[发明专利]基于标准电池模型的镍氢动力电池荷电状态的估计方法

摘要

本发明属于电动汽车智能信息处理技术领域，其特征在于，包含以下步骤：进行电池组复合脉冲试验，得到电池组充放电电压曲线；基于所述试验数据得到标准电池模型的参数；提取标准电池模型的欧姆内阻－SOC曲线以及开路电压－SOC曲线，并计算观测矩阵；构建完整的基于标准电池模型的卡尔曼滤波SOC估计算法，以及电池管理系统用SOC估计算法计算各个点下的SOC值。本方法具有初始SOC误差相对小，SOC估计值向SOC真值收敛速度快，环境适应性强，计算量少，准确度高的优点。

主权项

1、基于标准电池模型的镍氢动力电池荷电状态的估计方法，其特征在于，依次含有以下步骤：步骤(1)，使用电池试验台控制镍氢动力电池组充电或放电，以进行电池组复合脉冲试验，获取在设定的SOC点下电池组的电压随时间变化的曲线；所述SOC是电池组的荷电状态，表示电池组剩余电量与额定容量C_N之比，在满荷电状态下SOC是1，电池组没电时SOC为0，把SOC值在1～0之间按0.9，0.8，…，0.1，0共等分为10个间隔，复合脉冲试验共进行9次，分别在0.9，0.8，…，0.1共9个SOC点完成，全过程的复合脉冲试验由以下3个子试验共循环9次构成，试验台的数据采样时间为0.5秒：试验a：为在具体SOC点进行的复合脉冲试验，持续时间T_a秒，T_a＝放电时间+充放电间隔时间+充电时间，放电电流I_d＝C_N，充电电流I_c＝0.75C_N，放电时间10秒，充放电间隔时间40秒，充放电间隔时间在放电电流至0时开始，充电时间10秒；在T_a时间内，电池试验台采集的试验数据点依次用i标记(i＝1，2……120)；试验b：为C_N/3恒流放电试验，试验持续时间为T_b，在T_b内使电池组的SOC减少0.1，T_b的值与C_N/3库伦效率有关，是给定的；试验c：为电池组的搁置试验，电池组工作电流为0，搁置时间T_c为1小时，使电池组放电后的电压恢复至接近开路电压U_oc，供下一个循环使用；全部复合脉冲试验需时9T_a+10T_b+10T_c，通过复合脉冲试验得到9条不同SOC点的充放电时的电池组电压曲线，在每个SOC点的复合脉冲试验电压曲线由120个数据点构成；步骤(2)，在普通计算机上使用Excel软件处理各SOC点的复合脉冲试验数据，辨识标准电池模型的参数；其中所述标准电池模型是美国爱达荷国家实验室推荐的标准电池模型：该模型由理想电压源表示电池的开路电压U_oc，依次与该U_oc正极串联的是C_b、R_o，与该U_oc负极串联的是R_p和C_q的并联网络，其中R_o为欧姆内阻，R_p为极化内阻，C_p为极化电容，极化时间常数τ＝R_pC_p，C_b为储能大电容，该串联式标准电池模型的端电压为U_L，等于负载电压，电流I_L为负载电流，I_p为极化电流，U_o、U_b、U_p分别为R_o、C_b、C_p两端的电压；使用Excel软件运用回归分析功能依次按以下步骤辨识出对应电池组SOC的模型参数：步骤(2.1)，把1～20秒时间范围20等分，得到20个待选极化时间常数；步骤(2.2)，在Excel软件中，给出20个Excel数据表，每个数据表进行与一个待选极化时间常数对应的模型参数辨识工作，每个Excel数据表中只是待选极化时间常数不同，计算过程均相同；具体到一个Excel数据表中的处理过程，要计算并列出与待选极化时间常数对应的四个数据列，数据列的行数为120，分别为在第i个采样时间间隔内的负载电压电容C_b上在第i个采样时间间隔Δt内的电荷量(∑I_LΔt)_i、负载电流I_L，i和极化电流I_p，i；其中U‾L,i=U‾oc-1Cb(ΣILΔt)i-RoIL,i-RpIp,i(ΣILΔt)i=(ΣILΔt)i-1+(IL,i+IL,i-12)×ΔtIp,i=(1-1-e-Δt/τΔt/τ)×IL,i+(1-e-Δt/τΔt/τ-e-Δt/τ)×IL,i-1+e-Δt/τ×Ip,i-1;]]>步骤(2.3)，运用Excel软件的回归分析功能，计算得到20组与待选极化时间常数对应的标准电池模型的参数U_oc(V)、C_b(F)、R_o(mΩ)、R_p(mΩ)，同时得到20个与待选极化时间常数对应的回归判定系数；步骤(2.4)，比较所选择不同极化时间常数下的各个回归判定系数，将与最大的判定系数对应的极化时间常数确定为最优极化时间常数，最优极化时间常数对应的参数就是最终的模型参数，分别为SOC、τ(