專利名稱：動力電池荷電狀態(tài)的估測方法及系統(tǒng)的制作方法
技術領域：
本發(fā)明涉及一種精確度較高的動力電池SOC(State of Charge，荷電狀態(tài))的估測 方法及系統(tǒng)，適用于所有需要使用動力電池的車輛，尤其是需要實時估測動力電池SOC的車輛。
背景技術：
隨著能源危機的不斷深化，它也越來越影響到人們的生產(chǎn)和消費觀念，清潔、環(huán)保 的純電動車(Electric Vehicle, EV)、混合動力電動車(Hybrid Electric Vehicle, HEV) 也日益受到人們的喜愛。純電動車的駕駛員需要實時獲知動力電池S0C，以確定自己的行程以及是否需 要為車載動力電池進行充電以及何時充電。混合動力電動車的電池管理系統(tǒng)(Battery Management System, BMS)需要準確地實時獲知動力電池S0C，以確定何時可以進行能量回 饋，何時可以進行輔助動力輸出。由于現(xiàn)階段動力電池技術的限制，電池的一致性還較低， 因此無論是純電動車還是混合動力電動車，其電池管理系統(tǒng)都需要知道準確的SOC以確定 何時進行電池單體的電量均衡，以及均衡到何種程度為止。傳統(tǒng)動力電池SOC的估測方法包括電量累計法(即安時計量法)、開路電壓法、神 經(jīng)網(wǎng)絡法、模糊邏輯法等，它們均因存在這樣或那樣的問題而導致使用效果不理想或不能 實時使用。也有研究人員采用擴展卡爾曼濾波(Extended Kalman Filter, EKF)方法進行 實時估測的，但是其往往采用了簡單的電池模型或采用任意指定的SOC初值，導致卡爾曼 濾波器不能收斂甚至發(fā)生振蕩，導致SOC的估測值可能大幅偏離真值，即使采用了精確的 電池模型及有效SOC初值的卡爾曼濾波器，由于擴展卡爾曼濾波器本身的缺點，其算法可 能在某些情況下運行不穩(wěn)定，不太適合在可靠性要求相對較高的車輛中使用。綜上可知，現(xiàn)有動力電池SOC的估測技術在實際使用上，顯然存在不便與缺陷，所 以有必要加以改進。

發(fā)明內(nèi)容
針對上述的缺陷，本發(fā)明的目的在于提供一種動力電池SOC的估測方法及系統(tǒng)， 其具有高精確度，運行穩(wěn)定、便于實時估測等優(yōu)點。為了實現(xiàn)上述目的，本發(fā)明提供一種動力電池SOC的估測方法，用于電池管理系 統(tǒng)，所述估測方法包括電量累計法估算步驟，采用電量累計法估算出動力電池的電量累計法荷電狀態(tài)估 計值S0C2 ；Sigma點卡爾曼濾波法估算步驟，采用Sigma點卡爾曼濾波器作為基本估測工具， 并采用雙RC回路電池模型作為所述Sigma點卡爾曼濾波器的時間更新、測量更新引擎，估 算出動力電池的卡爾曼濾波法荷電狀態(tài)估計值SOCl ；加權平均步驟，將所述電量累計法荷電狀態(tài)估計值S0C2和卡爾曼濾波法荷電狀態(tài)估計值SOCl通過第一加權平均獲得最終荷電狀態(tài)估計值S0C，第一加權平均公式為:S0C= α S0Cl+(l-a )S0C2式中系數(shù)α大于等于0且小于等于1，并且所述系數(shù)α值大小與所述電池管理系 統(tǒng)的運行時間長短有關，其在系統(tǒng)運行初期一小時內(nèi)與運行時間成正比，而在系統(tǒng)運行一 小時后等于1。根據(jù)本發(fā)明的估測方法，所述電池管理系統(tǒng)的運行初期，所述系數(shù)α的取值范圍 是0 0.6;所述電池管理系統(tǒng)的運行中后期，所述系數(shù)α的取值范圍是0.6 1。根據(jù)本發(fā)明的估測方法，所述電量累計法估算步驟通過輸入電量累計法荷電狀態(tài) 估計值S0C2的初值S0C0、電池電壓、過程噪聲、測量噪聲來估算出動力電池的電量累計法 荷電狀態(tài)估計值S0C2 ；所述Sigma點卡爾曼濾波法估算步驟通過輸入卡爾曼濾波法荷電狀態(tài)估計值 SOCl的初值S0C0、電池電壓、過程噪聲、測量噪聲來估算出動力電池的卡爾曼濾波法荷電 狀態(tài)估計值SOCl。