专利名称：动力电池荷电状态的估测方法及系统的利记博彩app
技术领域：
本发明涉及一种精确度较高的动力电池SOC(State of Charge，荷电状态)的估测 方法及系统，适用于所有需要使用动力电池的车辆，尤其是需要实时估测动力电池SOC的车辆。
背景技术：
随着能源危机的不断深化，它也越来越影响到人们的生产和消费观念，清洁、环保 的纯电动车(Electric Vehicle, EV)、混合动力电动车(Hybrid Electric Vehicle, HEV) 也日益受到人们的喜爱。纯电动车的驾驶员需要实时获知动力电池S0C，以确定自己的行程以及是否需 要为车载动力电池进行充电以及何时充电。混合动力电动车的电池管理系统(Battery Management System, BMS)需要准确地实时获知动力电池S0C，以确定何时可以进行能量回 馈，何时可以进行辅助动力输出。由于现阶段动力电池技术的限制，电池的一致性还较低， 因此无论是纯电动车还是混合动力电动车，其电池管理系统都需要知道准确的SOC以确定 何时进行电池单体的电量均衡，以及均衡到何种程度为止。传统动力电池SOC的估测方法包括电量累计法(即安时计量法)、开路电压法、神 经网络法、模糊逻辑法等，它们均因存在这样或那样的问题而导致使用效果不理想或不能 实时使用。也有研究人员采用扩展卡尔曼滤波(Extended Kalman Filter, EKF)方法进行 实时估测的，但是其往往采用了简单的电池模型或采用任意指定的SOC初值，导致卡尔曼 滤波器不能收敛甚至发生振荡，导致SOC的估测值可能大幅偏离真值，即使采用了精确的 电池模型及有效SOC初值的卡尔曼滤波器，由于扩展卡尔曼滤波器本身的缺点，其算法可 能在某些情况下运行不稳定，不太适合在可靠性要求相对较高的车辆中使用。综上可知，现有动力电池SOC的估测技术在实际使用上，显然存在不便与缺陷，所 以有必要加以改进。
发明内容
针对上述的缺陷，本发明的目的在于提供一种动力电池SOC的估测方法及系统， 其具有高精确度，运行稳定、便于实时估测等优点。为了实现上述目的，本发明提供一种动力电池SOC的估测方法，用于电池管理系 统，所述估测方法包括电量累计法估算步骤，采用电量累计法估算出动力电池的电量累计法荷电状态估 计值S0C2 ；Sigma点卡尔曼滤波法估算步骤，采用Sigma点卡尔曼滤波器作为基本估测工具， 并采用双RC回路电池模型作为所述Sigma点卡尔曼滤波器的时间更新、测量更新引擎，估 算出动力电池的卡尔曼滤波法荷电状态估计值SOCl ；加权平均步骤，将所述电量累计法荷电状态估计值S0C2和卡尔曼滤波法荷电状态估计值SOCl通过第一加权平均获得最终荷电状态估计值S0C，第一加权平均公式为:S0C= α S0Cl+(l-a )S0C2式中系数α大于等于0且小于等于1，并且所述系数α值大小与所述电池管理系 统的运行时间长短有关，其在系统运行初期一小时内与运行时间成正比，而在系统运行一 小时后等于1。根据本发明的估测方法，所述电池管理系统的运行初期，所述系数α的取值范围 是0 0.6;所述电池管理系统的运行中后期，所述系数α的取值范围是0.6 1。根据本发明的估测方法，所述电量累计法估算步骤通过输入电量累计法荷电状态 估计值S0C2的初值S0C0、电池电压、过程噪声、测量噪声来估算出动力电池的电量累计法 荷电状态估计值S0C2 ；所述Sigma点卡尔曼滤波法估算步骤通过输入卡尔曼滤波法荷电状态估计值 SOCl的初值S0C0、电池电压、过程噪声、测量噪声来估算出动力电池的卡尔曼滤波法荷电 状态估计值SOCl。