[发明专利]基于卡尔曼滤波的soc估算方法、系统、介质及电子设备

说明书

本发明提供一种基于卡尔曼滤波的soc估算方法、系统、介质及电子设备，所述方法包括：提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值；基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量；基于所述soc状态量以及所述soc观测量计算卡尔曼增益，以基于所述卡尔曼增益校正更新soc估算值。本发明将检测参数和soc估算算法一起集成在芯片上，能实时估算soc，实用性强，具有较高的应用价值；能够精确识别电动车电池的soc，可以预报电池的状态及问题，提高使用时的安全性；并且在估算时考虑到温度的影响，会根据温度变化调整，保证在高低温下的估算结果仍具有很高的准确性。

技术领域

本发明涉及电池电量管理技术领域，特别是涉及一种基于卡尔曼滤波的soc估算方法、系统、介质及电子设备。

背景技术

两轮电动车作为一种新型的交通工具，目前越来越多的人选择两轮电动车作为市内及短途交通的主要工具，而且其发展和使用必将在主流交通方式中占据一定地位，动力锂电池作为两轮电动车的的能量来源，其SOC(State of Charge)是能量管理系统中最重要和最基础的参数之一，SOC指的是电池的荷电状态，用来描述电池的剩余电量，只有准确的SOC估算值才能进行合理的能量分配，从而更有效地利用有限能源，也能正确预测电动车的剩余行驶里程。

但锂电池是一个封闭复杂的非线性系统，而且外部环境和内部参数随机变化，使系统数学模型不够准确，产生误差，因此必须提高对电池荷电状态估计的准确性和抗干扰能力，提高估计的鲁棒性。

现有预测锂电池SOC的方法，大部分都无法实时估算SOC值，且没有考虑到温度对soc 估算的影响，采用的技术都需要将电动车电池参数上传至云端，再对参数进行在线估计，很难应用到两轮电动车上；且这种在线估计在非高斯白噪状态下，无法准确地预测SOC。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于卡尔曼滤波的soc估算方法、系统、介质及电子设备，用于解决现有技术中电动车电池电量检测的问题。

为实现上述目的及其他相关目的，本发明提供一种基于卡尔曼滤波的soc估算方法，所述方法包括：提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值；基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量；基于所述soc状态量以及所述soc观测量计算卡尔曼增益，以基于所述卡尔曼增益校正更新soc估算值。

于本发明的一实施例中，所述提取电池组单体电压计算得到端电压，并匹配预设自查表得到soc初始值，具体包括：

基于检测电流识别当前电池组充放电状态，其中，所述电池组处于充电状态下时，提取第一电压作为所述电池组单体电压值；

基于所述第一电压计算当前所述端电压，并与所述自查表中充电电压值进行对比，以得到对应的所述soc初始值。

于本发明的一实施例中，所述方法还包括：

所述电池组处于放电状态下时，提取第二电压作为所述电池组单体电压值；

基于所述第二电压计算当前所述端电压，并与所述自查表中放电电压值进行对比，以得到对应的所述soc初始值。

于本发明的一实施例中，所述基于所述soc初始值计算电池初始容量，并基于所述初始容量计算在间隔周期内的soc状态量以及soc观测量，具体包括：

结合所述电池组额定容量以及当前温度值计算所述电池初始容量；

提取所述间隔周期内所述初始容量的变化值，并结合所述额定容量以及所述温度值计算所述soc状态量；

提取所述间隔周期内当前时刻电池组单体电压以及电流，以得到第二等效电阻，并匹配预设自查表得到所述soc观测量。