根據(jù)本發(fā)明的估測方法，所述電量累計法荷電狀態(tài)估計值S0C2和卡爾曼濾波法 荷電狀態(tài)估計值SOCl的初值SOCO分別采用所述電池管理系統(tǒng)啟動時保存的歷史荷電狀態(tài) 數(shù)值SOCh和開路電壓修正值soc。。v進行第二加權平均獲得，第二加權平均公式為S0C0= β SOCh+(I-^)SOCocv式中系數(shù)β大于等于0且小于等于1，并且所述系數(shù)β大小與動力電池的開路擱 置時間長短有關。根據(jù)本發(fā)明的估測方法，所述動力電池的開路擱置時間小于1分鐘時，所述系數(shù) β為1 ；所述動力電池的開路擱置時間大于4小時時，所述系數(shù)β為0 ；所述動力電池的開 路擱置時間在1分鐘至4小時之間時，所述系數(shù)β取0 1之間的值，且與擱置時間成反 比。根據(jù)本發(fā)明的估測方法，所述Sigma點卡爾曼濾波法包括Unscented卡爾曼濾波 算法，中心差分Sigma點卡爾曼濾波算法，Unscented卡爾曼濾波算法平方根形式或者中心 差分Sigma點卡爾曼濾波算法平方根形式。根據(jù)本發(fā)明的估測方法，所述雙RC回路電池模型包括一用于描述所述動力電池 常態(tài)特性的常態(tài)特性部分和一用于描述所述動力電池暫態(tài)特性的暫態(tài)特性部分。根據(jù)本發(fā)明的估測方法，所述雙RC回路電池模型的常態(tài)特性部分包括并聯(lián)一自 放電電阻Rsd、一模擬電池容量的電容Ccap以及一可控電流源；所述雙RC回路電池模型的 暫態(tài)特性部分包括串聯(lián)一描述動力電池的濃差極化阻抗特性的第一 RC回路、一描述動力 電池的電化學阻抗特性的第二 RC回路、一模擬動力電池的歐姆電阻R、一電池的輸入電流 以及一可控電壓源；所述第一 RC回路包括并聯(lián)一模擬電池濃差極化的阻抗m和一模擬電 池長期滯后特性的電容Cl ；所述第二 RC回路包括并聯(lián)一模擬電池電化學的阻抗Rs和一模 擬電池短期滯后特性的電容Cs。根據(jù)本發(fā)明的估測方法，所述雙RC回路電池模型的暫態(tài)特性部分的描述方程組 為
權利要求
1.一種動力電池荷電狀態(tài)的估測方法，用于電池管理系統(tǒng)，其特征在于，所述估測方法 包括電量累計法估算步驟，采用電量累計法估算出動力電池的電量累計法荷電狀態(tài)估計值 S0C2 ；Sigma點卡爾曼濾波法估算步驟，采用Sigma點卡爾曼濾波器作為基本估測工具，并采 用雙RC回路電池模型作為所述Sigma點卡爾曼濾波器的時間更新、測量更新引擎，估算出 動力電池的卡爾曼濾波法荷電狀態(tài)估計值SOCl ；加權平均步驟，將所述電量累計法荷電狀態(tài)估計值S0C2和卡爾曼濾波法荷電狀態(tài)估 計值SOCl通過第一加權平均獲得最終荷電狀態(tài)估計值S0C，第一加權平均公式為S0C = α S0Cl+(l-a )S0C2式中系數(shù)α大于等于0且小于等于1，并且所述系數(shù)α值大小與所述電池管理系統(tǒng)的 運行時間長短有關，其在系統(tǒng)運行初期一小時內(nèi)與運行時間成正比，而在系統(tǒng)運行一小時 后等于1。
2.根據(jù)權利要求1所述的估測方法，其特征在于，所述電池管理系統(tǒng)的運行初期，所述 系數(shù)α的取值范圍是0 0.6;所述電池管理系統(tǒng)的運行中后期，所述系數(shù)α的取值范圍 是0. 6 1。
3.根據(jù)權利要求1所述的估測方法，其特征在于，所述電量累計法估算步驟通過輸入 電量累計法荷電狀態(tài)估計值S0C2的初值S0C0、電池電壓、過程噪聲、測量噪聲來估算出動 力電池的電量累計法荷電狀態(tài)估計值S0C2 ；所述Sigma點卡爾曼濾波法估算步驟通過輸入卡爾曼濾波法荷電狀態(tài)估計值SOCl的 初值S0C0、電池電壓、過程噪聲、測量噪聲來估算出動力電池的卡爾曼濾波法荷電狀態(tài)估計 值 SOCl。
4.根據(jù)權利要求3所述的估測方法，其特征在于，所述電量累計法荷電狀態(tài)估計值 S0C2和卡爾曼濾波法荷電狀態(tài)估計值SOCl的初值SOCO分別采用所述電池管理系統(tǒng)啟動時 保存的歷史荷電狀態(tài)數(shù)值SOCh和開路電壓修正值S0C。。v進行第二加權平均獲得，第二加權平均公式為=SOCO = β SOCh+(I-^)SOCocv式中系數(shù)β大于等于0且小于等于1，并且所述系數(shù)β大小與動力電池的開路擱置時 間長短有關。
