[发明专利]一种基于滑动窗滤波的单体锂离子电池SOC估计方法

说明书

技术领域

本发明涉及一种单体锂离子电池SOC估计方法，更具体说，它涉及一种基于滑动窗滤波的单体锂离子电池SOC估计方法。 

背景技术

目前国内外致力于研究锂离子电池作为辅助动力源，争取在航天、军工、可再生能源系统储能等大型应用环境取得更大突破。为了保持电池工作在最佳状态并且延长电池使用寿命，必需较为精确的计算出锂离子电池的剩余容量或荷电状态（State of Charge，SOC）。近年来众多研究人员致力改善电池SOC估计精度，安时计量法（ampere hour，简称AH）是最常用的SOC估计方法，其原理是将电池在不同电流下的放电电量等价为某个特定电流下的放电电量，其主要思想是Peukert方程，定义为： 

SOC(t)=SOC(t0)-∫t0tηI3600Cndτ---(1)]]>

式中，SOC(t₀)为初始值，C_n为电池额定容量（以Ah为单位），I为瞬时工作电流（放电为正，充电为负），η为充放电效率系数。该方法容易实现，但会导致电池SOC累计误差，估计结果精度较低，而且该方法不能确定电池的初始值。M.Coleman等人提出利用电池电动势（EMF）来估计SOC，电动势主要取决于电池内阻、负载电流和电池端电压。 

卡尔曼滤波法（Kalman Filtering,KF）建立在AH积分法基础之上，该方法的主要思想是对动力系统的状态做出最小方差意义上的最优估计。KF方法广泛应用于电池开路电压（OCV）或其它与电池SOC直接相关的参数估计中。神经网络法和模糊算法具有非线性的基本特性，Sing等人利用模糊逻辑模型估计镍氢电池的SOC和可用容量，但是该方法需要已知电化学内阻的阻抗谱。滑动窗滤波算法(sliding-mode observers,SMOs)主要解决数学模型中存在的模型误差和模型不确定性问题，该算法具有较好的可靠性和鲁棒性。 

发明内容

本发明的目的是克服现有技术中的不足，提供一种测量精度高，可靠性好的基于滑动窗滤波的单体锂离子电池SOC估计方法。 

这种基于滑动窗滤波的单体锂离子电池SOC估计方法，包括以下几个步骤： 

步骤1，电池等效电路端电压V_B在线辨识； 

步骤1-1，利用电池参数测试仪在线测量电池工作电流I_B，单体锂离子电池最大电压v_max,i、最小电压v_min,i和最大电流i_max,i、最小电流i_min,i，电池极化内阻R_f、R_s，电池电动势内阻R_sd，电池满充状态下的电容值C_b；利用式（1）计算电池等效模型欧姆内阻R₀：