[发明专利]基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法

权利要求书

1.一种基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，其特征在于：包括如下步骤：

步骤一：OCV静态修正

11)整车唤醒后，判断本次上电是否为初次上电；若是，则SOC值和静置时间均采用默认值；若否，则读取上次下电时存储的SOC值，并获取静置时间；

12)判断电芯电压的有效性；若有效，则执行步骤13)；若在设定时间范围内仍未获得有效电芯电压数据，则将整车唤醒后获得的SOC值作为OCV静态修正后的SOC(k0)，执行步骤14)；

13)以整车唤醒后获得的SOC值和静置时间计算SOC范围修正系数和静置时间修正系数；计算OCV曲线下的SOC，以SOC范围修正系数和静置时间修正系数修改SOC，得到经OCV静态修正后的SOC(k0)；

所述静置时间修正系数为：

wt_sleeptm＝func_sleeptm(T_sleep)

所述SOC范围修正系数为：

wt_ocvsocrange＝func_ocvsocrang(SOC_READ)

其中，wt_sleeptm为静置时间修正系数；T_sleep为静置时间，即整车上次下电到本次唤醒的时间间隔；func_sleeptm()为静置时间与静置时间修正系数之间的映射关系；wt_ocvsocrange为SOC范围修正系数；SOC_READ为读取的上次下电时存储的SOC值；func_socrange()为读取的SOC与SOC范围修正系数之间的映射关系；

OCV曲线下的SOC为：

SOC_OCV＝func_OCV(V)

经OCV静态修正后的SOC(k0)为：

其中，V为电芯电压；func_OCV()为OCV-SOC映射曲线关系；SOC_OCV为由电芯电压通过OCV-SOC映射曲线关系获得的SOC值；

14)输出经OCV静态修正后的SOC(k0)；

步骤二：卡尔曼滤波在线估算

21)以OCV静态修正后的SOC(k0)作为在线估算的初始SOC(k-1)；

22)判断从k-1时刻到k时刻期间的电流测量值的有效性；

若无效，则令SOC(k)＝SOC(k-1)，执行步骤26)；

若有效，则执行步骤23)；

23)以安时积分预估SOC并得到SOC_ah(k)；

24)判断k时刻的电压测量值的有效性；

若无效，则直接将SOC_ah(k)作为k时刻的SOC(k)，执行步骤26)；

若有效，则执行步骤25)；

25)对SOC_ah(k)进行卡尔曼滤波处理，得到k时刻的SOC(k)；

26)以SOC(k)作为锂硫动力电池在k时刻的SOC估算值，并输出SOC(k)；

27)判断整车是否下电；若是，则存储SOC(k)；若否，则令k＝k+1，循环步骤22)至步骤27)，直至整车下电；

其中，SOC_ah(k)为k时刻依据安时积分得到的预估SOC；SOC(k-1)为k-1时刻的SOC值。

2.根据权利要求1所述基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，其特征在于：所述步骤23)中，

η(k-1)＝func_eff(I(k-1)，SOC(k-1))

其中，SOC_ah(k)为k时刻依据安时积分得到的预估SOC；SOC(k-1)为k-1时刻的SOC值；η(k-1)为k-1时刻的库伦效率，该效率在放电时基本恒定，在充电时受SOC影响；I(k-1)为k-1时刻到k时刻的电流；ΔT为k时刻与k-1时刻之间的时间差；C_rated表示电池的额定容量；func_eff()表示库伦效率与电流I和荷电状态SOC的映射关系。