根据本发明的估测方法，所述电量累计法荷电状态估计值S0C2和卡尔曼滤波法 荷电状态估计值SOCl的初值SOCO分别采用所述电池管理系统启动时保存的历史荷电状态 数值SOCh和开路电压修正值soc。。v进行第二加权平均获得，第二加权平均公式为S0C0= β SOCh+(I-^)SOCocv式中系数β大于等于0且小于等于1，并且所述系数β大小与动力电池的开路搁 置时间长短有关。根据本发明的估测方法，所述动力电池的开路搁置时间小于1分钟时，所述系数 β为1 ；所述动力电池的开路搁置时间大于4小时时，所述系数β为0 ；所述动力电池的开 路搁置时间在1分钟至4小时之间时，所述系数β取0 1之间的值，且与搁置时间成反 比。根据本发明的估测方法，所述Sigma点卡尔曼滤波法包括Unscented卡尔曼滤波 算法，中心差分Sigma点卡尔曼滤波算法，Unscented卡尔曼滤波算法平方根形式或者中心 差分Sigma点卡尔曼滤波算法平方根形式。根据本发明的估测方法，所述双RC回路电池模型包括一用于描述所述动力电池 常态特性的常态特性部分和一用于描述所述动力电池暂态特性的暂态特性部分。根据本发明的估测方法，所述双RC回路电池模型的常态特性部分包括并联一自 放电电阻Rsd、一模拟电池容量的电容Ccap以及一可控电流源；所述双RC回路电池模型的 暂态特性部分包括串联一描述动力电池的浓差极化阻抗特性的第一 RC回路、一描述动力 电池的电化学阻抗特性的第二 RC回路、一模拟动力电池的欧姆电阻R、一电池的输入电流 以及一可控电压源；所述第一 RC回路包括并联一模拟电池浓差极化的阻抗m和一模拟电 池长期滞后特性的电容Cl ；所述第二 RC回路包括并联一模拟电池电化学的阻抗Rs和一模 拟电池短期滞后特性的电容Cs。根据本发明的估测方法，所述双RC回路电池模型的暂态特性部分的描述方程组 为
权利要求
1.一种动力电池荷电状态的估测方法，用于电池管理系统，其特征在于，所述估测方法 包括电量累计法估算步骤，采用电量累计法估算出动力电池的电量累计法荷电状态估计值 S0C2 ；Sigma点卡尔曼滤波法估算步骤，采用Sigma点卡尔曼滤波器作为基本估测工具，并采 用双RC回路电池模型作为所述Sigma点卡尔曼滤波器的时间更新、测量更新引擎，估算出 动力电池的卡尔曼滤波法荷电状态估计值SOCl ；加权平均步骤，将所述电量累计法荷电状态估计值S0C2和卡尔曼滤波法荷电状态估 计值SOCl通过第一加权平均获得最终荷电状态估计值S0C，第一加权平均公式为S0C = α S0Cl+(l-a )S0C2式中系数α大于等于0且小于等于1，并且所述系数α值大小与所述电池管理系统的 运行时间长短有关，其在系统运行初期一小时内与运行时间成正比，而在系统运行一小时 后等于1。
2.根据权利要求1所述的估测方法，其特征在于，所述电池管理系统的运行初期，所述 系数α的取值范围是0 0.6;所述电池管理系统的运行中后期，所述系数α的取值范围 是0. 6 1。
3.根据权利要求1所述的估测方法，其特征在于，所述电量累计法估算步骤通过输入 电量累计法荷电状态估计值S0C2的初值S0C0、电池电压、过程噪声、测量噪声来估算出动 力电池的电量累计法荷电状态估计值S0C2 ；所述Sigma点卡尔曼滤波法估算步骤通过输入卡尔曼滤波法荷电状态估计值SOCl的 初值S0C0、电池电压、过程噪声、测量噪声来估算出动力电池的卡尔曼滤波法荷电状态估计 值 SOCl。
4.根据权利要求3所述的估测方法，其特征在于，所述电量累计法荷电状态估计值 S0C2和卡尔曼滤波法荷电状态估计值SOCl的初值SOCO分别采用所述电池管理系统启动时 保存的历史荷电状态数值SOCh和开路电压修正值S0C。。v进行第二加权平均获得，第二加权平均公式为=SOCO = β SOCh+(I-^)SOCocv式中系数β大于等于0且小于等于1，并且所述系数β大小与动力电池的开路搁置时 间长短有关。
