[发明专利]基于改进分数阶模型的锂离子电池荷电状态估计方法

说明书

本发明涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法，属于电池技术领域，包括步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合FEKF算法对电池进行SOC状态估计。

技术领域

本发明涉及电池技术领域，具体涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法。

背景技术

锂离子电池由于其容量大、循环寿命长、低记忆效应等优点成为电动汽车的首选动力来源，SOC是电动汽车电池管理系统(Battery Management System,BMS)需要监管和监控的一个最重要的状态，高精度且快速收敛的SOC状态估计能够提供更精确的续驶里程估计且扩大可用SOC范围，避免过充过放导致的电池损耗、寿命加速衰减、燃烧甚至爆炸。

常用SOC估计方法可以分为无模型和基于模型的算法两种。无模型方法常用的是简单易用的安时积分法，但是由于其对初始SOC和测量噪声的敏感性，常采用离线导出的SOC和OCV曲线对安时积分法进行重新标定以提高精度。另一方面是基于数据驱动的人工智能算法如支持向量机、神经网络等来模拟SOC与其影响因素之间复杂的非线性关系，但是这些黑箱模型对训练数据的质量和数量有很高的依赖性，对未知数据的适应性相对较差。基于模型的方法中，电化学模型适用于宏观和微观的预测且精度高，但是计算要求高且参数众多难以获取。基于外部动态特性的等效电路模型可以模拟不同类型电池的工作特性，从而避免了内部电化学过程的详细计算，具有明显的灵活性和简单性并且精度较高，并且结合卡尔曼滤波(Kalman Filter,KF)、扩展卡尔曼滤波(Extended Kalman Filter,EKF)、粒子滤波(Particle Filter，PF)等算法设计观测器来估计SOC，但是常用RC整数阶模型不能足够准确的模拟电池的非线性度，从而限制了估计精度。

发明内容

有鉴于此，本发明的目的在于提供一种应用场景更广且能更准确模拟电池的非线性度的改进分数阶模型及其荷电状态的精确估计。

为达到上述目的，本发明提供如下技术方案：

一种基于改进分数阶模型的锂离子电池荷电状态估计方法，包括以下步骤：

S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态(State of Charge,SOC)状态估计所需的模型参数；

S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱(Electrochemical Impedance Spectroscopy,EIS)实验，进而建立充放电开路电压(OpenCircuit Voltage,OCV)、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；

S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；

S4：将动力电池的改进分数阶电池模型结合分数阶扩展卡尔曼滤波(FractionalExtended Kalman Filter,FEKF)算法对电池进行SOC状态估计。

进一步，步骤S1中，所使用的等效电路模型时在二阶等效电路模型的基础上串联了一个电感元件，将电容元件全部替换为常相位元件，并利用分数阶微积分中的Grünwald–Letnikov(GL)定义进行建模得到改进分数阶模型。

进一步，步骤S1包括以下步骤：