[发明专利]一种用于变工况车用动力电池SoE在线估计方法

说明书

本发明公开了一种用于变工况车用动力电池SoE在线估计方法，包括以下步骤：步骤S1、建立实际可用能量的补偿系数函数，建立OCV‑SoE曲线；步骤S2、获得状态方程和观测方程；步骤S3、构建适用于带遗忘因子的递推最小二乘法算法的差分方程，实时辨识系统参数，并且得到系统参数；步骤S4、利用步骤S3获得的系统参数再结合H无穷算法估计车用动力电池的SoE状态值；本发明利用带遗忘因子的递推最小二乘法再结合H无穷算法参数辨识并估计SoE，遗忘因子可以有效的减少误差累计的影响，H无穷算法对噪声无固定假设要求，使得估计更加符合实际工况的要求，估计精度较高且算法复杂度不高。

技术领域

本发明涉及车用动力电池管理技术领域，特别是涉及一种用于变工况车用动力电池SoE在线估计方法。

背景技术

电池SoE(State of Energy)，定义为电池的当前剩余能量与额定能量的比值，电池的SoE是与SoC(State of charge)类似的一个虚拟出来的状态量，对于辅助预测电动汽车剩余里程方面，SoE比SoC更具有指导意义。SoE相对电池的其他参数能够更加全面准确地反映电池的真实能量状态。SoE与动力电池可提供的的续航里程存在密切的联系，准确的SoE可以对电动汽车的剩余续驶里程进行预测。另一方面，SoE作为能量状态的重要参数，可以作为整车能量优化依据，合理分配电池能量，加强整车的性能优化，从而提升电动汽车的续航能力以及电池能量利用效率，满足车辆的动力性能的同时对提高动力电池的经济性也具有重要意义。

对于动力电池SoE的估计方法研究以借鉴荷电状态SoC的估计方法为主。其中主要有：功率积分法、开路电压法、神经网络法、基于模型的方法，其中功率积分和开路电压的估计精度受到传感器及实验条件的诸多限制，估计精度不高；神经网络对数据依赖程度比较高切计算量较大；目前主流的基于模型诸多是考虑的基于等效电路模型的方法较为成熟，精度较高切实现难度不大。

本发明考虑上述情况采用基于戴维南等效电路模型并结合了功率积分法与开路电压法，通过带遗忘因子的递推最小二乘法和强鲁棒性H无穷算法依据实时工况进行参数辨识和SoE估计，保证了估计的精度，同时避免了增加算法的复杂度。

发明内容

为了解决现有技术中存在的上述问题，本发明的目的在于提供一种用于变工况车用动力电池SoE在线估计方法，用以提升SoE估计的精度。

为了实现本发明的目的，本发明提供一种用于变工况车用动力电池SoE在线估计方法，包括以下步骤：

步骤S1、建立实际可用能量在不同温度和不同放电倍率情况下的补偿系数函数，对车用动力电池进行开路电压实验，获取实验数据，根据所述实验数据建立OCV-SoE曲线；

步骤S2、建立车用动力电池的戴维南等效电路模型，得到等效电路模型函数关系式，对所述等效电路模型函数关系式进行离散化处理，得到状态方程和观测方程；

步骤S3、构建适用于带遗忘因子的递推最小二乘法算法的差分方程，再使用带遗忘因子的递推最小二乘法算法对所述差分方程进行递推迭代运算，实时辨识系统参数，并且得到系统参数；

步骤S4、利用步骤S3获得的系统参数再结合H无穷算法估计车用动力电池的SoE状态值。

进一步的，所述步骤S1具体为：在不同温度和不同放电倍率的工况下，对所述车用动力电池进行多次可用能量测试，获取相应的测试结果，根据获取的测试结果与所述车用动力电池在额定工况下的可用能量作商获得补偿系数，再对所述补偿系数以及相应的温度数据以及放电倍率数据做曲线拟合，在保证不过拟合的情况下得到补偿系数随放电倍率和温度的响应函数，所述响应函数为所述步骤S1中的补偿系数函数。

在不同温度和不同放电倍率的工况下，对所述车用动力电池进行多次充放电的开路电压实验，获取相应的实验数据，对处于同一工况下的充电开路电压和放电开路电压取平均值，根据所述平均值，建立OCV-SoE曲线；