一種基于溫度用于估計電池soc的方法
【專利摘要】本發(fā)明涉及一種基于溫度用于估計電池SOC的方法包括以下步驟S1：提供一待測動力電池，建立待測動力電池的模型，獲取待測動力電池的SOC狀態(tài)方程以及輸出端電壓測量方程，并確定估計該待測動力電池SOC值所需的待測動力電池參數(shù)；步驟S2：在不同溫度條件下測量待測動力電池的參數(shù)，并建立待測動力電池參數(shù)的數(shù)據(jù)查詢庫，用以修正不同溫度下建立的待測動力電池模型；步驟S3：檢測待測動力電池的當(dāng)前溫度，根據(jù)當(dāng)前溫度對應(yīng)獲取上訴數(shù)據(jù)查詢庫中當(dāng)前溫度下的待測動力電池參數(shù)數(shù)據(jù)，并將該參數(shù)數(shù)據(jù)代入自適應(yīng)無跡卡爾曼算法中，自適應(yīng)無跡卡爾曼算法校正該溫度條件下的建立的待測動力電池模型，獲取準(zhǔn)確的測量待測動力電池SOC值。
【專利說明】一種基于溫度用于估計電池 SOC的方法 【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種電池S0C測量方法領(lǐng)域，尤其涉及一種基于溫度用于估計電池S0C 的方法。 【【背景技術(shù)】】
[0002] 動力電池是電動汽車的重要組成部件，也是電動汽車的動力來源。準(zhǔn)確的電池荷 電狀態(tài)關(guān)系著電動汽車的有效行駛里程和續(xù)航能力。但是，電動汽車的真實工況復(fù)雜，電池 電流電壓的測量存在誤差以及車載處理器的存儲計算資源有限，都增加了估計S0C(State of Charge荷電狀態(tài)，也叫剩余電量）的難度，而電池內(nèi)部本身的復(fù)雜的電化學(xué)充放電和外 界溫度的影響，更加影響了 S0C估計值的精度。
[0003] 目前，實時在線電池S0C的方法有安時積分法，擴(kuò)展卡爾曼濾波算法(EKF)，無跡卡 爾曼濾波(UKF)，自適應(yīng)無跡卡爾曼濾波(AUKF)，以及神經(jīng)網(wǎng)絡(luò)算法。安時積分法雖然短期 精度比較高，但因測量誤差的積累，長期精度誤差很大。擴(kuò)展卡爾曼算法將電池的非線性模 型一階線性化，舍去高階項來近似線性，若電池的非線性程度比較高，則其精度影響較大。 無跡卡爾曼濾波采用統(tǒng)計原理處理非線性模型，是一種較好的非線性模型算法，但是，其噪 聲項固定不變，與實際動態(tài)的電池系統(tǒng)不符，影響測量精度。神經(jīng)網(wǎng)絡(luò)法雖然精度較高但是 需要相當(dāng)量的訓(xùn)練數(shù)據(jù)，對于電動汽車在線實時測量的要求不太符合。
[0004]自適應(yīng)卡爾曼濾波作為一種實時在線的測量算法，其精度相當(dāng)依賴模型的準(zhǔn)確 度。一個相對準(zhǔn)確的電池模型對提高其精度很重要。目前，用的最多的為一階RC等效電路模 型和二階RC等效電路模型，但往往忽略的溫度對動力電池容量和動力電池模型參數(shù)的影 響，S0C的估算精度有待提高。 【
【發(fā)明內(nèi)容】
】
[0005] 為克服現(xiàn)有技術(shù)存在的不足。本發(fā)明提供一種基于溫度用于估計電池S0C的方法。
[0006] 本發(fā)明解決技術(shù)問題的技術(shù)方案是提供一種基于溫度用于估計電池S0C的方法包 括以下步驟S1:建立待測動力電池的模型，獲取待測動力電池模型的S0C狀態(tài)方程以及輸出 端電壓測量方程，并確定估計該待測動力S0C值所需的待測動力電池參數(shù);步驟S2:在不同 溫度條件下測量待測動力電池的參數(shù)，并建立待測動力電池參數(shù)的數(shù)據(jù)查詢庫，用以修正 不同溫度下建立的待測動力電池模型；步驟S3:檢測待測動力電池的當(dāng)前溫度，根據(jù)當(dāng)前溫 度對應(yīng)獲取上訴數(shù)據(jù)查詢庫中當(dāng)前溫度下的待測動力電池參數(shù)數(shù)據(jù)，并將該參數(shù)數(shù)據(jù)代入 自適應(yīng)無跡卡爾曼算法中，自適應(yīng)無跡卡爾曼算法校正該溫度條件下的建立的待測動力電 池模型，獲取準(zhǔn)確的測量待測動力電池S0C值。
