[发明专利]一种动力电池剩余电量估计方法

说明书

本发明公开了一种动力电池剩余电量估计方法，电流检测器和数模转换器将采集到的电压电流数据通过采集卡，再经低通滤波器将数据传输给剩余电量估计模块；建立二阶RC模型；利用电池包的电流电压响应辨识出模型参数以及开路电压关于剩余电量的非线性函数；对非线性函数部分提出了单边利普希茨条件，以保证非线性函数在观测器设计上起到积极作用；采用基于线性矩阵不等式的H无穷方法的非线性观测器设计准则。本发明能够减小传统安时积分算法的累积误差和对初值准确性的要求，所建立的模型能够有效地描述动力电池的充电的物理特性，能够实时追踪剩余电量，收敛性好，适用于电动汽车动力电池的剩余电量估计。

技术领域

本发明涉及新能源汽车电池管理技术领域，具体为一种动力电池剩余电量(stateof charge，SOC)估计方法。

背景技术

为了应对环境恶化和能源危机，电动汽车产业迅速发展。动力锂电池是纯电动汽车的主要能量来源，而锂电池的剩余电量与传统汽车的油量具有相似性，它对于电动汽车功率的分配策略和保护电池避免过充、过放、快速老化、起火和爆炸等危险，起到至关重要的作用。进一步来说，准确的剩余电量估计既能提高每次充电的行驶里程，又能延长电池有效寿命。然而，剩余电量不能被车载传感器直接测量，且锂电池是一种典型的非线性系统。因此，对剩余电量的估计在电动汽车的理论和实践中都是相当关键的问题。传统的安时积分法是一种用来估计剩余电量的开环算法，会随着时间变化而累积估计误差，并且有剩余电量初值未知的问题，安时法往往不能被单独使用来进行剩余电量的估计。为了准确的估计剩余电量，设计一种闭环剩余电量估计方法，来弥补安时积分剩余电量估计方法的缺点就显得非常重要。

在以往的研究中，基于模型的剩余电量估计方法被广泛采用了，通常被分为两种类型，一种是基于滤波器的方法，另一种是基于观测器的方法。基于滤波器的方法中，应用最广泛的是卡尔曼滤波器，传统卡尔曼滤波器适用于简单和线性电池模型，而扩展卡尔曼滤波器则被用来解决电池模型的非线性问题，即非线性部分线性化技术，然而这个线性化步骤不是非常准确，可能会丢失模型的非线性信息。并且，所有基于卡尔曼滤波器的技术都对系统干扰类型有要求，即认为系统干扰是均值为零的高斯白噪声，然而电池系统的干扰往往含有非高斯型干扰，这使得剩余电流估计精度进一步受到影响。

发明内容

针对上述问题，本发明的目的在于提供一种对模型的非高斯干扰具有有效的抑制作用，并且对电池非线性系统具有良好的适用性的动力电池剩余电量估计方法。技术方案如下：

一种动力电池剩余电量估计方法，包括以下步骤：

S1：建立二阶RC模型的状态空间方程：

S11：建立被控对象的等效模型：将电阻R₀、R₁、R₂依次串联在电池包U_OC的输出端，并将电容C₁与电阻R₁并联，电容C₂与电阻R₂并联；

S12：根据上述等效模型建立系统的微分方程组，状态方程：

输出方程：

U_T＝U_OC(SOC)-R₀I_T-U₁-U₂ (2)

其中，U₁和U₂分别表示电容C₁和C₂两端电压，I_T为流经电阻R₀的电流，SOC表示剩余电量，U_OC(SOC)表示开路电压关于剩余电量SOC的函数，U_T表示端电压，Q_n表示额定容量；