一種低荷電狀態的估計方法技術

本發明專利技術涉及一種低荷電狀態的估計方法，對采用等效電路模型ECM結合擴展卡爾曼濾波EKF算法實現電池在整個狀態區間內的荷電狀態SOC估計方法中，在SOC在0?20%的低荷電狀態區間內，大幅度降低

【技術實現步驟摘要】
一種低荷電狀態的估計方法
本專利技術涉及一種電池技術，特別涉及一種低荷電狀態的估計方法。
技術介紹
隨著科技的不斷進步，電子產品的使用也越來越廣泛，電池的應用領域更是越來越廣泛，可謂是無處不見。小到生活工作中常用的手機，平板，電腦；大到由電池單體串并聯構成的動力電池在電動汽車等領域的應用。在電池的使用過程中，消費者很關心的一種信息就是剩余電量，一般通過荷電狀態SOC表示。但是對于電池而言，其SOC不能直接由傳感器測得，而需要一些算法來計算得到，因而就需要有精確的SOC估計算法。對于生活工作中的電子產品，如手機等，其耗電的過程中電流變化不是很劇烈，采用最簡單的安時積分法一般就可以得到較精確的SOC估計值。然而，對于電動汽車，特別是混合動力汽車，電流變化很大，如果簡單但運用安時積分法，其誤差會比較大，不能得到滿意的SOC估計值，因而一般工程領域會考慮采用擴展卡爾曼濾波EKF算法，通過采用等效電路模型ECM將安時積分法與開路電壓法結合起來使用以提高SOC的估計精度。并且EKF估計的精度很大程度上會受到模型精度的影響。在工程領域中，為了降低計算量，一般會選擇采用比較簡潔的ECM，如一階RC模型等。這類ECM在高區間的SOC范圍內，SOC-OCV有較好的線性關系，因而能夠較好的模擬電池特性。但是，在低SOC區間內，由于SOC-OCV的線性關系較差，所以一般簡單的ECM不能較好的模擬這段區間的電池特性，這也就造成了EKF算法在低SOC區間內估計SOC的效果變差。
技術實現思路
本專利技術是針對工程應用的ECM在低SOC區間內不能很好的模擬電池特性，進而導致使用EKF算法在低SOC區間內估計SOC的效果變差的問題，提出了一種低荷電狀態的估計方法，通過在低SOC區間內大幅度改變EKF算法中的狀態噪聲的方差∑w和測量噪聲的方差∑v方法，實現電池在整個狀態區間內的精確的SOC估計。本專利技術的技術方案為：一種低荷電狀態的估計方法，對采用等效電路模型ECM結合擴展卡爾曼濾波EKF算法實現電池在整個狀態區間內的荷電狀態SOC估計方法中，在SOC在0-20％的低荷電狀態區間內，大幅度降低∑w的值，并大幅度提高∑v的值，使得在0-20％的低荷電狀態區間內，EKF算法估計SOC的過程中只相信由安時積分法得到的SOC估計值。所述等效電路模型ECM為一階RC模型，二階RC模型，三階RC模型中的任意一種。所述大幅度降低∑w的值，并大幅度提高∑v的值為：狀態噪聲的方差Sw從∑w＝1e-8附近降低到∑w＝1e-20附近，測量噪聲的方差∑v從∑v＝0.01^2附近提高到∑v＝1附近。本專利技術的有益效果在于：本專利技術低荷電狀態的估計方法，可以在基本不改變現有技術方法的條件下，得到整個狀態區間內精確的SOC估計值。附圖說明圖1為本專利技術用于精確估計電池整個狀態區間內的SOC估計方法的流程圖。具體實施方式采用等效電路模型ECM結合擴展卡爾曼濾波EKF算法實現電池在整個狀態區間內精確的荷電狀態SOC估計。首先針對目標電池選擇合適的ECM；進一步利用融合算法，通過EKF算法將安時積分法與開路電壓法結合起來估計SOC，在SOC高于20％的區間內，根據系統實際使用中的工作環境適當調節EKF算法中的狀態噪聲的方差∑w和測量噪聲的方差∑v；在SOC在0-20％的區間內，大幅度降低∑w的值，并大幅度提高∑v的值，使得在0-20％的區間內，EKF算法估計SOC的過程中只相信由安時積分法得到的SOC估計值；進而得到電池在整個狀態區間內精確的SOC估計值。