[0007] 優(yōu)選地，步驟S1包括，步驟S11:提供一待測的動力電池，定義該待測動力電池模 型，得到待測動力電池的S0C狀態(tài)方程;步驟S12:將所得的S0C狀態(tài)方程離散化，得到離散化 S0C狀態(tài)方程;步驟S13:將輸出端電壓方程離散化，得到離散化的輸出端電壓方程，即輸出 端電壓的測量方程。
[0008]優(yōu)選地，所述的S0C狀態(tài)方程為，
[0010]其中soco為S0C的初始值，soc( t)為t時刻的S0C值，ni為庫侖效率，cT為動力電池的 額定容量，i(t)為動力電池模型的等效電路在t時刻的電流值。
[0011]優(yōu)選地，離散化所述的soc狀態(tài)方程，得到離散化soc狀態(tài)方程，
[0013 ]其中Ri，R2，表動力電池模型的電阻，d，C2代表動力電池模型的電容，變量Xk+邊向 量化的形式，代表一個列向量，列向量包括S0C在k+1時刻的電荷狀態(tài)SOC，k+1，電容Cl，C2在k +1時刻的電壓Uci,k+1，U C2,k+1; wk代表動力電池系統(tǒng)的過程噪聲；A t為采樣時間；SOCk為電池 的k時刻的荷電狀態(tài);Ucl,k和UC2, k分別為電容C1和電容C2在k時刻的電壓;CT為動力電池的容 量，i(k)為動力電池模型在k時刻的電流值，k是t離散化后的時刻。
[0014] 優(yōu)選地，在步驟S1還包括定義該動力電池輸出端電壓的數(shù)學(xué)模型，得到輸出端電 壓測量方程。
[0015] 優(yōu)選地，所述的輸出端電壓測量方程為，
[0016] Uk = 0CV (SOCk) -Uci, k-Uc2, k-R0 i k+vk
[0017] 其中Uk和ik為k時刻采樣得到的輸出端電壓和電流，OCV(SOCk)為在k時刻的開路電 壓，Vk為測量噪音，Ro為動力電池的內(nèi)阻。
[0018] 優(yōu)選地，步驟S2包括，步驟S21，將待測的動力電池放置在-10 °C的恒溫環(huán)境中；步 驟S22,進(jìn)行HPPC測試獲取當(dāng)前溫度條件下動力電池的電阻和電容參數(shù);步驟S23,進(jìn)行恒流 放電測試獲取當(dāng)前溫度條件下動力電池的容量;步驟S24,獲取動力電池的開路電壓0CV與 S0C的非線性關(guān)系；步驟S25，記錄當(dāng)前溫度條件下動力電池的參數(shù);步驟S26，改變S21的恒 溫條件，按照預(yù)設(shè)溫度梯度，循環(huán)進(jìn)行步驟S22~S25,直至恒溫條件達(dá)到預(yù)設(shè)峰值；步驟 S27,將步驟S25中在不同溫度條件下得到的多組動力電池的參數(shù)數(shù)據(jù)建立成待測動力電池 參數(shù)數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表，以在不同溫度條件下建立待測動力電池數(shù)學(xué)模型。 【【附圖說明】】
[0019] 圖1為本發(fā)明的一種基于溫度用于估計電池 S0C的方法整體流程圖；
[0020] 圖2為本發(fā)明的一種基于溫度用于估計電池S0C的方法步驟S1的細(xì)節(jié)流程圖；
[0021] 圖3為本發(fā)明的一種基于溫度用于估計電池S0C的方法的動力電池二階RC等效電 路模型示意圖；
[0022]圖4為本發(fā)明基于溫度用于估計電池 S0C的方法步驟S2的細(xì)節(jié)流程圖；
[0023]圖5為本發(fā)明基于溫度用于估計電池 S0C的方法的HPPC測試電池電壓曲線局部圖； [0024]圖6為本發(fā)明基于溫度用于估計電池 S0C的方法的步驟S24的細(xì)節(jié)流程圖；
