一種估計電動汽車的動力電池組的荷電狀態(tài)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電動汽車的車載電池管理系統(tǒng)的設(shè)計領(lǐng)域，尤其涉及一種對電動汽車 的動力電池組的荷電狀態(tài)進(jìn)行估計的方法。
【背景技術(shù)】
[0002] 日益嚴(yán)重的能源危機(jī)以及環(huán)境污染問題，促使汽車工業(yè)從采用內(nèi)燃機(jī)作為動力源 的傳統(tǒng)汽車方向向新能源汽車方向轉(zhuǎn)變。電動汽車作為新能源汽車的主要力量，已成為汽 車領(lǐng)域的研發(fā)重點，而電動汽車車載的動力電池組作為電動汽車的能量源，是目前阻礙電 動汽車發(fā)展的主要技術(shù)瓶頸。
[0003] 動力電池的荷電狀態(tài)（stateofcharge，簡稱S0C，用符號z表示）表示動力電池 內(nèi)剩余電量與其額定容量的比值，能夠清晰準(zhǔn)確地表征動力電池當(dāng)前的狀態(tài)。車主可以根 據(jù)動力電池的荷電狀態(tài)直接判斷出何時給電動汽車充電，還可以在行駛過程中根據(jù)動力電 池的荷電狀態(tài)S0C預(yù)估電動汽車還能行駛的里程數(shù)。但是，荷電狀態(tài)S0C是動力電池的隱 含狀態(tài)量，難以直接通過測試或計算得出，只能通過估計方法估計得出。
[0004]目前，常用的估計動力電池的荷電狀態(tài)S0C的方法大體可分為如下三類：
[0005] 第一類：查表法
[0006] 由于作為電動汽車的動力電池的鋰電池的開路電壓（opencircuitvoltage，簡 稱0CV)與其荷電狀態(tài)S0C之間存在一種非線性單調(diào)對應(yīng)關(guān)系，即動力電池的開路電壓隨著 其荷電狀態(tài)S0C的增長而增長，隨著其荷電狀態(tài)S0C的降低而降低，且是一一對應(yīng)關(guān)系。這 樣，在獲得動力電池的開路電壓后，可直接利用動力電池供應(yīng)商提供的開路電壓與荷電狀 態(tài)S0C的對應(yīng)表查找出相應(yīng)的荷電狀態(tài)S0C的值。該方法簡單易實現(xiàn)，且估計成本低，但是 實時性差；另外，動力電池的開路電壓與荷電狀態(tài)S0C之間的對應(yīng)關(guān)系會隨著動力電池的 老化而發(fā)生變化，進(jìn)而導(dǎo)致估計誤差增大。
[0007] 第二類：安時積分法
[0008] 安時積分法又稱為庫侖計數(shù)法，在測出動力電池的荷電狀態(tài)S0C的初始值z。和充 放電電流后，根據(jù)式⑴積分得出該動力電池當(dāng)前荷電狀態(tài)S0C的值Z:
[0009]
(1 )
[0010] 其中，cn為該動力電池的額定容量，η為該動力電池的充放電效率，t為該動力電 池的充放電時間。
[0011] 由式⑴可知，在使用該估計方法動力電池的荷電狀態(tài)S0C的值z進(jìn)行估計時，必 須精確地測量出該動力電池的荷電狀態(tài)S0C的初始值Z。、充放電電流L以及額定容量Cn。 但是，在實際操作中，動力電池的荷電狀態(tài)S0C的初始值z。及額定容量(^的測量精度會因 動力電池的溫度、充放電倍率的變化及電池老化等原因而降低；動力電池的充放電電流込 的測量精度易受測量用的電流傳感器的測量精度的影響，而電流傳感器的測量精度易因受 到噪聲、溫度漂移及其他未知的隨機(jī)擾動的干擾而降低。故，在進(jìn)行積分計算的過程中，計 算結(jié)果容易因上述參數(shù)的測量精度低而形成誤差，且該誤差在長期積累后，越來越大，估計 精度較低。
[0012] 第三類：建立動力電池的等效電路模型+自適應(yīng)濾波
[0013] 首先，建立動力電池的等效電路模型來描述動力電池的內(nèi)部情況，利用直流內(nèi)阻、 極化內(nèi)阻、極化電容及開路電壓建立相應(yīng)的空間狀態(tài)方程和測量方程，并將采集到的動力 電池在運(yùn)行過程中的端電壓和充放電電流作為狀態(tài)觀測器的輸入和輸出，利用自適應(yīng)濾 波方法對動力電池的系統(tǒng)狀態(tài)進(jìn)行有效估計，從而得到動力電池的荷電狀態(tài)S0C的估計 值。該方法采用閉環(huán)反饋機(jī)制，將端電壓的估計值與測量值即采樣值進(jìn)行比較，并將二者 的差值反饋到狀態(tài)觀測器中，使得動力電池的系統(tǒng)狀態(tài)能夠自適應(yīng)地向其準(zhǔn)確值收斂，但 是該方法對建立動力電池的等效電路的模型的精度以及電動汽車的動力電池管理系統(tǒng) (batterymanagementsystem，簡稱BMS)的計算能力要求較高，且估計結(jié)果的可靠性隨著 動力電池的等效電路模型的精度以及BMS的算法的不同差異較大。
