[发明专利]一种动力电池荷电状态与健康状态的联合估计方法

摘要

本发明公开了一种新型的动力电池荷电状态(SOC)与健康状态(SOH)的联合估计方法，该方法通过实时记录电池使用过程中各个时刻的电压、电流以及温度值，利用H_∞滤波算法结合虚拟电池模型求解电池偏置电流噪声，并使用H_∞滤波算法估算电池的SOC，使用扩展Kalman滤波算法估算电池的SOH，包括电池实际容量和内阻，并存储算法运行中的计算数据。整个算法无需对电池使用环境作参数假设，利用先进的滤波算法计算电池相关参数。整个算法抗噪声能力强，误差小，算法流程简单，有较好的精确度。

主权项

1.一种动力电池荷电状态与健康状态的联合估计方法，该方法包括以下步骤：步骤1：建立虚拟电池模型，设k时刻系统内部状态为包括k时刻的电池荷电状态SOC，以及k时刻第一个RC并联环节的分压以及k时刻第二个RC并联环节的分压则k+1时刻的系统内部状态可以通过方程获取 其中u_k表示系统的输入电流I，同时系统在k时刻的理论输出电压y_k满足其中Δt为采样周期，R₁，R₂表示模型中电阻参数，C₁，C₂表示模型中电容参数，电阻参数和电容参数都根据事情情况设定，OCV(SOC)表示电池开路电压与电池荷电状态之间的非线性关系，η表示充电效率，OCV表示电池开路电压，R₀表示电池的内阻；设置电池容量Cap及电池的内阻R₀为固定值，电池容量Cap值为初始电池容量Cap₀的70～80％；步骤2：建立实际电池模型，实际电池模型的组成与虚拟电池模型一致，设置实际电池模型的容量与欧姆内阻随时间变化，设置γ_k＝(Cap_k R_0,k)为k时刻的相应参数，Cap_k表示系统在k时刻的实际容量，R_0,k表示系统在k时刻的电池的内阻，初始参数γ₀通过电池充放电实验获取；步骤3：获取电池两端电压V、电池电流I、电池温度T；步骤4：将电池电流I输入虚拟电池模型，通过库仑积分计算第一荷电状态值SOC₁；将I、V、T输入到虚拟电池模型对应的H_∞滤波算法，计算第二荷电状态值SOC₂，两次荷电状态值求差，计算获得偏置电流噪声，从电池电流I中去除偏置噪声，获得滤波后的电流值I′；步骤5：将I′、V、T，输入实际电池模型，利用H_∞滤波获得电池第三荷电状态值SOC₃，并记录；步骤6：将I′、V、T，输入实际电池模型，使用Kalman滤波获得电池的健康状态，该健康状态采用电池随时间变化的容量及欧姆内阻参数γ_k＝(Cap_k R_0,k)，使用γ_k更新实际电池模型，作为下一个采样周期荷电状态值、电池的健康状态估计的基准模型；其特征在于所述步骤6的具体方法为：步骤6.1：执行扩展Kalman滤波的预测阶段，控制过程中在任意k时刻需要维护电池内部状态参数的先验估计与后验估计设置为系统初始状态的参数，预先设置电池参数衰减噪声协方差Q_γ，初始的电池参数估计误差协方差设任意k时刻输入Kalman滤波的电流值I′为u_k，电压值V为y_k，则在k时刻执行以下步骤：步骤6.1.1：将赋值给步骤6.1.2：更新协方差矩阵步骤6.2：计算输出电压方程对电池参数的全微分具体步骤包括设置初始辅助矩阵Φ₀＝0，Θ₀＝0，这两个矩阵在算法运行过程中不断递推更新，在k时刻分别表示为Φ_k和Θ_k，在k时刻执行以下步骤：步骤6.2.1：设置矩阵通过k‑1时刻在步骤5.4中得到的控制增益执行运算其中具体R₁，C₁，R₂，C₂的值在实际电池模型中确定，Θ_k即为在算法运行过程中不断递推更新的辅助矩阵；步骤6.2.2：设置观测矩阵其中电池开路电压的取值和电池荷电状态SOC呈非线性固定关系，这一关系采用函数形式OCV(SOC)表示，同时设置执行运算Φ_k＝G_k+C_kΘ_k，其中SOC₃由步骤5中获得；步骤6.2.3：设置代入求出运算得到其中表示中的第一个元素，即电池实际容量的先验估计；步骤6.3：执行扩展Kalman滤波的更新阶段，首先设置电压估计误差协方差矩阵R_γ，在任意k时刻执行以下步骤：步骤6.3.1：求解增益矩阵其中是先验估计误差的协方差矩阵，R_γ是预先设置好的电压估计误差协方差矩阵；步骤6.3.2:求解后验估计其中为步骤5中获取的当前电池内部状态变量，根据当前输入电流u_k，状态以及电池健康状态计算电池输出电压，满足其中均为步骤5获取的系统内部状态估计，欧姆内阻R_0,k即为是随时间变化的电池健康状态分量的先验估计向量中的第二个元素。