[0025]圖7為本發(fā)明基于溫度用于估計電池 S0C的方法的在恒溫為20°C的0CV和S0C關(guān)系 曲線圖；
[0026]圖8為本發(fā)明基于溫度用于估計電池 S0C的方法的步驟S3的細(xì)節(jié)流程圖；
[0027]圖9為本發(fā)明基于溫度用于估計電池 S0C的方法的步驟S35的細(xì)節(jié)流程圖；
[0028]圖10為本發(fā)明基于溫度用于估計電池 S0C的方法的步驟S36的細(xì)節(jié)流程圖；
[0029]圖11為本發(fā)明基于溫度用于估計電池 S0C的方法的步驟S39的細(xì)節(jié)流程圖；
[0030]圖12為本發(fā)明基于溫度用于估計電池 S0C的方法的真實S0C與算法輸出S0C曲線； [0031]圖13為本發(fā)明基于溫度用于估計電池 S0C的方法的真實S0C與自適應(yīng)卡爾曼濾波 算法輸出S0C曲線的誤差曲線圖。 【【具體實施方式】】
[0032]為了使本發(fā)明的目的，技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實施實例， 對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明， 并不用于限定本發(fā)明。
[0033] 請參閱圖1，基于溫度用于估計電池 S0C的方法可以分為以下步驟。
[0034]步驟S1:建立待測動力電池的模型，獲取待測動力電池模型的S0C狀態(tài)方程以及輸 出端電壓測量方程，并確定估計該待測動力S0C值所需的待測動力電池參數(shù)。本實施方式 中，動力電池可以為鋰離子電池，鉛酸動力電池或鎳氫動力電池。在用自適應(yīng)卡爾曼濾波算 法估算動力電池 S0C值時，需要用到動力電池模型的S0C狀態(tài)方程以及輸出端電壓測量方 程，因此需要對待測動力電池 S0C狀態(tài)方程以及輸出端電壓測量方程的未知參數(shù)進(jìn)行確定。 請參閱圖2，步驟S1具體包括步驟S11 -s 13。
[0035]步驟S11:提供一待測的動力電池，定義該待測動力電池模型，得到待測動力電池 的S0C狀態(tài)方程。具體地，請參閱圖3,建立一個等效動力電池的二階RC等效電路模型，該模 型的組成如下：電阻R1和R2分別和電容C1和C2構(gòu)成二個RC電路，串聯(lián)的二個RC電路再串聯(lián) 動力電池的0CV(0pen Circuit Voltage開路電壓)和內(nèi)阻R0,該等效電路模型的端電壓為 動力電池的輸出端電壓U，U在任意時刻t，對應(yīng)的數(shù)學(xué)模型（1)如下：
[0037] 其中U(t)是動力電池的在t時刻的輸出端電壓，0CV(S0C(t))表示t時刻的開路電 壓OCV，R〇是動力電池模型的內(nèi)阻，Ri、R2表不動力模型的電阻，Ci、C2表不動力電池模型的電 容，Uc 1 (t)、Uc2(t)分別代表動力電池模型的電容&、(：2在丨時刻的電壓，i (t)為動力電池模 型在t時刻的電流值。根據(jù)電荷狀態(tài)的S0C定義，將動力電池的電荷狀態(tài)S0C模型定義為：
[0039] 其中S0C0為S0C的初始值，ni為庫侖效率，CT為動力電池的容量，即方程式（2)為 S0C狀態(tài)方程。
[0040] 動力電池的輸出端電壓U模型定義為：
[0042]步驟SI2:將所得的S0C狀態(tài)方程(2)離散化，得到離散化S0C狀態(tài)方程(4)，該S0C狀 態(tài)方程方程是非線性方程。
[0044]其中Ri，R2，表動力電池模型的電阻，Q，C2代表動力電池模型的電容，變量》 +1是向 量化的形式，代表一個列向量，列向量包括S0C在k+1時刻的電荷狀態(tài)S0C，k+1，電容&，&在1^+ 1時刻的電壓Uq,k+1，U C2,k+1; wk代表動力電池系統(tǒng)的過程噪聲；A t為采樣時間；SOCk為電池 的k時刻的荷電狀態(tài);UC1, k和UC2, k分別為電容&和電容&在1^時刻的電壓;CT為動力電池容量， 該動力電池容量為當(dāng)前溫度條件下的實際容量，在常溫下該實際容量等于動力電池的額定 容量，i(k)為動力電池模型在k時刻的電流值，k是t離散化后的時刻。
