[发明专利]运用EKF对电动汽车锂离子电池SOC闭环实时估算法

摘要

本发明涉及一种电动汽车动力锂离子电池剩余电量的扩展卡尔曼滤波闭环实时估算方法，包括：判断驻车时间，当驻车时间小于一定值时，使用驻车前的SOC作为初始值，否则用开路电压法查表得到；电池模型离散化运用扩展卡尔曼滤波估算器通过上一时刻的估算值得到这一时刻的预测SOC和电池组中预测最小单体电池工作电压，将这一时刻最小单体电池电压观测量与估算量比较对这一时刻的预测SOC闭环校正，得到这一时刻的SOC估算值，从而实现了每一步SOC的闭环估计。本发明考虑到放电库仑效率、温度及老化对电池SOC的影响，可以方便的对SOC快速估算，该方法快速收敛并逼近真值，精度高，对电流具有较强的鲁棒性能。

主权项

1.一种运用EKF算法对电动汽车锂离子电池荷电状态的闭环实时估算方法，其特征在于：X^(k|k-1)=A(k)X^(k-1)+B(k)I(k-1)---(8)]]>X^(k)=X^(k|k-1)+K(k)[V(k)-V^(k)]---(9)]]>P(k|k-1)＝A(k-1)P(k-1)A^T(k-1)+Q            (10)K(k)＝P(k|k-1)C^T(k)[C(k)P(k|k-1)C^T+r]^-1    (11)P(k)＝[I-K(k)C(k)]P(k|k-1)                 (12)所述EKF算法由上述式(8)-(12)组成；其中：为以为基础对X(k)的估计值；I(k-1)通过所述电动汽车实时上传CAN报文获得，为实际总电流；X(k)=S(k)uc(k),]]>S(k)为K时刻的SOC 值；u_c(k)为所述电池的Thevenin模型中的电容的负载电压，初始值为0；A(k)=100exp(-ΔtR2C),]]>B(k)=-ΔtQ0R2(1-exp(-ΔtR2C)),]]>C(k)=∂F(Sk)∂Sk-1,]]>R₂是所述电池的Thevenin模型中的极化内阻、C是所述电池的Thevenin模型中的电容，F为以SOC为自变量电池的电动势为因变量的函数关系，F可通过电池的复合脉冲试验，结合电池开路电压与SOC的对应关系得到；为X(k)的估计值；K(k)为滤波增益，由式(10)-(12)确定；V(k)为单体电压，是通过采集到的单体电池电压所获得的最小单体电压值；(k)通过式(3)确定，V(t)＝F[S(t)]-R₁I(t)-u_c(t)+v(t)  (3)式(3)中，v(t)为高斯白噪声，u_c(t)所述电池的Thevenin模型中的电容的负载电压，I(t)通过CAN报文获得，R₁为Thevenin模型中的欧姆内阻；式(10)中，Q和r分别是随机噪声方差矩阵和测量噪声；Q的初始值为[0.003 0.002；0.001 0.001]，r＝0；P的初始值为[1 0；0 1]；当车没启动时，SOC的初始值通过由CAN报文获得的静置一段时间之后的初始电池电压值通过开路电压查表获得或者当停车小于一定时间时使用上次停车时的SOC值；运用所述EKF算法通过上一时刻的估算值得到这一时刻的预测SOC和电池组中预测最小单体电池工作电压，将这一时刻最小单体电池电压观测量与估算量比较对这一时刻的预测SOC闭环校正，得到这一时刻的SOC估算值；循环迭代，得到经过每一步电压校正的SOC闭环估计值。