[0014] 綜上可見，現(xiàn)有的估計動力電池的荷電狀態(tài)S0C的方法，要么估計精度低，要么估 計結(jié)果的可靠性不穩(wěn)定。

【發(fā)明內(nèi)容】

[0015] 為提高動力電池的荷電狀態(tài)S0C的估計精度及估計結(jié)果的可靠性，本發(fā)明提出一 種估計電動汽車的動力電池組的荷電狀態(tài)的方法，該方法包括如下步驟：
[0016]步驟1、在所述動力電池組充放電的過程中，對動力電池的端電壓Ut和充放電電流 込進(jìn)行采樣，且采樣時間間隔為At;
[0017] 步驟2、分別建立所述動力電池組的戴維寧模型、雙極化模型和3階網(wǎng)絡(luò)RC模型， 并分別辨識出所述動力電池組的戴維寧模型、雙極化模型及3階RC網(wǎng)絡(luò)模型的模型參數(shù)；
[0018] 步驟3、估計所述動力電池組的荷電狀態(tài)：
[0019]
[0020] 其中，
[0021] xk為所述動力電池組在k時刻的系統(tǒng)估計狀態(tài)，
[0022] yk為所述動力電池組在k時刻的觀測矩陣，
[0023]uk為所述動力電池組在k時刻的系統(tǒng)輸入矩陣，
[0024] 為所述動力電池組的噪聲向量，
[0025] 當(dāng)所述動力電池組的等效電路模型為戴維寧模型時，
[0026]
[0027]B= [1/CD1l/CNoJT，
[0028] C = [1 dUoc/dz]，
[0029] D = R0，
[0030]
[0031] Η= [0 0 1]，
[0032] xk= [UD1,k，ζ融,k]T，UD1,k為所述動力電池組在k時刻的極化電壓，ζ融,k為所述動力 電池組在k時刻的荷電狀態(tài)S0C的估計值；
[0033] 當(dāng)所述動力電池組的等效電路模型為雙極化模型時，
[0034]
[0035] B= [1/CD1 1/CD2l/CNon]T,
[0036] C = [1 2 dUoc/dz]，
[0037] D = R0，
[0038]
[0039] H= [0 0 0 1]，
[0040] 義1<=[1][)1,1<，1][)2, 1^|0]1'，1][)1,1<和1]_為所述動力電池組在1^時刻的極化電壓，2|蟲, 1< 為所述動力電池組在k時刻的荷電狀態(tài)SOC的估計值；
[0041] 當(dāng)所述動力電池組的等效電路模型為3階RC網(wǎng)絡(luò)模型時，
[0042]
[0043] B= [1/CD1 1/CD2 1/CD3l/CNon]T,
[0044] C = [1 1 1 dUoc/dz]，
[0045] D = R0，
[0046]
[0047] Η= [0 0 0 0 1]，
[0048] xk=[UD1,k，UD2,k，UD3,k，2|0]1'，1^、1]_和1] [^為所述動力電池組在1^時刻的極化 電壓，zs0為所述動力電池組·在k時刻的荷電狀態(tài)SOC的估計值；
[0049] 其中，
[0050] CD為所述動力電池組的極化電容，
[0051] RD為所述動力電池組的極化電阻，
[0052] R。為所述動力電池組的直流內(nèi)阻；
[0053] CNcini為所述動力電池組的額定容量，
[0054] dl^/dz為所述動力電池組的開路電壓隊。對其荷電狀態(tài)的一階導(dǎo)數(shù)；
[0055] 然后，采用三個狀態(tài)觀測器分別與所述動力電池組的戴維寧模型、雙極化模型以 及3階RC網(wǎng)絡(luò)模型配合對所述動力電池組的荷電狀態(tài)和端電壓進(jìn)行估計，并對所述狀 態(tài)觀測器進(jìn)行時間更新和測量更新得到所述動力電池組的荷電狀態(tài)在k時刻的估計值 氣I:、，所述動力電池組在k時刻的端電壓的估計值和
[0056] 最后，對、與,&和％&進(jìn)行加權(quán)計算得到所述動力電池組的荷電狀態(tài)的估計 值2融,k，_@
[0057] 其中，wjk)、w2(k)和w3(k)為在k時刻的加權(quán)系數(shù)，分別根據(jù)所述動力電池組在k 時刻的端電壓的估計值、$2，&和^?3，&計算得出，且￥1〇〇切； !〇〇+?3〇〇=1。
[0058] 采用該估計方法估計電動車輛的動力電池的荷電狀態(tài)S0C時，采用戴維寧模型、 雙極化模型和3階RC網(wǎng)絡(luò)模型三種等效電路模型分別配合狀態(tài)觀測器對動力電池的荷電 狀態(tài)S0C進(jìn)行估計，并對估計結(jié)果進(jìn)行加權(quán)計算得出最終的估計值。該估計方法能夠有效 融合戴維寧模型、雙極化模型和3階RC網(wǎng)絡(luò)模型配合狀態(tài)觀測器進(jìn)行估計時