[发明专利]一种动力电池SOC估计方法、装置及纯电动汽车

说明书

本发明提供了一种动力电池SOC估计方法、装置及纯电动汽车，所述方法包括:获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值。

技术领域

本发明属于新能源汽车动力电池领域，具体涉及一种动力电池SOC估计方法、装置及纯电动汽车。

背景技术

目前，纯电动汽车的动力电池SOC估计是动力电池研究的一个主要方向，涉及使用工况。方法主要包含：开路电压法、安时积分法、神经网络法、模糊算法、滑膜观测器法、卡尔曼滤波算法、粒子滤波算法等。其类型主要分为三种类型：

试验数据类型：开路电压法。开路电压法每次试验之后需要将电池处于长时间静置的状态，不适用于动态在线SOC估计；

公式定义类型：安时积分法、卡尔曼滤波算法。安时积分法以SOC定义为基础，算法比较简单。但是由于存在初始误差、测量误差，随着时间的推移，误差积累越来越大；卡尔曼滤波基于方差预估，算法比较复杂，存在多种延伸：卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波，且由于模型进行了线性处理，与实际情况还是存在一定差异。

学习训练类型：神经网络法、模糊算法等。他们都能够达到较高的SOC估计精度，但是需要大量的试验数据作为训练支撑，而且SOC估计的结果与训练方法关联度较高，算法相对于前两种类型较复杂。

发明内容

本发明提供一种动力电池SOC估计方法、装置及纯电动汽车，考虑到动力电池温度和老化程度最终都反映到动力电池内部动态电阻的变化，在安时积分算法的基础上，增加动力电池内阻偏差控制补偿，不用依赖于电池SOC模型。一方面可以实现实时在线地对SOC进行偏差补偿；另一方面，由于算法简单，也不需要采集大量的试验数据，可以有效的节省项目开发时间。同时，整个SOC修正过程基于动力电池放电电流的使用情况，不会让用户感觉到突变。

本发明的技术方案为：

本发明提供了一种动力电池SOC估计方法，所述方法包括:

获取动力电池当前的健康度、SOC初始值；并采集动力电池的放电电流和输出电压；

基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正；

若确定进入SOC修正，则基于所述放电电流、所述输出电压以及上一次采集到的动力电池的放电电流和输出电压，计算动态内阻偏差；

基于所述动态内阻偏差、所述SOC初始值、所述放电电流和所述健康度，计算动力电池的SOC修正值。

优选地，获取动力电池当前的SOC初始值的步骤包括：

在整车上ON档电后，检测整车距离上次上电的时长是否超过第一预设时长；

若超过，则通过预设OCV-SOC曲线插值得到所述SOC初始值；

若未超过，则将整车上一次下电时的SOC值确定为所述SOC初始值。

优选地，基于所述SOC初始值、所述放电电流和所述输出电压判断是否进入SOC修正的步骤包括：

通过公式：

计算动力电池实时内阻R_t，μ(t)为所述输出电压，μ(t)为上一次采集到的输出电压，i(t)为所述放电电流，i(t-1)为上一次采集到的放电电流；