[发明专利]具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统

说明书

本发明提供了一种具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统。其中，该方法包括对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV‑SOC映射关系；初始化锂离子电池模型的RC参数及电池的SOC；根据OCV‑SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。

技术领域

本发明属于电池模型参数和SOC联合估计领域，尤其涉及一种具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

锂离子电池以其在能量密度、功率密度、循环寿命、自放电率等方面具有的独特优势，已经成为电动汽车动力能源的首选。为确保动力电池安全、高效地运行，必须配备电池管理系统(Battery Management System,BMS)对电池的各种内部状态做出准确估计和预测。其中，准确的荷电状态(State of Charge,SOC)估计能够缓解用户的里程焦虑，延长电池的使用寿命，甚至避免电池过早失效和安全事故的发生。由于SOC无法通过外部测量手段直接得到，通常通过可测的电压、电流、温度数据和电池模型进行估算和预测。相比其他模型，等效电路模型由于具有结构简单、计算量小、易于工程实现等特点而被广泛应用于BMS中。

然而，BMS中实现的SOC估计通常使用离线方式得到模型参数。考虑到电动汽车复杂多变的工况以及电池的不断老化，模型参数的不确定会对SOC估计的精度和鲁棒性产生不利影响，甚至会导致估计结果的发散。为此，递推最小二乘(Recursive Least Squares,RLS)等在线辨识方法被应用于实时估计电池模型参数。然而，发明人发现，受电动汽车使用的传感器测量精度和复杂恶劣的电磁干扰影响，采样得到的电流和电压等信号必然带有噪声。这将导致RLS有偏的模型参数估计结果，进而导致观测器或者滤波器较低的SOC估计精度。

发明内容

为了解决上述问题，本发明提供一种具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统，其能够有效克服噪声干扰环境下的模型参数辨识偏差，显著提高SOC估计的精度。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种具有抗噪性锂离子电池模型参数和SOC联合估计方法。

一种具有抗噪性锂离子电池模型参数和SOC联合估计方法，包括：

对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；

初始化锂离子电池模型的RC参数及电池的SOC；

根据OCV-SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；

基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。

本发明的第二个方面提供一种具有抗噪性锂离子电池模型参数和SOC联合估计系统。

一种具有抗噪性锂离子电池模型参数和SOC联合估计系统，包括：

OCV-SOC映射模块，其用于对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；

初始化模块，其用于初始化锂离子电池模型的RC参数及电池的SOC；