一种基于SOC、SOP和电池可用容量协同估计的电池状态估计框架

本发明涉及电池状态估计，尤其是涉及一种基于soc、sop和电池可用容量协同估计的电池状态估计框架。

背景技术：

1、电池系统是电动汽车进一步发展和大规模推广成功的关键，电池是一个具有非线性、强耦合和动态时变特性的复杂电化学系统。为保证电池系统的安全、正常运行，建立一个有效监控电池外部参数和估计电池内部状态的电池管理系统是必要的，其中较重要的电池状态包括soc、sop等。

2、soc作为锂电池最基本的状态参数已被广泛研究。主要的soc估计方法分为库仑计数法、实验法、数据法和模型法。库仑计数法基于soc的定义易于实现，吸引了大多数现实bms供应商。但是，作为一种开环估计方法，电流传感器测量误差的累积和初始soc的准确度会极大地影响预测精度。，基于模型的方法在计算成本和估计精度之间进行了合理的权衡，并已成功应用。为了使用该方法，必须在电池状态估计之前识别电池模型参数；目前常用的sop估计方法可分为两类:基于特征图的方法和基于模型的方法。基于等效电路模型的方法结合了基于等效电路的滤波和其他技术，并考虑了电流、电压、soc等各种约束条件来实现sop估计。通常，基于等效电路模型的方法可分为两类:整数阶模型和分数阶模型，其中整数阶模型的精度相对于分数阶模型略低，但节省计算成本。目前基于等效电路模型的sop仍是主流。

3、如今已有一些关于动力电池状态联合估计的方法被提出，其中有代表性、公开发表的专利有如下几个：申请号为cn201911189262.6的发明专利提出一种基于二阶rc模型的锂电池soc、sop估计方法，这个方法通过改进的数学模型结合等效电路模型实现荷电状态的在线估计和功率状态估计，同时改进的电池竖向模型以电压u为输入值，电流i为输出值；申请号为cn202010478880.9的发明专利提出了一种用于估计锂电池soc和sop的方法，采用了二阶等效电路模型，结合最小二乘法实现电池模型参数的辨识。针对卡尔曼滤波在状态估计时出现的噪声不确定性导致的精度降低问题，提出了基于sage-husa滤波的平方根容积卡尔曼滤波法来实现锂电池soc的准确估计，通过电压、电流、soc三者约束来完成电池sop的预测。申请号为cn202111063432.3的发明专利，提供了一种电池soc、soh、soe联合估算方法，采用ekf算法进行soc、soh、soe联合估算。以上发明专利共同存在的缺点包括第一，采用二阶等效电路进行参数辨识，基于二阶等效电路模型相对基于一阶虽然得到的结果精度略高，但运算复杂度更高，综合比较一阶等效电路更适合在线使用；第二，在估计soc与sop时忽视电池老化，即电池内阻与容量变化，使估计结果存在误差。

技术实现思路

1、本发明的目的是提供一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，用于解决运算复杂度高和估计结果存在误差的问题。

2、为实现上述目的，本发明提供了一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，包括以下步骤：

3、s1、获取数据，对电池进行测试，获取电压和电流等数据；

4、s2、建立模型，根据电池特性，建立电池一阶rc等效电路模型；

5、s3、拟合曲线，电池模型参数识别，开路电压和soc关系曲线获取；

6、s4、估计电池soc，根据电池的数据和参数，通过计算估计电池soc；

7、s5、估计数据，基于rls估计电池电容和欧姆内阻；

8、s6、约束估计，采用多重约束进行sop估计。

9、优选的，在步骤s1中，在获取电压和电流的同时还读取了电池状态初始值和容量初始值。

10、优选的，在步骤s2中，通过建立电池模型，对电池模型方程进行离散化，得到系统状态方程和观测方程。

11、优选的，在步骤s3中，通过hppc采集数据，利用递推最小二乘法对数据辨识获得模型参数，并拟合soc-ocv曲线。

12、优选的，在步骤s4中，根据状态初始值、容量初始值和模型参数，通过aekf算法估计电池soc。

13、优选的，在步骤s5中，通过递推最小二乘法并将步骤s4得到的soc值代入，更新电池的容量值和欧姆内阻值，同时将更新后的值，即此时刻的电容和欧姆内阻传递回步骤s4。

14、优选的，在步骤s6中，获得高精度的soc及更新后的电池欧姆内阻和电容，根据公式计算电流，电压，soc复合约束下的电流峰值和sop。

15、因此，本发明采用上述提供的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，有以下有益效果：

16、(1)根据一阶等效电路建立状态空间矩阵，通过具有可变遗忘因子的递归最小二乘算法识别电池参数，结合安时积分法得到电池的soc-ocv曲线；

17、(2)利用自适应扩展卡尔曼滤波估计电池soc，并通过带遗忘因子的递归最小二乘算法估计并更新可用容量和欧姆内阻；

18、(3)使用电池soc与更新后的容量和内阻，通过电流，电压，soc复合约束估计峰值电流和功率。所提框架能够准确估计电池内部状态，为动力车辆的行驶提供有效参考。

19、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

技术特征：

1.一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于：在步骤s1中，在获取电压和电流的同时还读取了电池状态初始值和容量初始值。

3.根据权利要求1所述的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于：在步骤s2中，通过建立电池模型，对电池模型方程进行离散化，得到系统状态方程和观测方程。

4.根据权利要求1所述的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于：在步骤s3中，通过hppc采集数据，利用递推最小二乘法对数据辨识获得模型参数，并拟合soc-ocv曲线。

5.根据权利要求1所述的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于：在步骤s4中，根据状态初始值、容量初始值和模型参数，通过aekf算法估计电池soc。

6.根据权利要求1所述的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于：在步骤s5中，通过递推最小二乘法并将步骤s4得到的soc值代入，更新电池的容量值和欧姆内阻值，同时将更新后的值，即此时刻的电容和欧姆内阻传递回步骤s4。

7.根据权利要求1所述的一种基于soc、sop和电池可用容量协同估计的电池状态估计框架，其特征在于：在步骤s6中，获得高精度的soc及更新后的电池欧姆内阻和电容，根据公式计算电流，电压，soc复合约束下的电流峰值和sop。

技术总结
本发明公开了一种基于SOC、SOP和电池可用容量协同估计的电池状态估计框架，属于电池状态估计技术领域。包括以下步骤：对电池进行测试，获取电压和电流等数据；根据电池特性，建立电池一阶RC等效电路模型；电池模型参数识别，开路电压和SOC关系曲线获取；根据电池的数据和参数，通过计算估计电池SOC；基于RLS估计电池电容和欧姆内阻；采用多重约束进行SOP估计。本发明提供的一种基于SOC、SOP和电池可用容量协同估计的电池状态估计框架，保证了计算的实时性和准确性，提高了动力电池的安全性，降低了计算复杂度，避免了运算对BMS的造成负担。

技术研发人员：李晓宇,李廓,高萧,吕沫含
受保护的技术使用者：河北工业大学
技术研发日：
技术公布日：2024/1/15