[发明专利]一种动力电池开路电压-荷电状态函数关系的重构方法

说明书

本发明提供了一种动力电池开路电压‑荷电状态函数关系的重构方法，该方法中通过实车采集数据按照停车充电过程分割得到数据片段，建立电池模型，辨识获取各数据片段中所有采样点下的OCV值，进而基于预设的SOC参考值，建立各数据片段对应的OCV‑SOC散点映射关系片段。在SOC‑OCV坐标系下，固定具有最高OCV值的OCV‑SOC散点映射关系片段，不断沿SOC轴方向平移其余OCV‑SOC散点映射关系片段，并对平移后的OCV‑SOC散点映射关系片段进行整体拟合，直至达到最优拟合效果，从而得到OCV‑SOC散点映射关系片段拼接的最优解，即最优的OCV‑SOC函数关系。该方法无需传统耗时的电池实验，可直接采用实车采集数据重构OCV‑SOC函数关系，大大缩短算法开发周期、减少算法开发成本。

技术领域

本发明涉及动力电池管理技术领域，尤其是车载动力电池开路电压与荷电状态函数关系重构方法等技术。

背景技术

动力电池的开路电压(OCV)-荷电状态(SOC)函数关系建立了电池状态与电池端电压的稳定映射关系，对于电池状态估计极其重要。当前，OCV-SOC函数关系大多通过实验方法获取，动力电池全寿命周期下OCV-SOC函数关系的获取需要进行长时间的电池老化实验，增加了算法的开发周期与成本。

随着电动汽车的推广与网联化，大量实车采集数据被保存于电动汽车监控云平台中，这为OCV-SOC函数关系的获取提供了新思路与新途径，即可利用云平台中的实车采集数据来获取这一函数关系。但是，电池模型参数辨识往往需要电池动态工况数据来充分获取电池特性，而停车充电过程中电流激励较为平缓、稳定，难以实现各模型参数的解耦。因此，对于模型参数辨识而言，应从原有实车采集数据中分离出动态工况数据，作为相应算法的有效输入。将某次停车充电结束至下次停车充电开始过程中所采集的电池电压、电流、温度等数据被视为一个数据片段，所有数据片段中均不包含停车充电过程。

通常认为电池电压达到上截止电压时的电池电量充满(SOC＝100％)，而达到下截止电压时电池电量放光(SOC＝0％)。传统完整实验数据往往会包含电池电量充满与放光的情况，这样即能采用安时积分法获取相对准确的SOC值，进而用于后续模型参数(如OCV)与SOC映射关系的建立；而数据片段则很少包含电量充满或放光的情况，特别是后者，仅会在车辆故障时发生。因此，数据片段无法获取相对准确的SOC，传统基于完整实验数据的OCV-SOC函数关系辨识方法难以直接应用。

发明内容

为解决上述现有技术中存在的技术问题，本发明提供了一种动力电池开路电压-荷电状态函数关系的重构方法，能够有效利用数据片段并克服其局限性。该方法具体包括以下步骤：

步骤一、采集并存储实车行驶过程中动力电池的电压和电流数据；

步骤二、将某次停车充电结束至下次停车充电开始过程中所采集的一组电池电压、电流、温度数据视为一个数据片段，从而将所述步骤一中所存储的数据按照停车充电过程分割为多个数据片段；

步骤三、建立动力电池模型，结合所述步骤二中获取的数据片段进行模型参数辨识，并建立各数据片段对应的OCV-SOC散点映射关系；

步骤四、将由所述步骤三得到的各数据片段对应的OCV-SOC散点映射关系片段进行拼接，实现开路电压-荷电状态函数关系的重构。

进一步地，所述步骤二中对所述多个数据片段计算各个数据片段的最大积累电量，并设定最低阈值，仅挑选出最大积累电量高于所述最低阈值的数据片段，并用于后续重构过程。

优选地，所设定最低阈值为20％～30％额定容量。

进一步地，所述步骤三中建立各数据片段对应的OCV-SOC散点映射关系具体包括：计算各数据片段所有采样点下的OCV值；预设所有数据片段的起始参考SOC均为100％，以动力电池容量计算出其余时刻的参考SOC值；基于所述OCV值与参考SOC值建立各数据片段对应的OCV-SOC散点映射关系片段。