[发明专利]一种并联电池组支路电流、荷电状态和功率状态的联合估计方法

说明书

本发明公开了一种并联电池组支路电流、荷电状态和功率状态的联合估计方法，该方法先获取并联电池组的支路电流，建立电池的等效电路模型，同时，将估计出的支路电流和端电压作为输入，利用带遗忘因子的递推最小二乘法辨识模型参数，在扩展卡尔曼滤波中加入可随残差变化的自适应遗忘因子来估计荷电状态，并进行荷电状态和端电压约束下的功率状态估计。本发明考虑到了锂离子电池单体间不一致性对支路电流的影响，可随残差变化的自适应遗忘因子也提高了扩展卡尔曼滤波的对不同环境的适应性，从而提高了支路电流、荷电状态和功率状态估计精度。

技术领域

本发明涉及电池技术，尤其是电动汽车动力电池系统技术领域，具体是一种并联电池组支路电流、荷电状态和功率状态的联合估计方法。

背景技术

为满足能量和功率等要求，电动汽车的电池系统通常由数百个串联或并联的电池单体组成。然而由于制造过程的公差和使用条件的不同，电池单体之间的不一致性难以避免，而并联电池之间的阻抗和容量不一致会导致各支路电流分布不均匀。目前，对于大型并联电池组，电池管理系统通常只监测总电流，而无法获得各支路的电流。若将总电流除以支路数得到的平均支路电流作为实际支路电流，则忽略了电池不一致性，以此估计出的荷电状态(State of charge,SOC)和功率状态(State of power,SOP)误差较大。峰值功率过低，会导致电池能量供给不足，影响车辆的运行性能；峰值功率过高，则会严重影响电池寿命。因此支路电流、SOC和SOP的估算精度对于并联电池组就显得格外重要。

同时，基于模型的SOC估计大多采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)的方式，由于等效电路模型与电池的实际物理模型存在误差，随着滤波次数的增加，误差积累会导致精度下降甚至发散，需要加入一个合适的遗忘因子修正状态估计误差协方差，而常值的遗忘因子不能随着系统的变化进行调整。因此为更好的监测和估计并联电池组各单体的状态，提高电池的寿命，需要进行并联电池组支路电流、荷电状态和功率状态的联合估计，这是亟需解决的技术问题。

发明内容

为解决现有技术中的不足，本发明提供一种并联电池组支路电流、荷电状态和功率状态的联合估计方法，以解决背景技术中提到的技术问题。

本发明为实现上述目的，采用以下技术方案：一种并联电池组支路电流、荷电状态和功率状态的联合估计方法，包括以下步骤：

S1、获取两条支路电压U_t1、U_t2、以及一条支路电流估计值I；

S2、建立电池单体的一阶RC等效电路模型，基于电池的开路电压和荷电状态二者的关系，拟合OCV-SOC曲线；

S3、将S1中得到的支路电流估计值I和支路电压输入到带遗忘因子的递推最小二乘法中，辨识一阶RC等效电路模型的参数；

S4、通过EKF进行SOC和极化电压的先验估计；

S5、进行SOC和极化电压的后验估计，加入自适应遗忘因子实时更新状态估计误差协方差P_k；

S6、利用S5中估计出的SOC，计算SOC约束下的持续充电峰值电流和持续放电峰值电流

S7、根据S3中辨识出的等效电路模型参数，计算出端电压约束下相应的持续放电峰值电流和持续充电峰值电流

S8、基于S6和S7得到的持续充放电峰值电流，并考虑动力电池出厂设计的最大放电电流约束值与最小充电电流约束值，得到电池持续充电峰值电流和持续放电峰值电流将得到的电池持续充电峰值电流和持续放电峰值电流代入S3中所述电池的一阶RC等效电路模型，计算出持续峰值电流对应的端电压，从而计算出多约束下的持续充放电峰值功率。

进一步的，S1步骤中记载的两条支路电压U_t1、U_t2、以及一条支路电流估计值I通过以下方法获得：