[发明专利]电池荷电状态估算方法及电池管理系统

说明书

本发明涉及电池技术领域，提供了一种电池荷电状态估算方法，所述估算方法包括：获取电池的负载电流和端电压；采用所述负载电流、所述端电压和所述电池上一时刻的状态参数，采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数；所述状态参数包括：欧姆内阻、极化内阻和极化电容；采用所述负载电流、所述端电压和所述的状态参数，采用第二扩展卡尔曼滤波EKF算法确定所述电池的荷电状态。同时还提供了一种对应的电池管理系统。本发明提供的实施方式能够提升电池荷电状态估算的准确性。

技术领域

本发明涉及电池技术领域，特别涉及一种电池荷电状态估算方法及一种电池管理系统。

背景技术

SOC(State of Charge，荷电状态)直接反映电池的剩余电量，是电动汽车电池管理的首要参数。现有技术中对电池的SOC估算方法包括扩展卡尔曼滤波算法(EKF)，是一种状态估计算法，将动力电池看成一个动态系统，SOC是系统的一个内部状态变量。在对电池SOC(即电池荷电状态)进行估计时，电池模型参数Map使用离线辨识方法获得。离线辨识的参数Map，覆盖的范围有限，且为了覆盖不同电流、温度及SOC对参数的影响，需要大量的试验数据，试验成本较高，辨识工作量大。而且随着电池的老化，电池参数随之改变，固定的参数Map必然会极大的影响SOC估计的精确度。

双卡尔曼滤波算法的实现方法有很多种，通常为了简化计算，只对电池欧姆内阻进行在线估计。但是电池的极化电阻也会随着电池SOC、外界温度等条件的变化而变化，增加对电池极化相关参数估计，可进一步提高SOC的估算精度；电池参数的初始值，通常需要基于HPPC试验数据获得，试验周期长，测试步骤复杂；而EKF滤波器参数的设置，则通常根据经验设定，不易得到优化的设计结果。

发明内容

有鉴于此，本发明旨在提出一种电池荷电状态估算方法及电池管理系统，以至少部分地解决上述技术问题。

为达到上述目的，本发明提供了一种电池荷电状态估算方法，所述估算方法包括：获取电池的负载电流和端电压；采用所述负载电流、所述端电压和所述电池上一时刻的状态参数，采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数；所述状态参数包括：欧姆内阻、极化内阻和极化电容；采用所述负载电流、所述端电压和所述的状态参数，采用第二扩展卡尔曼滤波EKF算法确定所述电池的荷电状态。

优选的，所述状态参数中的欧姆内阻、极化内阻和极化电容满足以下等效电路模型：所述电池为理想电压源，所述电池的欧姆内阻与所述理想电压源串联，所述极化内阻和所述极化电容并联后与所述理想电压源串联。

优选的，所述采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数，包括：以所述电池的上一时刻的状态参数作为预测状态；以所述负载电流、所述端电压和所述等效电路模型计算出的状态参数作为测量状态；基于所述状态参数的所述预测状态和所述测量状态，通过所述第一扩展卡尔曼滤波EKF算法，得到所述电池的状态参数。

优选的，所述状态参数的初始值通过以下步骤获取：获取某一温度下，预设测试工况的第一试验数据；所述第一试验数据包括电流采集值和与所述电流采集值对应的电压采集值；将所述状态参数的初始值作为待标定参数，模型输入为所述电流采集值；模型计算值为端电压估计值，所述待标定参数、模型输入和模型计算值满足所述等效电路模型；以同一电流采集值对应的端电压估计值与电压采集值的均方误差最小为优化目标，采用遗传算法函数确定所述状态参数的初始值的最优值。

优选的，所述采用所述负载电流、所述端电压和所述的状态参数，采用第二扩展卡尔曼滤波EKF算法确定所述电池的荷电状态，包括：基于所述荷电状态的状态转移方程得到荷电状态的预测状态，所述状态转移方程为：