[发明专利]一种电池荷电状态预测方法和系统

说明书

本发明实施例提供一种电池荷电状态预测方法和系统，所述方法包括：获取电池在充放电过程中的电压和电流；根据所述电池在充放电过程中的电压和电流，采用遗传算法，对所述电池的二阶RC等效电路模型中的模型参数进行优化，得到优化后的模型参数；获取所述电池的荷电状态的三次样条拟合函数，根据所述优化后的模型参数和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型；根据所述荷电状态预测模型，预测所述电池的荷电状态，本发明实施例提供的电池荷电状态预测方法和系统，可以提高电池荷电状态的预测准确度。

技术领域

本发明实施例涉及电池管理技术领域，尤其涉及一种电池荷电状态预测方法和系统。

背景技术

锂离子电池作为储能电源已在通讯、电力系统、交通运输等领域得到了广泛的应用。电池作为能量供给部件，其工作状态的好坏直接关系到整个系统安全性和运行可靠性。为了确保电池组性能良好，延长电池组使用寿命，必须及时、准确地了解电池的运行状态，对电池进行合理有效地管理和控制。

电池荷电状态(State of Charge，简称SOC)的精确估算是电池能量管理系统中的核心技术之一。电池的SOC无法直接测量得到，只能通过测量其他物理量，并采用一定的数学模型和算法来估算得到。

目前常用的电池SOC估计方法有开路电压法、安时积分法等。但是，采用开路电压法，要求电池必须静置足够长时间后达到稳定状态，而且只适用于系统在停机或待机状态下的SOC估计，不能满足在线实时检测要求；采用安时积分法，容易受到电流测量精度的影响，精度不高。

因此，如何提供一种具有较高精度的满足在线实时检测要求的电池荷电状态预测方法，成为亟需解决的问题。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种电池荷电状态预测方法和系统。

第一方面，本发明实施例提供一种电池荷电状态预测方法，所述方法包括：

获取电池在充放电过程中的电压和电流；

根据所述电池在充放电过程中的电压和电流，采用遗传算法，对所述电池的二阶RC等效电路模型中的模型参数进行优化，得到优化后的模型参数；

获取所述电池的荷电状态的三次样条拟合函数，根据所述优化后的模型参数和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型；

根据所述荷电状态预测模型，预测所述电池的荷电状态。

第二方面，本发明实施例提供一种电池荷电状态预测系统，所述系统包括：

获取模块，用于获取电池在充放电过程中的电压和电流；

参数优化模块，用于根据所述电池在充放电过程中的电压和电流，采用遗传算法，对所述电池的二阶RC等效电路模型中的模型参数进行优化，得到优化后的模型参数；

模型建立模块，用于获取所述电池的荷电状态的三次样条拟合函数，并根据所述优化后的模型参数和所述三次样条拟合函数，采用扩展卡尔曼滤波算法，建立所述电池的荷电状态预测模型；

预测模块，用于根据所述荷电状态预测模型，预测所述电池的荷电状态。

第三方面，本发明实施例提供一种电子设备，所述设备包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述电池荷电状态预测方法。

第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述电池荷电状态预测方法。