建立离散参数空间或是通过数据拟合方法得到若干函数关系式，这些方法能够提高估算的精度，但会增加很多工作量。

发明内容

针对上述现有技术的缺点与不足，本发明提供一种利用Simulink仿真平台提供一种基于气液动力学模型带参数修正的SOC估计方法及系统。因为基于气液动力学模型只用辨识一组参数，能够大大减少计算量。为了在减少计算量的同时保证模型精度，加入了PID模块对模型重要参数实时修正。

本发明通过以下技术方案实现：

一种基于气液动力学模型带参数修正的SOC估计方法，包括以下步骤：

步骤一：对锂离子电池进行HPPC实验，记录电池开路电压、温度、电流和端电压数据，用于估算模型参数和获取OCV-SOC关系式；

步骤二：辨识气液动力学模型参数k₁、k₂、k₃、k₄；

步骤三：对步骤一所获得的开路电压数据与SOC进行拟合，得到OCV-SOC关系曲线；

步骤四：搭建气液动力学模型，通过气液动力学模型获得电池开路电压，再通过开路电压OCV与电池荷电状态SOC的关系曲线得到SOC的估计值；

步骤五：搭建安时积分法模型，用来输出参考SOC；

步骤六：SOC的真实值与SOC的估计值构成控制偏差，偏差通过PID模块按比例、积分、微分通过线性组合构成控制量，输出模型参数k3的修正系数；