[发明专利]一种确定电池放电曲线的方法

说明书

本发明公开了一种确定电池放电曲线的方法，属于电池技术领域。使用运动学模型来描述不同放电倍率下的放电曲线，将电池的放电曲线视为一个点在力的作用下的一个运动轨迹，假设受力的大小F只与放出的电荷量有关，根据力学公式和不同倍率的放电曲线，使用电池的SOC、SOH、放电倍率等参数来构造质量m关系式，使得在不同的放电倍率下，受到的力只与电池放出的总电荷量有关，从而根据一条放电线确定出不同放电倍率下的放电线，SOH代表电池的健康状态，SOC代表电池的荷电状态。通过已知的放电曲线来确定未知的放电线，这可以大大减少测试时间，并为电池的放电曲线的研究提供一个新的方向。

技术领域

本发明属于电池技术领域，具体涉及一种确定电池放电曲线的方法。

技术背景

目前，随着新能源汽车的慢慢普及，电池的使用变的越来越频繁，对电池的SOC估算也变得越来越重要，目前已有的估算SOC的方法大部分都基于安时积分法和开路电压法。

安时积分法最大的问题是电流采样偏差的问题，现在使用的大部分电流传感器都有一个小的偏差值，而安时积分本身是一个累加的过程，这会导致上一时刻的误差会影响到下一个时刻，而且方法本身不会对结果进行修正，这会导致SOC的估算误差越来越大。

而开路电压法，很多情况下都是使用一个模型来根据电池的电流和电压来反推电池的开路电压，这里性价比较高的模型为2RC模型，这里存在的问题有开路电压与SOC之间关系的弱相关，特别是对于磷酸铁锂电池来说，在整个放电过程中，电池的电压变化很小，微小的电压差值就会映射出巨大的SOC偏差，这会导致SOC的估算十分不准确。而且模型本身在转化为辨识模型后需要辨识的参数个数为6个，电池本身是一个时变的系统，随着温度和SOC值的变化，其参数变化十分明显，由于电池使用环境的复杂性，使用简单的辨识方法(如递推最小二乘法)很多时候并不能让参数动态的跟随电池的实际参数变化。而使用复杂辨识方法又会产生较大的计算量。

因此，由于在实际的SOC计算中，安时积分法的误差累计和使用模型计算时复杂的计算过程与算法跑飞的可能性，同时由于开路电压与SOC之间的弱相关性，导致实际环境中使用出现很多问题，这往往会导致算法变的更加复杂。

因此现在出现了一种类似于查表的算法。即建立资料库，理论上只要在实验室测出电池在所有可能的环境下的SOC值(当然这在实际上是不可能的)，那么BMS在工作时只需要根据目前的状态进行查表，就可以获得相当精确的SOC值，但是实际上不可能测试所有的情况，一般只会测量一些较为典型的情况值，在实际情况中使用插值等方法来会通过已有的数据来获得现在的数据。使用此方法的特点是，建立的资料库里面的数据越丰富，估计的SOC就越准确，但是这会花费大量的时间成本。

发明内容

针对现有技术存在的问题，本发明提出一种确定电池放电曲线的方法，使用运动学模型来根据已有的放电线，来确定未知的放电线，可以大大减少建立资料库需要的时间。

一种确定电池的放电曲线的方法，使用运动学模型来描述不同放电倍率C下的放电曲线，将电池的放电曲线视为一个点在力的作用下的一个运动轨迹，假设受力的大小F只与放出的总电荷量有关，根据力学公式和不同倍率的放电曲线，使用电池的SOC、SOH、放电倍率C参数来构造质量m关系式，使得在不同的放电倍率C下，受到的力只与电池放出的总电荷量有关，从而根据一条放电曲线确定出不同放电倍率C下的放电线，SOH代表电池的健康状态，SOC代表电池的荷电状态。

进一步的，所述的质量m至少与SOH，SOC和放电倍率C有关；质量m与SOH成正相关，电池越健康，质量m越大，在受力下电压下降越慢；与放电倍率C成负相关，放电倍率C越高，电池的电压下降越快，质量减小；用二次模型来表示SOC与质量m的关系。

进一步的，所述质量m与SOH，SOC和放电倍率C的计算公式为

其中a,b,k均为正数，且a-b(SOC-50)²需要大于零。