[0045] 步驟S13:將輸出端電壓U方程(3)離散化，得到離散化的輸出端電壓測量方程(5)， 即輸出端電壓的測量方程。該方程是非線性方程。
[0046] Uk = 0CV(S0Ck)-Ucl，k-UC2，k-R0ik+vk (5)
[0047] 其中Vk為測量噪音，Uk為k時刻采樣得到的輸出端電壓。
[0048 ]步驟S 2:在不同溫度條件下測量待測動力電池的參數(shù)，建立待測動力電池參數(shù)的 數(shù)據(jù)查詢庫，用以修正不同溫度條件下建立的待測動力電池模型。具體地，請參閱圖4,在不 同溫度條件下對待測動力電池進(jìn)行恒流恒壓充電，HPPC( Hybrid Puls ePower Characteristic混合動力脈沖能力特性)測試，恒流放電和靜置實驗，獲取不同溫度下的待 測動力電池參數(shù)數(shù)據(jù)，建立不同溫度條件下的待測動力電池參數(shù)數(shù)據(jù)庫或者參數(shù)查詢表， 待卡爾曼濾波時查詢，修正不同溫度條件下建立的待測動力電池模型。
[0049] 因為在不同的溫度條件下的待測動力電池參數(shù)不同，因此不同溫度條件下建立的 待測動力電池模型也不相同，從而，只有在當(dāng)前溫度條件下獲取的待測動力電池參數(shù)，并用 該溫度下的待測動力電池參數(shù)所建立的待測動力電池模型才是準(zhǔn)確的待測動力電池模型。
[0050] 請參閱圖4，步驟S2具體包括步驟S21-S27。
[0051] 步驟S21:將待測的動力電池放置在-10°C的恒溫環(huán)境中。具體地，將恒溫箱設(shè)置 到-HTC，將待測試動力電池放入該恒溫箱。
[0052]步驟S22:進(jìn)行HPPC測試獲取當(dāng)前溫度條件下動力電池的電阻和電容參數(shù)。具體 地，請參閱圖5，進(jìn)行HPPC測試，取HPPC測試中一段從大電流I放電突然停止放電時對應(yīng)的動 力電池電壓波形。圖5中AB段對應(yīng)為大電流I放電曲線，BD段為停止放電開路時的電壓曲線。 [0053] 得到內(nèi)阻Ro的參數(shù)，BC段電流突然停止，電壓迅速回升，其突變電壓與恒流I之比
[0054] 得到電阻仏，1?2和電容的參數(shù)，⑶段動力電池?zé)o電流放電，電壓慢慢回升，類 似電容放電，因此動力電池上升段的輸出端電壓U為：
[0056]根據(jù)采集到的動力電池電壓數(shù)據(jù)，采樣最小二乘法將此方程與CD段曲線擬合，得 至1Jb〇，bl，b2，Tl，T2
[0057] AB段為以恒定電流I放電，因此動力電池的輸出端電壓U可以表示為：
[0059]將已得到的代入方程，采用最小二乘法擬合AB段曲線，得到參數(shù)，則
.至此，求得了模型的電阻Ri、R2和電容&、&參數(shù)。
[0060] 步驟S23:進(jìn)行恒流放電測試獲取當(dāng)前溫度條件下動力電池的容量。具體地，進(jìn)行 1 /20C的小電流恒流充放電，得出該溫度下的動力電池容量。
[0061] 在不同溫度下，動力電池的實際電量會波動。當(dāng)溫度較低時候，實際電池容量遠(yuǎn)低 于常溫的額定容量，這是由于低溫下，動力電池內(nèi)部的電解液會粘稠甚至凝結(jié)，大大阻礙了 動力電池中電子的迀移。
[0062]較佳實施例中，測試系統(tǒng)為ARBIN BT2000電池測試系統(tǒng)儀器。動力電池的額定容 量為2200mAh。在動力電池電量完全充滿的時候以1/20C恒定電流放電，即以llOmAh放電，將 動力電池電量放完，記錄放電所用時間Th。使用安時積分法（電流乘以時間）計算得出放出 的總電量C = 110*TmAh。其計算出的總電量為動力電池在此溫度下的實際電量，即動力電池 在該溫度下的實際容量。
