[发明专利]基于EKF自适应温度调节的电池SOC估算方法

说明书

本发明涉及电池SOC估算的技术领域，公开了基于EKF自适应温度调节的电池SOC估算方法，在EKF卡尔曼滤波算法的基础上增加了自适应温度调节模型功能，确保电池在不同温度条件下对电池SOC实现动态估算，提高了电池在不同温度条件下的误差精度；传统的EKF未考虑温度对电池容量、欧姆内阻、极化电阻、极化电容的影响，对于不同温度条件下的电池SOC估算精度具有局限性，本算法在EKF基础上能依据温度自动辨识电池模型参数，模型参数发生变化的情况下，比传统EKF更具有优势，适应性更强；基于EKF自适应温度调节的电池SOC估算方法，具有适用于不同化学体系电池SOC的动态估算、实现电池SOC误差精度的快速收敛等优点。

技术领域

本发明专利涉及电池SOC估算的技术领域，具体而言，涉及基于EKF自适应温度调节的电池SOC估算方法。

背景技术

随着近几年我国锂电池技术的突破及长足发展，锂电池被广泛地应用于电动汽车、电动工具及储能系统等领域，BMS(电池管理系统)作为锂电池的核心部件，除了对锂电池充放电过程实施安全、可靠的保护功能外，还需要对锂电池SOC(荷电状态)进行精准估算，向用户提供精准、可靠的电池剩余电量。

由于锂电池内部化学成分非常复杂，无法直接测量锂电池荷电状态，依据锂电池的等效电路特性，如锂电池内阻、开路电压、电流、温度等电气特性曲线或计算公式实现锂电池荷电状态的估算。

目前，行业内常用主流的电池SOC估算方法有：安时积分法、开路电压查表法、卡尔曼滤波法(EKF)、神经网络法等，均可有效地对电池SOC进行估算，但各有其优缺点。

安时积分法：通过采集电池的电流、时间、温度，对时间和电流积分，结合温度、电流倍率、电池老化等补偿系数，计算电池SOC。其优点为算法简单、易于实现，缺点为存在测量误差、计算误差、长时间运行后，电池SOC估算累计误差将逐渐增大，影响电池SOC的估算精度，通常，结合开路电压对累计误差进行修正，但修正操作会引起电池SOC跳变，用户体验差。

开路电压查表法：电池充分静置条件下，测量电池的开路电压(OCV)，查找对应温度的开路电压与电池SOC的关系曲线，获取电池的SOC，该方法优点为算法简单、易于实现，缺点为电池只能在静态条件下获取真实的电池SOC，且要求电压采集精度高，无法实时监控电池SOC变化，对于平台电压较平缓的磷酸铁锂电池，无法通过开路电压查找电池剩余容量，存在较大的局限性。

卡尔曼滤波法：将噪声与信号的状态空间模型及观测模型作为算法模型，利用最小二乘法，在测量时，应用当前时刻的观测值与上一时刻的估计值，对状态变量的估算进行更新。卡尔曼滤波法对电池SOC进行预测的实质是安时积分法，同时，用测量的电压值来对先验估算值进行修正。该方法优点为适合处理器对估算结果进行递归运算，使电池SOC估算误差能快速收敛，适合于各种化学体系的电池SOC估算，缺点为电池SOC估算精度依赖于电池模型的精度，算法相对复杂，计算量大，对处理器硬件具有较高要求，且电池模型为非线性系统，需要先对电芯模型进行线性处理。

神经网络法：将大量电压、电流等测量数据以及电池SOC数据作为训练样本，通过神经网络自身学习过程中输入信息的正向传播和误差传递的反向传播反复进行训练和修改，在预测的电池SOC达到设计要求的误差范围内时，通过输入新的数据来得到电池SOC预测值。该方法优点为不需要建立特定的电池模型，只需要合适的数据样本及较精准的神经网络模式，随时估算电池的荷电状态，适用于各种化学体系的电池，缺点为要求样本数据较多，数据准确性、数量及不同的训练方法都会影响电池SOC的估算精度。

发明内容

本发明的目的在于提供基于EKF自适应温度调节的电池SOC估算方法，旨在解决现有技术中，电池SOC估算存在精度误差较大的问题。

本发明是这样实现的，1、基于EKF自适应温度调节的电池SOC估算方法，其特征在于，包括以下步骤：

1)、采用双极化等效电路模型进行电池建模；