[发明专利]一种基于双自适应卡尔曼滤波算法的混合动力汽车锂电池SOC与SOH联合估算方法

说明书

本发明涉及一种双自适应卡尔曼滤波的SOC与SOH估算方法，其特征在于，通过在卡尔曼滤波算法基础上计入自适应及内阻估算步骤，实现了对锂离子电池组SOC与内阻值的有效迭代计算，克服SOC与内阻初值误差和安时积分存在的累积误差，进而实现SOC与SOH的联合估算；通过曲线拟合法得到SOC与各个参数的函数关系，进而应用在算法中；建立二阶RC等效电路模型，克服极化效应出现的误差，步骤简短且原理清晰，适合功率型电池充放电的暂态分析；该方法在充分考虑锂离子电池成组工作基础上，基于等效模型电路，改进以卡尔曼滤波为基础的迭代计算过程，实现锂离子电池组SOC与内阻估算模型的建立和SOC与内阻值的数学迭代运算算法的可靠运行。

技术领域

本发明涉及一种基于双自适应卡尔曼滤波算法的混合动力汽车锂电池SOC与SOH联合估算方法，该方法针对锂离子电池SOC与SOH值的精确估算目标，提出了一种双自适应卡尔曼方法，通过在传统卡尔曼滤波算法基础上加入内阻估算及自适应步骤，实时调整误差协方差矩阵并同时估算电池内阻变化，并进一步建立基于内阻增加的电池健康状态估算方法，实现SOH的有效估算。引入噪声自适应步骤，降低环境因素导致的参数变化对荷电状态及内阻估计造成的误差，且在估算过程中电池荷电状态与内阻实现了不断相互校正，建立了能应用于明显具有非线性关系的锂离子电池SOC及内阻估算方法；建立二阶RC等效电路模型，在Thevenin模型基础上对电池内部极化反应进一步细分，弥补了后者忽视浓度极化与电化学极化差异而产生的误差，步骤简短且原理清晰，适合功率型电池充放电的暂态分析，对电池具有更好的表征效果；在电池等效电路模型基础上运用双自适应卡尔曼滤波实现锂离子电池组SOC及内阻估算模型的建立和SOC与SOH值的数学迭代运算；该方法是一种基于现代控制理论的锂离子电池组状态估算方法，属于新能源测控领域。

背景技术

在锂离子电池的整个生命周期中，电池管理系统（Battery Management System，BMS）对核心参数SOC与SOH的监控和调节将影响应急动力输出的效果和安全性；因此，实时监测两参数的变化，并基于此保障锂离子电池的工作性能是非常必要的；由于BMS中的SOH估算技术尚不成熟，使用过程中存在的安全隐患严重制约了锂离子电池组的发展；对于锂离子电池而言，可靠的BMS管理依靠准确的SOC与SOH值；在两值已知的情况下，不仅对其进行可靠能量管理和安全控制，而且还避免锂离子电池的提前损坏，延长其使用寿命；因此，精确估算SOC与SOH值，对保障锂离子电池的工作性能及其能量和安全管理至关重要；锂离子电池的SOC与SOH估算模型构建和精确估算值得获取，已成为其能量和安全管理的核心问题；SOC与SOH分别表征了锂离子电池的剩余容量及当前时刻的健康状态，是为电池管理系统最基本也是最重要的两个关键参数；此外，锂离子电池的充放电过程包含复杂电能、化学能和热能转换等环节，过充电和过放电现象易引发安全事故，精确SOC估算在防止过充电和过放电中起着重要作用；在锂离子电池的应用中，其安全性依然是最为人们关注的问题，可靠的SOH估算是其安全使用的基础和前提。

针对SOC与SOH估算的必要性和紧迫性需求，相关研究机构和高校，如麻省理工学院、宾州州立大学、美国南卡大学、英国利兹大学、英国罗伯特高登大学、美国国家可再生能源室、美国莱登能源公司、德国英飞凌科技公司、清华大学、北京航空航天大学、北京理工大学、北京交通大学、重庆大学、中国科学技术大学和哈尔滨工业大学等，针对SOC与SOH估算展开了大量研究并进行了深入的探索；国内外很多期刊，如Journal of Power Sources、Applied Energy、IEEE Transactions on Power Systems和电源技术等，设立了针对性很强的栏目用于相关研究成果展示；针对锂离子电池的SOC与SOH估算问题，目前国内外相关研究工作者取得了巨大研究进展。