[发明专利]锂离子电池的SOC估算方法

说明书

本发明公开了一种锂离子电池的SOC估算方法，包括如下步骤1：建立戴维南电池模型；2：对戴维南电池模型进行开路电压曲线辨识，并根据开路电压曲线辨识的结果，确定戴维南电池模型中开路电压与荷电状态关系曲线；3：得到电池模型的电池欧姆内阻和电池极化内阻；4：根据电池模型的电池欧姆内阻和电池极化内阻，以及戴维南电池模型中开路电压与荷电状态关系曲线建立用来反应锂离子电池中电压，电流，荷电状态，电池内阻之间关系的电池状态空间模型；5：对电池状态空间模型代入卡尔曼滤波方程进行迭代计算得到电池的荷电状态。本发明能对SOC进行准确的估算。

技术领域

本发明涉及电动汽车电池管理系统技术领域，具体地指一种锂离子电池的SOC估算方法。

背景技术

锂离子电池在不同的工作环境下，由于其受到自身内部工作环境和外界使用环境的变化影响，电池本身具体的特性会有很大变化。因此在实际应用时，电池的SOC会受到多方面因素影响而呈非线性特性，所以要实现良好的SOC估算算法就必须克服这些问题。

目前应用较多的SOC估算方法有放电实验法、安时积分法、开路电压法、电阻测量法、卡尔曼滤波法、神经网络法等。

放电实验法和开路电压法，都需要在非工作状态估算SOC，不能实现在线预测；

安时积分法受电流检测误差、SOC初始值误差的影响，累积误差会越来越大，长期的累积误差将使估算值严重偏离真实值，不能满足准确性的要求；

电阻测量法测量电池内阻时的难度很大，在工作环境恶劣的情况下更加难以测量，不满足可行性的要求；

神经网络法有很高的精度，收敛性极强，但是需要大量的训练数据资源，受样本数据和训练方法的影响很大，也就是计算量较大，目前为止还停留在仿真阶段，很难实现实时估算；

卡尔曼滤波算法可以很好的弥补安时积分法中SOC初始误差以及累积误差的不足，在估算过程中能够保持良好的精度，能够有效地抑制噪声，初始值不需要特别精确，通过算法的迭代处理也可以有很好的收敛性，保持良好精度。这是现阶段SOC估算的主流算法。

但另一方面，卡尔曼滤波法也存在其固有缺陷：

1、算法对模型的依赖性很大，当模型不精确的情况下，SOC的估计误差会变大；

2、卡尔曼滤波法只适用于线性系统，对于呈高度非线性的锂离子电池，如果采用传统的卡尔曼滤波法就必然会引入线性化误差。

发明内容

本发明的目的就是要提供一种锂离子电池的SOC估算方法，本发明首先将建立精确的戴维南电池模型得到空间状态方程，利用开路电压法确定SOC的初始值，通过安时积分法来计算SOC的积累，再利用扩展的卡尔曼滤波算法先将非线性系统线性化处理，最后再利用经典卡尔曼滤波算法将初始值和测量误差等干扰因素降到最低，最大程度上减小外界的影响。另外通过电池模型实现在整个生命周期内对电芯参数的在线辨识，以适应多种不同材料的锂离子电池。

为实现此目的，本发明所设计的一种锂离子电池的SOC估算方法，其特征在于，它包括如下步骤：

步骤1：建立戴维南电池模型；

步骤2：对戴维南电池模型进行开路电压曲线辨识，并根据开路电压曲线辨识的结果，确定戴维南电池模型中开路电压与荷电状态关系曲线；

步骤3：得到戴维南电池模型在电池脉冲放电瞬间的零输入响应特征曲线，对零输入响应特征曲线进行电池模型RC参数辨识，从而得到电池模型的电池欧姆内阻和电池极化内阻；

步骤4：根据以上步骤辨识出的电池模型的电池欧姆内阻和电池极化内阻，以及开路电压与荷电状态关系曲线建立用来反应锂离子电池中电压，电流，荷电状态，电池内阻之间关系的空间状态方程；