5.根據(jù)權利要求4所述的估測方法，其特征在于，所述動力電池的開路擱置時間小于1 分鐘時，所述系數(shù)β為1 ；所述動力電池的開路擱置時間大于4小時時，所述系數(shù)β為0 ； 所述動力電池的開路擱置時間在1分鐘至4小時之間時，所述系數(shù)β取0 1之間的值， 且與擱置時間成反比。
6.根據(jù)權利要求1所述的估測方法，其特征在于，所述Sigma點卡爾曼濾波法包括 Unscented卡爾曼濾波算法，中心差分Sigma點卡爾曼濾波算法，Unscented卡爾曼濾波算 法平方根形式或者中心差分Sigma點卡爾曼濾波算法平方根形式。
7.根據(jù)權利要求1所述的估測方法，其特征在于，所述雙RC回路電池模型包括一用于 描述所述動力電池常態(tài)特性的常態(tài)特性部分和一用于描述所述動力電池暫態(tài)特性的暫態(tài) 特性部分。
8.根據(jù)權利要求7所述的估測方法，其特征在于，所述雙RC回路電池模型的常態(tài)特性部分包括并聯(lián)一自放電電阻Rsd、一模擬電池容量的電容Ccap以及一可控電流源；所述雙 RC回路電池模型的暫態(tài)特性部分包括串聯(lián)一描述動力電池的濃差極化阻抗特性的第一 RC 回路、一描述動力電池的電化學阻抗特性的第二 RC回路、一模擬動力電池的歐姆電阻R、一 電池的輸入電流以及一可控電壓源；所述第一 RC回路包括并聯(lián)一模擬電池濃差極化的阻 抗IU和一模擬電池長期滯后特性的電容Cl ；所述第二 RC回路包括并聯(lián)一模擬電池電化學 的阻抗Rs和一模擬電池短期滯后特性的電容Cs。
9.根據(jù)權利要求8所述的估測方法，其特征在于，所述雙RC回路電池模型的暫態(tài)特性 部分的描述方程組為
10. 一種實現(xiàn)如權利要求1 9任一項估測方法的動力電池荷電狀態(tài)的估測系統(tǒng)，其特 征在于，所述估測系統(tǒng)包括電量累計法估算模塊，采用電量累計法估算出動力電池的電量累計法荷電狀態(tài)估計值 S0C2 ；Sigma點卡爾曼濾波法估算模塊，包括Sigma點卡爾曼濾波器和雙RC回路電池模型，采 用所述Sigma點卡爾曼濾波器作為基本估測工具，并采用所述雙RC回路電池模型作為所述 Sigma點卡爾曼濾波器的時間更新、測量更新引擎，估算出動力電池的卡爾曼濾波法荷電狀 態(tài)估計值SOCl ；加權平均模塊，將所述電量累計法荷電狀態(tài)估計值S0C2和卡爾曼濾波法荷電狀態(tài)估 計值SOCl通過第一加權平均獲得最終荷電狀態(tài)估計值S0C， 第一加權平均公式為S0C = α S0Cl+(l-a )S0C2式中系數(shù)α大于等于0且小于等于1，并且所述系數(shù)α值大小與所述電池管理系統(tǒng)的 運行時間長短有關，其在系統(tǒng)運行初期一小時內(nèi)與運行時間成正比，而在系統(tǒng)運行一小時 后等于1。
全文摘要
本發(fā)明公開了一種動力電池荷電狀態(tài)的估測方法，包括采用電量累計法估算出動力電池的電量累計法荷電狀態(tài)估計值SOC2；采用Sigma點卡爾曼濾波器作為基本估測工具，并采用雙RC回路電池模型作為Sigma點卡爾曼濾波器的時間更新、測量更新引擎，估算出動力電池的卡爾曼濾波法荷電狀態(tài)估計值SOC1；將電量累計法荷電狀態(tài)估計值SOC2和卡爾曼濾波法荷電狀態(tài)估計值SOC1通過加權平均獲得最終荷電狀態(tài)估計值SOC。相應地，本發(fā)明還公開了一種動力電池荷電狀態(tài)的估測系統(tǒng)。借此，本發(fā)明SOC估測具備高精確度，運行穩(wěn)定、便于實時估測等優(yōu)點，適用于需要使用動力電池的純電動車和混合動力電動車。
文檔編號G01R31/36GK102062841SQ20091023753
公開日2011年5月18日 申請日期2009年11月11日 優(yōu)先權日2009年11月11日
發(fā)明者李德偉, 蔡文遠, 鄧小明, 馬建新 申請人:北汽福田汽車股份有限公司