[发明专利]一种电池剩余电量和健康状态联合估计方法

说明书

本发明公开了一种电池剩余电量和健康状态联合估计方法。所述联合估计方法包括如下的步骤：S1，建立所述电池的分数阶等效电路模型；S2，利用脉冲放电数据和遗传算法确定所述分数阶等效电路模型的参数；S3，根据所述参数，确定基于所述分数阶等效电路模型的分数阶双扩展卡尔曼滤波算法，能够实时估计SOC和SOH，其中SOC表示剩余电量，SOH表示健康状态；S4，周期性采集电流和电压数据，利用所述分数阶双扩展卡尔曼滤波算法进行SOC和SOH联合估计。上述技术方案能够很好模拟锂电池等电池充放电特性，并实时估计电池剩余电量和健康状态，估计精度高，收敛性好，可适用于电动汽车动力电池的状态估计。

技术领域

本发明属于电池检测技术领域，特别涉及一种电池剩余电量和健康状态联合估计方法。

背景技术

为了应对日益严峻的环境污染和能源危机，纯电动汽车得到了快速发展。动力电池作为纯电动汽车的核心部件，是保证电动汽车的安全行驶和长续航的关键一环，因此需要对动力电池进行必要的管理和控制，电池管理系统应运而生。剩余电量(state ofcharge，SOC)，用剩余容量占电池容量的比值计算，SOC的估计是电池管理系统最基础也是最重要的功能，对于电动汽车功率的分配策略和保护电池避免过充、过放、快速老化、起火和爆炸等危险，起到至关重要的作用。进一步来说，准确的剩余电量估计既能提高每次充电的行驶里程，又能延长电池有效寿命。此外，随着动力电池的使用，电池会出现不可逆转的老化，具体表现为等效欧姆内阻的升高和动力电池最大可用容量的减少，如果这些参数不能在电池运行过程中实时进行修正，随着时间的增长，SOC估计精度将会越来越差。因此，为了提高动力电池在整个生命周期下的SOC估计精度，就需要进行健康状态(stateofhealth，SOH)估计，SOH可用电池当前最大容量与额定容量的比值表示。

精确的电池模型是保证状态估计精确的基础，更高精度的电池模型会带来更高精度的状态估计。目前最常用的电池等效电路模型是RC等效电路模型，其中的极化电容被认为是整数阶的，使用常用的整数阶模型就会给电池模型带来误差，影响锂电池状态估计精度。

发明内容

针对上述问题，本发明公开了一种电池剩余电量和健康状态联合估计方法，以克服上述问题或者至少部分地解决上述问题。

为了实现上述目的，本发明采用以下技术方案：

一种电池剩余电量和健康状态联合估计方法，所述联合估计方法包括如下的步骤：

S1，建立所述电池的分数阶等效电路模型；

S2，利用脉冲放电数据和遗传算法确定所述分数阶等效电路模型的参数；

S3，根据所述参数，确定基于所述分数阶等效电路模型的分数阶双扩展卡尔曼滤波算法，能够实时估计SOC和SOH，其中SOC表示剩余电量，SOH表示健康状态；

S4，周期性采集电流和电压数据，利用所述分数阶双扩展卡尔曼滤波算法进行SOC和SOH联合估计。

可选地，所述步骤S1包括：

S1.1，确定所述电池的分数阶二阶RC等效电路模型，所述分数阶二阶RC等效电路模型包括R₀、R₁、R₂、C₁和C₂，电阻R₀、R₁、R₂依次串联在开路电压U_OC的输出端，分数阶电容C₁与电阻R₁并联，分数阶电容C₂与电阻R₂并联；

S1.2，将所述分数阶二阶RC等效电路模型表示为如下的微分方程组；

模型状态方程：

模型输出方程：