[发明专利]一种锂离子电池状态联合估算方法

说明书

本发明公开了一种锂离子电池状态联合估算方法，主要涉及基于奇异值分解的自适应双拓展卡尔曼滤波算法(SVDDAEKF)的锂离子电池的SOC和SOH联合估算方法，该方法以精确估算锂离子电池SOC和SOH值为目标，针对由于异常扰动、不准确的初始值、单片机字节有限而存在舍入误差而引起滤波发散，基于普通的拓展卡尔曼滤波算法，将状态量协方差矩阵进行奇异值分解，从而克服误差协方差矩阵非正定的问题。在电池等效电路模型的基础上运用SVDDAEKF算法对电池进行SOC和SOH联合估算。本发明能够避免普通卡尔曼滤波算法在协方差矩阵的迭代过程中，由于单片机字节限制而失去其正定性从而引起滤波发散，并且实时调整过程噪声协方差，提高算法估算荷电状态的精度以及收敛速度。

技术领域

本发明涉及一种锂离子电池状态联合估算方法，属于对锂离子电池的SOC和SOH联合估算方法研究技术领域。

背景技术

由于环境问题，全球各国纷纷提出碳中和目标，为了解决环境问题，近年来与清洁能源有关的研究已成为热点。与一些传统的电池，如铅酸蓄电池、镍镉电池相比，锂离子电池具有比能量高，自放电率低，快速充放电，无毒无记忆效应，使用寿命长等一系列优点，因此锂离子电池越来越流行，开始广泛用于电动汽车。电池、电机、电控作为电动汽车三大核心部件，直接决定了汽车的整体性能。锂离子电池虽然具有循环寿命长、比能量高、无记忆效应等优点，但仍有一些关键问题需要解决。安全可靠的电池管理系统对于电动汽车来说十分重要，其中荷电状态(state of charge，SOC)是其核心功能之一，SOC的估算准确也是主要难点。SOC估算的准确与否直接决定了电池管理系统的控制策略正确与否。

目前SOC估算的方法主要分为以下几类：1)直接测量法；2)数据驱动法；3)基于模型的估算方法。直接测量法目前大多通过安时积分法和开路电压法的结合，通过静置得到电池的初始SOC，然后通过对电流进行积分来得到SOC值。然而，这种方法要通过长时间的静置来得到SOC的初始值，实际应用不方便，以及对初始值和干扰很敏感，从而导致误差累积无法纠正。数据驱动法通过大量的数据来了解电池的内部动态，常用的数据驱动方法主要有神经网络法、模糊逻辑、支持向量机等。但是数据驱动法需要较高的计算成本，估算的准确性很大程度取决于训练后的数据。基于模型的估算方法是目前应用最多的方法，主要通过一组状态空间方程，目前主要通过卡尔曼滤波算法及其改进算法应用于模型进行SOC估算。基于模型的估算方法是目前的主流方法，是当前研究的一个重点。

SOH的估算方法有以下几类：1)基于频域等效电路模型的老化机理识别方法；2)基于黑箱模型的神经网络类算法；3)基于时域等效电路模型的滤波估计算法。基于频域等效电路模型的老化机理识别方法通过内部老化机理和外部特征参数识别来进行SOH的估算，前者主要是指电池内部的物理化学参数，后者主要指充放电过程的测试曲线、内阻以及电池的可用容量。基于黑箱模型的神经网络类算法主要包括基于解析模型估计和人工神经网络估计。这些方法都需要大量的数据进行训练。基于时域等效电路模型的滤波估计算法具有较高的精度且与在线算法相结合，因此受到众多学者的追捧。

发明内容

针对目前技术中存在的问题，本发明提供一种锂离子电池状态联合估算方法，解决目前锂离子电池精确估算SOC和SOH的技术难题。

为实现上述发明目的，本发明采取的技术方案为：一种锂离子电池状态联合估算方法，包括以下步骤：

步骤一、读取电池SOC初始值和容量初始值。

步骤二、建立锂离子电池的二阶等效电路模型，基于基尔霍夫电压定律，得出模型的状态空间方程。

步骤三、采集开路电压数据与荷电状态数据，得到两者之间的关系，基于所述模型，对模型方程进行离散化处理，并将离散化后的方程改写成最小二乘形式，然后运用带遗忘因子的偏差补偿最小二乘法(BCFFRLS)并结合开路电压与荷电状态之间的关系，通过所输入的电池电流、电压等数据，对模型参数进行辨识。