[发明专利]基于离散变结构观测器的锂电池SOC估计方法

说明书

本发明公开了一种基于离散变结构观测器的锂电池SOC估计方法。它包括以下步骤：对锂电池进行快速标定实验，获取SOC与开路电压OCV关系曲线；建立用于SOC估计的锂电池离散状态空间模型；对锂电池进行脉冲放电实验，辨识锂电池模型参数；实时采集工况下锂电池的端电压和充放电电流；构建离散变结构观测器实现对锂电池SOC的准确估计。本发明方法不仅具有较好的SOC估计效果，同时能严格保证收敛性，且对锂电池建模误差，内部参数的摄动和外在扰动表现出较强的鲁棒性。

技术领域

本发明属于车用锂电池荷电状态估计领域，具体涉及一种基于离散变结构观测器的锂电池SOC估计方法。

背景技术

电池管理系统BMS是电动汽车中的重要组成部分，具有电池状态检测、电池状态估计、电池安全保护和能量控制管理等基本功能。

电池SOC估计是电池管理系统的核心。SOC是表征电池剩余容量的重要参数，准确的SOC值是电池充放电控制、均衡控制、制定能量管理策略的重要依据，其估计精度直接影响电池的使用寿命和成本，因此准确估计SOC是BMS的关键。

SOC受电池温度、充放电倍率、自放电率、寿命等多种因素的影响，不能通过传感器直接测得，必须通过对电池进行建模，结合所测量的电池工作时的充放电电流、端电压、温度等数据，选择算法间接估计得到。电动汽车电池在使用过程中，由于内部复杂的电化学反应，导致电池特性体现出高度的非线性，使准确估计电池SOC具有很大的难度。

锂电池相对于传统的电动汽车电池，在性能上具有能量密度高、无记忆效应、环境污染低、循环寿命长、适应温度范围广等诸多优点，所以锂电池已经发展成为最具竞争力的动力电池。

目前，常用的锂电池SOC估计算法有开路电压法、安时积分法、卡尔曼滤波算法、神经网络算法等。

中国发明专利CN 103529398 A于2014年01月22日公开的《基于扩展卡尔曼滤波的锂离子电池SOC在线估计方法》，它首先建立被测锂离子电池一阶RC等效电路的电压电流关系式和二阶RC等效电路的电压电流关系式；再对被测锂离子电池进行充放电实验，建立被测锂离子电池的卡尔曼滤波初值SOC₀的多项式拟合函数；再获得被测锂离子电池的卡尔曼滤波初值SOC₀和卡尔曼滤波的初始误差协方差P(0)；然后进行基于扩展卡尔曼滤波的电池SOC估计，实现锂离子电池的SOC在线估计。但是该方法存在不足：

1)该算法要求噪声是白噪声且噪声的均值、方差等统计特性已知，这在实际应用中是很难满足的，不仅因为噪声统计特性很难获得，而且白噪声也仅在理想条件下存在；

2)该算法对锂离子电池性能模型精度要求较高，当模型精度较低时，会造成较大的SOC估计误差；

3)非线性的锂离子电池模型经线性化后，如果偏差较大，就会出现滤波发散的现象，导致SOC估计误差很大。

中国发明专利CN 105548898 A于2016年05月04日公开的《一种离线数据分段矫正的锂电池SOC估计方法》，首先建立电池等效电路模型；获取SOC—OCV曲线；利用电池放电结束时的端电压响应曲线对等效电路模型进行离线参数辨识；然后计算电池健康状态SOH；利用安时积分法实时计算SOC的当前值；并利用电池健康状态对SOC值进行矫正；最后利用离线数据对安时积分法中的累积误差进行分段消除。其存在的不足为：

1)采用离线辨识方法对锂电池等效电路模型参数进行辨识，而在锂电池工作过程中，由于温度、老化、寿命等因素的影响，锂电池模型中参数会发生变化，会造成较大的SOC估计误差。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于离散变结构观测器的锂电池SOC估计方法。该方法不仅具有较好的SOC估计效果，且对锂电池建模误差和由于温度、老化和寿命等因素引起的内部参数变化具有较强的鲁棒性，同时能严格保证算法的收敛性，不会出现估计发散现象。