5.根据权利要求4所述的估测方法，其特征在于，所述动力电池的开路搁置时间小于1 分钟时，所述系数β为1 ；所述动力电池的开路搁置时间大于4小时时，所述系数β为0 ； 所述动力电池的开路搁置时间在1分钟至4小时之间时，所述系数β取0 1之间的值， 且与搁置时间成反比。
6.根据权利要求1所述的估测方法，其特征在于，所述Sigma点卡尔曼滤波法包括 Unscented卡尔曼滤波算法，中心差分Sigma点卡尔曼滤波算法，Unscented卡尔曼滤波算 法平方根形式或者中心差分Sigma点卡尔曼滤波算法平方根形式。
7.根据权利要求1所述的估测方法，其特征在于，所述双RC回路电池模型包括一用于 描述所述动力电池常态特性的常态特性部分和一用于描述所述动力电池暂态特性的暂态 特性部分。
8.根据权利要求7所述的估测方法，其特征在于，所述双RC回路电池模型的常态特性部分包括并联一自放电电阻Rsd、一模拟电池容量的电容Ccap以及一可控电流源；所述双 RC回路电池模型的暂态特性部分包括串联一描述动力电池的浓差极化阻抗特性的第一 RC 回路、一描述动力电池的电化学阻抗特性的第二 RC回路、一模拟动力电池的欧姆电阻R、一 电池的输入电流以及一可控电压源；所述第一 RC回路包括并联一模拟电池浓差极化的阻 抗IU和一模拟电池长期滞后特性的电容Cl ；所述第二 RC回路包括并联一模拟电池电化学 的阻抗Rs和一模拟电池短期滞后特性的电容Cs。
9.根据权利要求8所述的估测方法，其特征在于，所述双RC回路电池模型的暂态特性 部分的描述方程组为
10. 一种实现如权利要求1 9任一项估测方法的动力电池荷电状态的估测系统，其特 征在于，所述估测系统包括电量累计法估算模块，采用电量累计法估算出动力电池的电量累计法荷电状态估计值 S0C2 ；Sigma点卡尔曼滤波法估算模块，包括Sigma点卡尔曼滤波器和双RC回路电池模型，采 用所述Sigma点卡尔曼滤波器作为基本估测工具，并采用所述双RC回路电池模型作为所述 Sigma点卡尔曼滤波器的时间更新、测量更新引擎，估算出动力电池的卡尔曼滤波法荷电状 态估计值SOCl ；加权平均模块，将所述电量累计法荷电状态估计值S0C2和卡尔曼滤波法荷电状态估 计值SOCl通过第一加权平均获得最终荷电状态估计值S0C， 第一加权平均公式为S0C = α S0Cl+(l-a )S0C2式中系数α大于等于0且小于等于1，并且所述系数α值大小与所述电池管理系统的 运行时间长短有关，其在系统运行初期一小时内与运行时间成正比，而在系统运行一小时 后等于1。
全文摘要
本发明公开了一种动力电池荷电状态的估测方法，包括采用电量累计法估算出动力电池的电量累计法荷电状态估计值SOC2；采用Sigma点卡尔曼滤波器作为基本估测工具，并采用双RC回路电池模型作为Sigma点卡尔曼滤波器的时间更新、测量更新引擎，估算出动力电池的卡尔曼滤波法荷电状态估计值SOC1；将电量累计法荷电状态估计值SOC2和卡尔曼滤波法荷电状态估计值SOC1通过加权平均获得最终荷电状态估计值SOC。相应地，本发明还公开了一种动力电池荷电状态的估测系统。借此，本发明SOC估测具备高精确度，运行稳定、便于实时估测等优点，适用于需要使用动力电池的纯电动车和混合动力电动车。
文档编号G01R31/36GK102062841SQ20091023753
公开日2011年5月18日 申请日期2009年11月11日 优先权日2009年11月11日
发明者李德伟, 蔡文远, 邓小明, 马建新 申请人:北汽福田汽车股份有限公司