[发明专利]磷酸铁锂蓄电池SOC算法

摘要

本发明公开了一种磷酸铁锂蓄电池SOC算法，建立磷酸铁锂电池在不同温度下的电池内阻估计模型，该电池内阻估计模型实质是表征等效内阻R_in和SOC、温度关系的二次曲面，采用扩展卡尔曼滤波EKF算法，结合开路电压E₀、系数k₁和k₂分别关于温度T的关系，对电池内阻估计模型进行计算，得到SOC估计值。本发明基于现有技术的不足，对磷酸铁锂蓄电池实验测试数据进行分析挖掘，探究影响电池SOC估计精度的因素，建立新的适用于可变温度磷酸铁锂电池的SOC估计算法。

主权项

磷酸铁锂蓄电池SOC算法，其特征在于：包括以下步骤：(1)、首先在Minitab中，采用试验设计DOE中的中心复合设计CCD建立电池内阻估计模型，中心复合设计中，通过试验测量各试验点对应的等效内阻R_in，并将试验结果拟合成表征等效内阻R_in和SOC、温度T关系的二次曲面，从而建立磷酸铁锂电池在不同温度下的电池内阻估计模型；该电池内阻估计模型的输入量为磷酸铁锂电池的SOC、温度T，输出量为磷酸铁锂电池的等效内阻R_in，该电池内阻估计模型实质是表征等效内阻R_in和SOC、温度关系的二次曲面；电池内阻估计模型中，输入量SOC的范围为[SOC_min，SOC_max]，输入量T的范围为[T_min，T_max]，各试验点的坐标分别为：A:(SOC_min,T_max)，B:(SOC_max,T_max)，C:(SOC_max,T_min)，D:(SOC_min,T_min)，$E:(\frac{{\mathrm{SOC}}_{min}+{\mathrm{SOC}}_{\max }}{2},T_{\max }),$$F:({\mathrm{SOC}}_{max},\frac{T_{min}+T_{\max }}{2}),$$G:(\frac{{\mathrm{SOC}}_{min}+{\mathrm{SOC}}_{\max }}{2},T_{min}),$$H:({\mathrm{SOC}}_{min},\frac{T_{min}+T_{\max }}{2}),$$O:(\frac{{\mathrm{SOC}}_{min}+{\mathrm{SOC}}_{\max }}{2},\frac{T_{min}+T_{\max }}{2});$(2)、通过最小二乘法进行参数拟合，拟合开路磷酸铁锂蓄电池中开路电压E₀与温度T的关系得到关系图，并且令磷酸铁锂蓄电池中充放电电流为0，拟合出两个可辨识参数系数k₁和k₂分别关于温度T的关系得到关系图，其中k₁和k₂是改进的电池模型——Nernst模型中两个系数，即U(SOC,T)＝E₀(T)‑I_cR_in(SOC,T)+k₁(T)lnSOC+k₂(T)ln(1‑SOC)，k₁和k₂为与温度T有关的可辨识常数；(3)、采用扩展卡尔曼滤波EKF算法，结合步骤(2)得到的开路电压E₀、系数k₁和k₂分别关于温度T的关系，对电池内阻估计模型进行计算，得到SOC估计值，结合步骤(1)和(2)可得出改进后的电池模型，此电池模型在扩展卡尔曼滤波EKF算法中作观测方程，算法中的其他部分不变，即通过步骤(1)和(2)改进了EKF算法中的观测方程。