[发明专利]一种电动汽车动力电池系统SOC和SOH联合在线估算方法在审
| 申请号: | 201910059323.0 | 申请日: | 2019-01-22 |
| 公开(公告)号: | CN109870651A | 公开(公告)日: | 2019-06-11 |
| 发明(设计)人: | 朴昌浩;朱成勇;苏岭 | 申请(专利权)人: | 重庆邮电大学 |
| 主分类号: | G01R31/367 | 分类号: | G01R31/367 |
| 代理公司: | 暂无信息 | 代理人: | 暂无信息 |
| 地址: | 400065 重庆*** | 国省代码: | 重庆;50 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 估算 电动汽车动力电池 算法 电池组 空间方程 模型参数 有效解决 在线估算 辨识 卡尔曼滤波算法 卡尔曼滤波 不确定性 电池模型 方法融合 管理领域 实验数据 鲁棒性 滤波 内阻 噪声 电池 采集 联合 修正 输出 更新 | ||
1.一种电动汽车动力电池系统SOC和SOH联合在线估算方法,用于电动汽车动力电池系统SOC和SOH的实时在线估算,包括步骤:
S1:对电动汽车动力电池组进行快速充放电实验,标定电池组开路电压(OCV)与SOC之间的关系式,电池组戴维宁模型(Thevenin模型)参数初始值通过对电池组进行不同SOC值下的单脉冲实验获得,并获取电动汽车电池组模型相应状态空间方程的匹配系数初值矩阵A0、B0、C0、D0;
S2:获取电动汽车动力电池组的端电压U、电流I;
S3:根据电动汽车电池组Thevenin等效电路模型列写电路基本方程,并根据脉冲响应不变法对电池组电路方程进行离散化处理,并将离散后的方程改写成最小二乘形式,然后运用偏差补偿递推最小二乘算法(BCRLS算法)并结合上一步得出的OCV与SOC之间的关系式,运用上一步获取的电池组的电压、电流、温度数据对电动汽车动力电池组模型参数R0、R1、C1进行在线辨识,然后更新系统状态方程中的Ak、Bk、Ck、Dk;
S4:SOC估算模块,该模块将电动汽车动力电池组欧姆内阻视为常数值,运用扩展卡尔曼滤波(EKF)算法估算k时刻电动汽车动力电池组的SOCk值,将k时刻的SOCk值输入OCV与SOC关系式模块中,获取k时刻的开路电压值Uoc(SOCk),并将k时刻的开路电压值Uoc(SOCk)和k时刻电池组极化电压值U1,k输入到下一步骤的SOH估算模块中进行模型观测值的计算;
S5:SOH估算模块,运用扩展卡尔曼滤波(EKF)算法估算k时刻电动汽车动力电池组的欧姆内阻值R0,k,然后根据关系式进行SOH的估算,其中REol为电池组寿命终结时的内阻值,RNew表示电池组未使用时的内阻值,R0,k表示估算的k时刻的电池组的欧姆内阻值,将k时刻的欧姆内阻值R0,k输入到上一步骤的SOC估算模块中,进行模型观测值的计算。
2.根据权利要求1所述的一种电动汽车动力电池系统SOC和SOH联合在线估算方法,其特征在于,所述步骤S1中,通过快速充放电实验标定电池组开路电压(OCV)与SOC之间的关系式,通过1stOpt软件拟合得到的关系式为:
Uoc(SOC)=p1+p2*SOC^0.5+p3*SOC+p4*SOC^1.5+p5*SOC^2+p6*SOC^2.5+p7*SOC^3+p8*SOC^3.5+p9*SOC^4+p10*SOC^4.5
其中p1=34.922,p2=-58.731,p3=46.274,p4=-20.329,p5=5.508,p6=-0.956,p7=0.107,p8=-0.007,p9=0.0002,p10=-4.851。
3.根据权利要求1所述的一种电动汽车动力电池系统SOC和SOH联合在线估算方法,其特征在于,所述步骤S3中,所提出的偏差补偿递推最小二乘参数辨识算法能有效解决:因电动汽车动力电池组实时数据倍增并时刻伴有大量测量噪声,以及常规最小二乘辨识法因出现数据饱和、不确定性噪声所造成的辨识模型不再具有无偏性的问题,该算法可更好地跟踪系统动态工作特性。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910059323.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:电池监控方法及系统
- 下一篇:测量锂离子电池电解液量的方法及计算机设备





