[发明专利]一种基于在线参数辨识的锂电池SOC估计方法

说明书

本发明公开了一种基于在线参数辨识的锂电池SOC估计方法，该方法包括建立锂电池二阶等效电路模型；确定等效电路各参数与SOC的函数关系，建立基于锂电池在线参数的状态空间方程，再对SOC状态变量和参数状态变量初始化；在微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC；当锂电池SOC估计达到预设时间后，切换时间尺度，宏观时间尺度下，用无迹卡尔曼滤波算法辨识等效电路参数，最后更新锂电池等效电路参数和状态空间方程，进行下一轮计算；本发明通过无迹卡尔曼滤波算法对锂电池模型进行在线参数辨识，并结合扩展卡尔曼滤波算法估计锂电池SOC，解决了锂电池工作过程中参数变化的问题，提高了锂电池SOC估计的精度，具有实用意义。

技术领域

本发明涉及锂电池SOC估计领域，具体来说是一种基于在线参数辨识的锂电池SOC估计方法。

背景技术

随着不可再生能源的消耗和环境污染问题的愈演愈烈，采用绿色能源替代传统不可再生能源成为当下研究一大热点，因此新能源电动汽车得到快速的发展。锂电池因能量密度高、循环次数高、适应温度范围广且无记忆效应等优点，在电动汽车中得到广泛应用。

锂电池SOC估计作为电动汽车电池管理系统的核心，其估计精度直接影响到锂电池充放电限度、寿命和行驶安全。目前锂电池SOC估计主要方法有安时积分法、开路电压法、卡尔曼滤波算法、神经网络算法、模糊逻辑算法等，其中研究最多的是根据锂电池充放电特性建立数学模型结合卡尔曼滤波技术进行锂电池SOC估计。

目前，锂电池等效电路模型结合卡尔曼滤波技术估计SOC的方法，绝大部分都是以离线电池模型为基础，即通过离线的参数辨识得到锂电池离线等效电路模型，再采用卡尔曼滤波算法估计锂电池SOC。该种方法所建立的锂电池等效电路模型的参数是固定不变的，但锂电池在实际工作时，其内部参数往往发生缓慢变化，且其参数也随着循环次数的变化而改变。因此固定的离线电路模型并不能很好契合锂电池实际工况，造成估计精度不足。

发明内容

针对现有技术的不足，本发明提出了一种基于在线参数辨识的锂电池SOC估计方法。

本发明所采用的技术方案是：

一种基于在线参数辨识的锂电池SOC估计方法，主要包括以下步骤：

步骤1：建立锂电池二阶等效电路模型

步骤2：确定等效电路各参数与SOC的函数关系，建立基于锂电池在线参数的状态空间方程

步骤3：初始化SOC状态变量和参数状态变量

步骤4：微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC

步骤5：当锂电池SOC估计达到预设时间后，切换时间尺度

步骤6：宏观时间尺度下，用无迹卡尔曼滤波算法辨识等效电路参数

步骤7：更新锂电池等效电路参数和状态空间方程，返回步骤4进行下一轮计算

较佳地，锂电池等效电路模型采用整数阶二阶等效电路模型，电路参数包括：欧姆内阻R₀，极化电阻R₁、R₂，极化电容C₁、C₂。

进一步地，步骤2，确定等效电路各参数与SOC的函数关系，建立基于锂电池在线参数的状态空间方程：

步骤2.1：以30A的定电流对充满电的电池进行放电，每次放电3min即0.5个SOC值，放电结束后将电池静置2h，记录电池开路电压，重复上述操作20次。

步骤2.2：根据实验测得20组U_ocv与SOC关系的数据点，将SOC作为变量，通过公式(4)对U_ocv与SOC的数据点做八阶拟合，从而得到U_ocv与SOC的函数：