[发明专利]一种基于等效电路模型的动力电池SOC/SOH/SOP联合估计方法

摘要

本发明涉及一种基于等效电路模型的动力电池SOC/SOH/SOP联合估计方法，属于电池管理技术领域。该方法包括以下步骤：首先选定动力电池的类型及型号，获取相应技术参数并建立电池等效电路模型；随后，在特定温度下，对被测电池进行涓流充放电实验及HPPC实验获得电池特征参数；进一步通过实验数据建立电池OCV与SOC间的关系，同时对电池模型中的参数进行辨识并反馈至模型中；最后，向联合估计算法导入传感器数据，通过mMHE方法和滚动窗口在线参数辨识方法更新模型参数，并实现SOC、SOH及SOP的在线联合估计。本发明在保证一定运算速度的条件下，对SOC、SOH及SOP实现不同时间尺度下的精确估计。

主权项

1.一种基于等效电路模型的动力电池SOC/SOH/SOP联合估计方法，其特征在于，通过改进的滚动时域估计方法(Modified Moving Horizon Estimation，mMHE)结合等效电路模型实现荷电状态(state‑of‑charge,SOC)的在线估计，并将估计得到的SOC应用于模型参数的滚动窗口在线参数辨识和健康状态(State of Health,SOH)估计中；然后，在线更新的模型参数用于功率状态(State of Power,SOP)估计中，而长时间尺度下更新的SOH反馈到SOC估计和SOP估计中，最终实现三个状态的联合估计；该联合估计方法具体包括以下步骤：S1：选定动力电池的类型及型号，获取相应技术参数并建立电池等效电路模型；S2：在特定温度下，对被测电池进行涓流充放电实验及HPPC实验获得电池特征参数；S3：通过实验数据建立电池开路电压(Open Circuit Voltage,OCV)与SOC间的关系，同时对电池模型中的参数进行辨识并反馈至模型中；S4：向联合估计算法中导入传感器数据，通过mMHE方法和滚动窗口在线参数辨识方法更新模型参数，并实现SOC、SOH及SOP的在线联合估计；所述步骤S4具体包括以下步骤：S41：根据步骤S1至S3得到的结果，对估计算法进行初始化；S42：导入传感器数据，即电流和电压；S43：应用mMHE方法进行SOC在线估计；S44：从观测窗口中得到一系列采样数据，根据步骤S43得到的SOC，通过OCV与SOC的关系计算得到OCV，并进行等效电路模型参数的在线更新；S45：根据步骤S43与S44得到的SOC、极化电压、模型参数和此时电池容量，进行SOP的估计；S46：判断时间是否达到SOH估计的时间间隔，若没达到则暂不进行SOH估计，将此时估计的SOC存入缓存器中并重复步骤S42至S45，若达到估计的时间间隔，则进行步骤S47；S47：根据缓存器中的SOC与记录的安时积分值进行SOH估计，并更新估计算法中的电池容量值；所述步骤S43具体包括：将整个时域内误差最小化问题简化为如下问题：其中，表示观测窗口中(k‑m+1)时刻的状态量x_k‑m+1与先验估计x_{k‑m+1|k‑m}之间的误差；υ_l表示观测窗口中测量与模型输出量之间的误差，m为窗口大小，P_{k‑m+1|k‑m}为先验估计的协方差矩阵，R为量测误差的协方差矩阵；应用改进的扩展卡尔曼滤波算法(Extended Kalman Filter,EKF)对x_{k‑m+1|k‑m}和P_{k‑m+1|k‑m}进行更新，迭代公式为：x_{k‑m+1|k‑m+1}＝x_{k‑m+1|k‑m}+K_k‑m+1[y_k‑m+1‑g(x_k‑m+1|k)‑H_k‑m+1|k(x_{k‑m+1|k‑m}‑x_k‑m+1|k)]P_{k‑m+1|k‑m+1}＝(I‑K_k‑m+1H_k‑m+1|k)P_{k‑m+1|k‑m}x_{k‑m+2|k‑m+1}＝f(x_k‑m+1|k)+F_k‑m+1|k(x_{k‑m+1|k‑m+1}‑x_k‑m+1|k)其中，x_k‑m+1|k由前述误差最小化问题优化得到；根据误差最小化得到的x_k‑m+1|k，通过状态方程计算得到观测窗口内一系列的状态估计值，最终得到k时刻的状态估计值；所述步骤S44具体包括：参数辨识问题同样转化为最小化问题：θ＝[θ₁ θ₂ θ₃]^T为需要辨识的参数；根据k‑1时刻得到参数来确定k时刻参数的上下边界；R₀＝θ₃根据上式模型参数值，并将其更新应用于后续SOP估计及k+1时刻的SOC状态估计中。