如圖1所示用于精確估計電池整個狀態區間內的SOC估計方法的流程圖，具體包括以下步驟：S1、針對目標電池選擇合適的等效電路模型；步驟S1可選用的等效電路模型包括一階RC模型，二階RC模型，三階RC模型等，具體根據目標電池的種類進行選擇，一般的，三元鋰電池LiNMC選用一階RC模型；LiFePO4電池選用帶狀態滯回的一階RC模型。S2、判斷SOC值是否大于20％，如果是，執行步驟3)，否則，轉至步驟4)；步驟S2中利用當前EKF估計得到的SOC值進行判斷，這里運用EKF算法的方法是：以傳感器測得電流I為輸入，先通過安時積分初步得到SOC的一個初步觀測值再利用SOC-OCV關系表，并結合步驟S1選擇的模型得到電池的端電壓估計值U'B，進而得到U'B與傳感器測得的電池的端電壓值UB的差異值，由該差異值乘以卡爾曼增益Lk對初步觀測值進行更新，得到即由EKF算法得到的電池SOCk的估計值。其中，卡爾曼增益Lk很大程度上取決于狀態噪聲Wk和測量噪聲Vk的協方差∑w和∑v的對比；Wk，Vk是相互獨立，均值為0的高斯白噪聲。狀態噪聲的方差∑w越大，測量噪聲的方差∑v越小，則表示輸入值受干擾程度大(即由安時積分得到的觀測值值不可靠)，系統輸出所對比值受干擾程度小(即所對比值更可靠)，這里的對比值指電壓傳感器測得的電壓值，即系統更相信電壓傳感器實際測得的參數值，對應的卡爾曼增益值Lk越大。反過來，∑w越小，∑v越大，則輸入值更可靠，系統輸出所對比值不可靠，因而系統更相信由安時積分法得到的觀測值對應的卡爾曼增益值Lk越小。S3、根據系統實際使用中的工作環境適當調節EKF算法中的狀態噪聲的方差∑w和測量噪聲的方差∑v；步驟S3中狀態噪聲的方差∑w可取在∑w＝1e-8附近，測量噪聲的方差∑v可取在∑v＝0.01^2附近。S4、大幅度降低EKF算法中∑w的值，并大幅度提高EKF算法中∑v的值，即使得EKF算法在0-20％的區間內估計SOC的過程中只相信安時積分法計算得到的SOC估計值；步驟S4中大幅度改變的狀態噪聲的方差∑w可取在∑w＝1e-20附近，測量噪聲的方差∑v可取在∑v＝1附近。S5、由步驟3)和4)得到電池在整個狀態區間內精確的SOC估計值。根據以上流程，本專利技術通過在低SOC區間內大幅度改變EKF算法中的狀態噪聲的方差∑w和測量噪聲的方差∑v方法，實現電池在整個狀態區間內的精確的SOC估計，可以在基本不改變現有技術方法的條件下，得到整個狀態區間內精確的SOC估計值。本文檔來自技高網...

【技術保護點】
一種低荷電狀態的估計方法，其特征在于，對采用等效電路模型ECM結合擴展卡爾曼濾波EKF算法實現電池在整個狀態區間內的荷電狀態SOC估計方法中，在SOC在0?20％的低荷電狀態區間內，大幅度降低∑

【技術特征摘要】
1.一種低荷電狀態的估計方法，其特征在于，對采用等效電路模型ECM結合擴展卡爾曼濾波EKF算法實現電池在整個狀態區間內的荷電狀態SOC估計方法中，在SOC在0-20％的低荷電狀態區間內，大幅度降低∑w的值，并大幅度提高∑v的值，使得在0-20％的低荷電狀態區間內，EKF算法估計SOC的過程中只相信由安時積分法得到的SOC估計值。2.根據權利要求1所...

【專利技術屬性】
技術研發人員：高文凱，鄭岳久，
申請(專利權)人：上海理工大學，
類型：發明
國別省市：上海,31