s)、U_oc(V)、C_b(F)、R_o(mΩ)、R_p(mΩ)和C_p(F)，C_p由公式C_p＝τ/R_p算得，()内是单位；步骤(3)，提取标准电池模型的“欧姆内阻R_o-SOC”和“开路电压U_oc-SOC”两个数学关系；根据步骤(2.4)得到的在不同SOC下的标准电池模型参数U_oc和R_o的值使用三次多项式拟合得到以SOC为自变量的“R_o-SOC”数学关系和“U_oc-SOC”数学关系如下：R_o＝a₁·(SOC)³+a₂·(SOC)²+a₃·(SOC)+a₄；U_oc＝b₁·(SOC)³+b₂·(SOC)²+b₃·(SOC)+b₄；其中，a₁、a₂、a₃、a₄，b₁、b₂、b₃、b₄均为由模型参数得到的拟合系数；步骤(4)，根据步骤(3)的结果，构建完整的基于标准电池模型的卡尔曼滤波SOC估计算法所需要的观测矩阵C^k=∂UL∂X|X=Xk=[-1-1∂Uoc∂SOC-IL×∂Ro∂SOC],]]>其中∂Uoc∂SOC=3b1·(SOC)2+2b2·(SOC)+b3∂Ro∂SOC=3a1·(SOC)2+2a2·(SOC)+a3;]]>步骤(5)，用电池管理系统中的计算单元ECU在电动汽车上估计镍氢动力电池组SOC，其具体步骤如下：步骤(5.1)，电池管理系统中的计算单元ECU初始化如下参数：电池额定容量C_N和库伦效率η；系统噪声方差矩阵Q_k，取为0；观测噪声方差矩阵R_k，取为电池管理系统电压传感器测量误差；预测误差协方差阵初值P₀，取为系统状态初值X₀的方差；标准电池模型的以下参数：理想电压源电压U_oc、储能大电容C_b、欧姆内阻R_o、极化内阻R_p、极化电容C_p、极化时间常数τ，其中τ＝R_pC_p，所述标准电池模型是美国爱达荷国家实验室推荐的标准电池模型；电池管理系统的采样时间为T_s，各时间点采样数据间隔T_s，第一个采样时刻为t₀，电池管理系统的采样时间与步骤(1)中电池试验台的数据采样时间之间没有关系；步骤(5.2)，所述电池管理系统在第一采样时刻t₀测量镍氢动力电池组的开路电压Y₀，得到镍氢动力电池SOC的初始值SOC₀，从而由该SOC₀根据“U_oc-SOC”关系得到系统状态初始值X₀；X0=Ub,0Up,0SOC0,]]>其中U_b，0＝0，U_p，0＝0；步骤(5.3)，执行下述卡尔曼滤波算法，得到不同时刻的SOC估计值，步骤如下：步骤(5.3.1)，基于标准电池模型电路结构建立离散形式的电池状态空间模型，k描述离散后的时间序列，与电池管理系统的采用时刻对应，每个采样时刻之间的时间间隔为电池管理系统的采样时间T_s：Ub,k+1Up,k+1SOCk+1=10001-TsCpRp0001Ub,kUp,kSOCk+TsCbTsCp-ηTsCN[IL,k][UL,k]=[-1-10]Ub,kUp,kSOCk+[-Ro][IL]+[Uoc];]]>步骤(5.3.2)，令：Ub,kUp,kSOCk]]>为系统状态矩阵X_k，TsCbTsCp-ηTsCN]]>为控制输入矩阵10001-TsCpRp0001]]>为系统矩阵[I_L，k]＝u_k，步骤(5.3.3)，建立卡尔曼滤波算法：X^k/k-1=A^k-1X^k-1/k-1+B^k-1uk-1Pk/k-1=A^k-1Pk-1/k-1A^k-1T+QkTsKk=Pk/k-1C^kT(C^kPk/k-1C^kT+RkTs)-1UL,k=Uoc,k-Rp,kIL,k-Ub,k-Up,kX^k/k=X^k/k-1+Kk(Yk-UL,k)Pk/k=(1-KkC^k)Pk/k-1k=1,2,......]]>Ub,k=(ΣILTs)k/Cb,kUp,k=Rp,kIp,k(ΣILTs)k=(ΣILTs)k-1+(IL,k+IL,k-12)×TsIp,k=(1-1-e-Ts/τTs/τ)×IL,k+(1-e-Ts/τTs/τ-e-Ts/τ)×IL,k-1+e-Ts/τ×Ip,k-1]]>其中：Y_k为电池管理系统测量的镍氢动力电池组电压，U_L，k为标准电池模型计算的镍氢动力电池组电压，P_k/k-1为预测值均方差，为系统状态预测值，P_k/k-1为预测值均方差，K_k为滤波增益矩阵，为状态估计值，的第三个分量为SOC的估计值，P_k/k为估计值均方差，C_b，k、U_oc，k、R_o，k、R_p，k是对应第k采样时刻的标准电池模型参数，这些模型参数在计算时基于已有SOC点的模型参数对应实时变化的SOC估计值通过线性插值得到。