[发明专利]一种新型锂离子动力电池SOC估计方法

说明书

技术领域

本发明涉及一种新型锂离子动力电池SOC估计方法。

背景技术

电池荷电状态的估计一直是电池管理系统的重点和难点，电池SOC准确估计对于提高电池使用效率和延长电池寿命，提高电池的安全可靠性，以及整车能量管理有着重要的意义，但是SOC不能直接测量，只能通过其它电池参数如电池输出电压、电流来预估。

目前，国内外常用的SOC估计算法有：安时积分法，该方法无法给出SOC初始值，且电流测量不准确会导致SOC累计误差；开路电压法，利用电池的开路电压与SOC的对应关系，通过测量电池的开路电压来估计SOC，简单易行，但是需要电池静置一段时间后才能估计，不适合电动汽车实时在线估计的要求；内阻法，适合于电池放电后期SOC估计，需要专门的仪器测量，实车上很少使用；神经网络法，需要大量的数据进行训练，估计误差受训练数据和训练方法影响较大，目前还没有得到很好的应用。扩展卡尔曼滤波算法估计SOC是目前国内外应用比较广泛的估计方法，它将SOC看作是电池系统的一个内部状态变量，通过递推算法实现SOC的最小方差估计，它对电池模型依赖性较强，电池在实际使用过程中反复充放电，会造成电池模型参数的变化，故采用扩展卡尔曼滤波算法估计SOC会产生估计不准、甚至出现发散。

发明内容

为解决现有技术存在的不足，本发明公开了一种新型锂离子动力电池SOC估计方法，采用强跟踪滤波器估计SOC克服了扩展卡尔曼滤波器估计SOC不准的缺点，强跟踪滤波器由扩展卡尔曼滤波器改造而来，主要针对系统模型不确定性导致滤波器估计不准及发散问题，具有以下的优点：(1)对模型不确定性具有较强的鲁棒性；(2)对突变状态的跟踪能力极强，甚至在系统达到平衡状态时，仍保持对缓变状态与突变状态的跟踪能力；(3)适中的计算复杂度。

为实现上述目的，本发明的具体方案如下：

一种新型锂离子动力电池SOC估计方法，包括以下步骤：

步骤一：建立电池等效电路模型，利用最小二乘算法对建立的电池模型参数进行辨识；

步骤二：根据步骤一参数辨识出来的电池开路电压U_OCV和对应的SOC关系，利用Shepherd模型和Nernst模型进行组合得到对应的函数，该函数拟合了U_OCV和SOC关系；

步骤三：选取步骤一中电池等效电路模型中电容的端电压和SOC为状态变量，搭建出SOC估算的状态方程和观测方程，实时调整状态预报误差的协方差阵和增益矩阵，根据SOC估算的状态方程和观测方程对锂离子动力电池SOC进行估计。

所述状态预报误差的协方差阵P_k+1：

P_k+1＝λ_k+1G_kP_kG^T_k+Q_k (12)

其中，λ_(k+1)为时变的渐消因子，P_k+1为k+1时刻的误差协方差矩阵，P_k为k时刻的误差协方差矩阵，Q_k是系统噪声协方差，G_k为状态方程对状态变量求偏导的雅克比矩阵。

所述增益矩阵K_k+1：

K_k+1＝P_k+1H^T_k+1[H_k+1P_k+1H^T_k+1+R_k]^-1(7)。

电容的端电压，充电时为C_1c和C_2c，放电时为C_1d和C_2d，在下面的叙述中都以C₁和C₂代替。