[发明专利]一种基于温度修正模型的锂电池荷电状态联合估计方法

说明书

本发明针对混合动力汽车的电池管理系统由于温度影响导致荷电状态估计误差的问题公开了一种基于温度修正模型对锂电池荷电状态估计的方法，首先，选定某动力锂电池，建立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恒流充放电实验和HPPC实验，记录实验数据；接着，基于实验数据建立动力电池温度修正模型；最后，基于建立的温度修正模型和改进安时积分方法与自适应粒子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等效电路模型，基于温度修正模型可对宽温范围内的动力锂电池工作进行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模型的锂电池荷电状态联合估计方法。

背景技术

锂离子电池因其能量密度高，放电稳定和环境友好而被广泛应用于电动汽车(EV)与混合动力汽车(HEV)中。对于混合动力汽车，无论是对于剩余里程的估计以及路径规划的分析，还是对于混合动力系统的能量管理策略制定，都依赖于动力电池系统的荷电状态估计。因此锂电池的状态监管需要一个有效的电池管理系统(BMS)，以提供有关电池状态的准确信息，不仅用于车辆控制策略，而且还可以保持车辆的安全性，效率和电池使用寿命。锂电池的荷电状态(SOC)，量化了当前循环的可用电量，间接反映电动汽车剩余行驶里程。SOC的精确估计可以避免锂电池的过充与过放而保证电池的安全性，提高放电效率与延长循环寿命，是电池管理系统的核心技术。但是锂电池的SOC值无法直接测量，只能从电池的电压、电流等状态量间接估计。因此锂电池的SOC精确估计是电池管理系统的首要解决任务。

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。

现有的荷电状态估计主要通过提高电池模型精度与采用不同的算法来提高SOC精度，但上述方法没有充分考虑温度变化对电池状态的影响。而实际上，电动汽车在不同环境温度下行驶时电池的温度会发生变化，同时，放电过程中电池温度也不可避免地会发生变化。动力电池温度的改变会引起电池实际的放电容量等参数变化，导致SOC很难被精准估计，因而在SOC估计时需要充分考虑这些参数的温度特性。

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模型的锂电池荷电状态联合估计方法。

本发明为解决上述技术问题采用以下技术方案：

基于温度修正模型对锂电池荷电状态的联合估计的方法，包括以下步骤：

步骤S1)，选定待测动力电池，基于双极化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)，在动力锂电池的工作范围温度内以预设的温度步长阈值逐次增大实验温度，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；