[发明专利]电池簇荷电状态的估计方法及系统、电子设备及存储介质

说明书

本发明公开了一种电池簇荷电状态的估计方法及系统、电子设备及存储介质。其中，电池簇荷电状态的估计方法包括以下步骤：获取与电池簇的荷电状态相关的目标数据；利用安时积分法根据所述目标数据对所述电池簇的荷电状态进行估计，得到第一估计值；将所述目标数据输入荷电状态预测模型对所述电池簇的荷电状态进行估计，得到第二估计值；其中，所述荷电状态预测模型基于样本数据训练得到；根据所述第一估计值、所述第二估计值以及所述目标数据与所述样本数据之间的距离确定荷电状态的最终估计值。本发明结合安时积分法和荷电状态预测模型共同估计电池簇的荷电状态，能够有效提高电池簇荷电状态估计的准确性。

技术领域

本发明涉及电池技术领域，特别涉及一种电池簇荷电状态的估计方法及系统、电子设备及存储介质。

背景技术

SOC(state of charge)是电池的荷电状态，在储能的电池管理系统中，电池SOC是核心，影响着电池健康状态SOH(state of health)、剩余能量SOE(state of energy)以及电池输出功率SOP(state of power)，甚至影响着电池安全。但是，由于电池表现为非线性特征，受温度、使用时间、倍率等各种因素影响，因此很难对电池SOC进行准确地预估。国标中，电池SOC的预估准确度要求为5％。

目前对荷电状态的研究，大多通过测量电池的电流、电压、内阻等相关特征参数，建立特征参数与电池SOC的对应函数关系，利用这些函数关系修正SOC，因此电池特征参数的准确性非常重要。目前对SOC估计的主要方法有：放电实验法、安时积分法、开路电压法、卡尔曼滤波法、组合电压修正方法等。

放电实验法：该方法是比较准确的预估方法，它采用恒流持续放电获取其放出电量。放电实验法常常被使用来标定电池的容量，该方法适用于所有电池，但也存在明显的缺点：首先，充放电试验需要花费大量时间；其次，放电实验法不能用于工作中的电池。

安时(Ah)积分法：安时积分法是最常用的SOC估计方法，安时积分法的原理是将电池在不同电流下的放电电量等价为某个具体电流下的放电电量。但是该方法精度会受电流传感器的精度影响，而且存在着累计误差。

开路电压法：利用电池OCV(Open Circuit Voltage，开路电压)与电池SOC的对应关系，通过测量电池的开路电压来估算SOC，用这种方法较为直接地得到电池SOC。但是，由于开路电压法的基本原理是将电池静置，使电池端电压恢复至电路电压，即要消除极化电压的影响，静置时间一般需要2小时以上，所以该方法不适合实时在线监测，另外电池OCV测量复杂，且随着电池老化，电池OCV会发生微小变化造成SOC出现误差。

卡尔曼滤波法：该方法建立在安时积分法的基础之上，是对动力系统的状态做出最小方差意义上的最优估计。核心思想是包括荷电状态估计值和反映估计误差的、协方差矩阵的递归方程，协方差矩阵用来给出估算误差范围。卡尔曼滤波法在实际运用中矩阵运算量大，需要高运算能力的单片机。卡尔曼滤波法的精度取决于等价模型的建立，由于电池自身老化影响，很难建立一个整个生命内都准确的等价电池模型。

组合电压修正方法：储能电池如果有恒流充电工况，充电工况稳定，利用安时积分结合充电曲线修正SOC是大多数厂家经常用到的算法。该算法稳定性较高、计算简单、稳定性强适用于嵌入式环境。但是，该算法的精度受充电曲线精度的影响，而充电曲线通常采用的是出厂测试的电池充电曲线，随着电池的老化，电池曲线会逐渐变化，初始测试的曲线不符合老化后的电池特征，这时采用初始充电曲线修正SOC会造成不可预测的误差，同时遇到调频电站，电流频繁变化的场景，很难提取最佳的充放电参数。

发明内容

本发明要解决的技术问题是为了克服现有技术中SOC估计方法中存在的缺陷，提供一种电池簇荷电状态的估计方法及系统、电子设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明的第一方面提供一种电池簇荷电状态的估计方法，包括以下步骤：