[发明专利]基于大数据估算电池SOC值的方法和装置

说明书

本申请涉及一种基于大数据估算电池SOC值的方法和装置。所述方法包括：采集所述电池的运行参数；使用扩展卡尔曼滤波法估算所述电池在所述当前时刻的原始SOC估算值；计算所述原始SOC估算值与所述SOC观测值之间的误差范围，并在所述误差范围内，在数据库中查询多组由SOC预测值、SOC观测值和对应的卡尔曼增益系数组成的三元组；根据所述三元组，更新所述原始SOC估算值，以获得所述电池在所述当前时刻的最终SOC估算值。通过本申请的技术方案，能够更准确和高效地估算电池的SOC值。

技术领域

本申请一般地涉及电池技术领域，尤其涉及一种基于大数据估算电池SOC值的方法和装置。

背景技术

电池管理系统（Battery Management System，BMS）主要用于智能化管理和维护各个电池单元，防止电池出现充电和过放电，延长电池的使用寿命，通过实时监控电池的状态参数并进行必要的分析计算来保证各电池储能单元的安全可靠运行。

其中，电池剩余容量（State of Charge，SOC）是BMS中最重要的参数，因为其他的一切工作都是以SOC为基础的，因此SOC的精度和鲁棒性极其重要，如果没有精确的SOC，如电池均衡管理等工作便无法正常开展。

目前主流的SOC估算方法有开路电压法、电流积分法、卡尔曼滤波法、神经网络法等方法，然而这些方法在计算SOC的过程中都会存在一些相应的缺点，例如安时积分法时不仅鲁棒性不强，且容易存储误差累计，而扩展卡尔曼滤波法虽然鲁棒性较强，但算法较为复杂，计算效率较为低下，从而导致SOC估算不够准确和高效。

发明内容

为了解决现有技术中的上述技术问题，本申请提供了一种基于大数据估算电池SOC值的方法和装置，以期更准确和高效地估算电池的SOC值。

根据本申请的第一方面，提供了一种基于大数据估算电池SOC值的方法，包括：采集所述电池的运行参数；根据所述电池在当前时刻的SOC预测值和SOC观测值，使用扩展卡尔曼滤波法估算所述电池在所述当前时刻的原始SOC估算值，其中所述SOC预测值是根据所述运行参数使用安时积分法计算获得，所述SOC观测值是使用开路电压法测量获得，卡尔曼增益系数是根据所述运行参数计算获得，作为原始卡尔曼增益系数；计算所述原始SOC估算值与所述SOC观测值之间的误差范围，并在所述误差范围内，在数据库中查询多组由SOC预测值、SOC观测值和对应的卡尔曼增益系数组成的三元组；根据所述三元组，更新所述原始SOC估算值，以获得所述电池在所述当前时刻的最终SOC估算值。

在一个实施例中，所述根据所述三元组，更新所述原始SOC估算值，以获得所述电池在所述当前时刻的最终SOC估算值包括：根据所述三元组进行拟合，以构建卡尔曼增益系数优化函数；根据所述SOC预测值和所述SOC观测值以及所述卡尔曼增益系数优化函数，修正所述原始卡尔曼增益系数，以获得修正后卡尔曼增益系数；根据所述预测SOC值和所述观测SOC值以及所述修正后卡尔曼增益系数，使用扩展卡尔曼滤波法更新所述原始SOC估算值，以获得所述最终SOC估算值。

在一个实施例中，所述计算所述原始SOC估算值与所述SOC观测值之间的误差范围包括：通过以下关系式计算所述误差范围：

其中，表示所述误差范围，表示所述原始SOC估算值，表示所述SOC观测值。

在一个实施例中，所述计算所述原始SOC估算值与所述SOC观测值之间的误差范围包括：通过以下关系式计算所述误差范围：

其中，表示所述误差范围，表示取最大值函数，表示所述原始SOC估算值，表示使用扩展卡尔曼滤波法估算的所述电池在所述当前时刻的参考SOC估算值，表示所述SOC观测值。

在一个实施例中，所述SOC预测值是根据所述运行参数使用安时积分法依据以下公式计算获得：