[发明专利]一种动力电池全生命周期内SOC和容量在线联合估计方法

说明书

本发明涉及电动汽车动力电池状态估计技术领域，具体为一种动力电池全生命周期内的荷电状态(SOC)和容量在线联合估计方法，包括：根据电池不同老化状态、不同放电倍率下的充放电特性，在等效电路模型的基础上建立了考虑电池不可用容量(C_not)的混合电池模型；提出了改进粒子群算法(IPSO)在线辨识包括开路电压(OCV)在内的模型参数，并利用非线性比例积分观测器(PIO)估计电池SOC；利用特定时间内的累计电荷量、电池开路电压和不可用容量的变化在线辨识电池当前老化状态下的最大可用容量(C_max)，并离线更新电池容量。由于考虑了电池容量的动态特性和不同老化程度的影响，该方法可以有效提高SOC和最大可用容量的估计精度，且有利于硬件实现。

技术领域

本发明设计电动汽车动力电池管理技术领域，尤其涉及一种考虑电池容量动态特性和不同老化程度的动力电池全生命周期内SOC和容量在线联合估计方法。

技术背景

电池管理系统是电动汽车的核心部件之一，通过对电池系统的状态更新、故障检测以及均衡控制，可以保证动力电池安全可靠的运行。其中，最重要的功能就是实现动力电池全生命周期内SOC和容量的估计与更新。然而，动力电池的强非线性特性以及温度、倍率、老化状态等因素的影响，都导致电池状态的准确估计变得十分困难。

目前常用的电池SOC估计方法是基于等效电路模型和滤波器实现的，然而等效电路模型只能反映电池的电压动态特性，忽略了电池容量的动态变化，不能很好的反映电池完整的动态非线性特性。此外，卡尔曼滤波是目前最常用的电池状态估计方法，虽然可以有效提高SOC的估计精度和鲁棒性，但其计算量较大，对硬件要求较高。

动力电池SOC和当前老化状态下的最大可用容量是直接相关的，对SOC和容量进行联合估计是十分必要的。目前大多采用两个不同时间尺度的滤波器同时估计电池SOC和容量，但本质上还是基于SOC 的电池容量估计。该方法忽略了SOC本身的估计误差，算法中存在误差的传递。

本发明首先在Thevenin模型的基础上考虑了电池容量的动态特性，提出了一种混合电池模型，并对SOC计算式进行了修正。其次，提出了一种惯性系数指数衰减的粒子群算法用于在线辨识包括电池开路电压在内的模型参数，能有效平衡参数辨识速度和精度。最后，设计了一种非线性PI观测器用来估算电池SOC，其计算量明显小于目前常用的卡尔曼滤波和粒子滤波算法，并利用特定时间内的累计电荷量、电池开路电压和不可用容量的变化在线辨识电池当前老化状态下的最大可用容量。

发明内容

为解决上述本领域中存在的技术问题，本发明开发了一种动力电池全生命周期内SOC和容量在线联合估计方法，能有效提高电池状态估计精度、降低计算量。

本发明的具体技术方案包括如下步骤：

步骤一、在所述动力电池充放电测试中，以1秒为采样间隔对电池的端电压、充放电电流进行采样；

步骤二、基于所述实验获得的不同条件下的电池容量测试数据实现电池容量动态特性建模，并对现有SOC定义进行修正；

步骤三、基于实验数据建立电池等效电路模型，将开路电压作为待辨识参数，并结合基尔霍夫定理得到电池等效模型的离散数学表达式；

步骤四、设计一种惯性系数指数衰减的粒子群算法在线辨识模型参数；

步骤五、重构考虑了容量动态特性的动力电池状态空间方程，设计一种基于模型的非线性PI观测器估计电池SOC，并对不同老化状态下的电池容量进行估计和更新。

所述步骤二中将电池容量分为可用容量和储存容量，储存容量需转换成可用容量才能输出，无法转换的容量则为不可用容量，对应不可用容量的离散方程为：