[0063]步驟S24:獲取當(dāng)前溫度下動力電池的開路電壓與動力電池的剩余電量百分比的 非線性關(guān)系，即0CV與S0C的非線性關(guān)系。具體地，進(jìn)行小電流放電，每下降5%~10%S0C，放 電靜置測試獲取開路電壓0VC;利用最小二乘法擬合0CV和S0C的非線性關(guān)系;記錄該溫度條 件下的動力電池的電阻和電容參數(shù)、容量以及0CV和S0C的非線性關(guān)系數(shù)據(jù)；
[0064]在固定溫度下，動力電池的充放電特性0CV和S0C的關(guān)系，為一個可以信任的穩(wěn)定 關(guān)系，可以通過將動力電池兩端開路然后靜置，測其兩端開路電壓0CV，然后通過方程(2)擬 合0CV和S0C關(guān)系曲線，查得S0C的值。但在實時性要求很高的電動汽車中，動力電池的溫度 不可能固定不變，因此需考慮溫度對電池 S0C的影響。請參閱圖6，本實施例中，步驟S24可以 包括步驟S241-S243。
[0065]步驟S241:將待測的動力電池進(jìn)行恒流放電，S0C每下降5 %~10 %將動力電池靜 置半個小時測取開路電壓0CV，擬合恒流放電S0C-0CV曲線。具體地，同一動力電池在不同溫 度下的關(guān)系略有偏差。首先將動力電池完全充滿電，然后以1/20C大小的電流放電，使得動 力電池 S0C值每下降5 %~10%獲取一個S0C值數(shù)據(jù)點(diǎn)，并將動力電池靜置半小時，測得10~ 20開路電壓0CV值，并擬合得到恒流放電S0C-0CV曲線F。
[0066] 步驟S242:將待測的動力電池進(jìn)行恒流充電，S0C每上升5 %~10 %將動力電池靜 置半個小時測取開路電壓0CV，擬合恒流充電S0C-0CV曲線。具體地，將動力電池從完全放電 狀態(tài)慢慢恒流充滿，S0C值每上升5 %~10 %獲取一個S0C數(shù)據(jù)點(diǎn)，每次靜置半小時測得開路 電壓0CV，得到10~20個開路電壓0CV數(shù)據(jù)點(diǎn)，擬合成恒流充電的0CV和S0C關(guān)系曲線E。
[0067] 步驟S243 :將恒流充電S0C-0CV曲線和恒流放電S0C-0CV曲線取平均值，獲取最優(yōu) S0C-0CV關(guān)系曲線，采用最小二乘法擬合該曲線，獲取S0C-0CV關(guān)系曲線模型參數(shù)值，請參閱 圖7。具體地將兩條曲線取平均，得出最后的0CV-S0C關(guān)系曲線G，可用多項式擬合曲線，得到 多項式系數(shù)，然后擬合其0CV和S0C的關(guān)系。本實例采用4次多項式0(^ = &化0(：4+&130(：3+ aAOP+asSOCi+a^然后用最小二乘法擬合曲線，得到3〇，&1，&2， &3，&4的數(shù)值。因為動力電池 的電化學(xué)特性，動力電池的充放電會有磁滯效應(yīng)，取平均值可以減少這個效應(yīng)對精度的影 響使測試結(jié)果更為準(zhǔn)確，如圖7所示(取常溫恒溫為20°C為例）。
[0068] 進(jìn)行充放電測試的時候獲取的0CV數(shù)據(jù)點(diǎn)越多，擬合得到的0CV和S0C曲線越平滑， 因此所測量的開路電壓0CV數(shù)據(jù)最好為10個數(shù)據(jù)點(diǎn)以上。
[0069] 步驟S25:記錄當(dāng)前溫度條件下動力電池的參數(shù)。具體地，記錄當(dāng)前溫度條件下所 得到的動力電池的R〇，Ri，R2，&，C 2，CT參數(shù)以及0CV和S0C關(guān)系參數(shù)。
[0070] 步驟S26:改變S21的恒溫條件，按照預(yù)設(shè)溫度梯度，循環(huán)進(jìn)行步驟S22~S25,直至 恒溫條件達(dá)到預(yù)設(shè)峰值;具體地，以10度溫度梯度為例，將步驟S21的恒溫箱溫度提高10°C， 然后利用步驟S22-S25,進(jìn)行循環(huán)測試，每次將步驟S21的恒溫箱溫度提高10°C，直到恒溫箱 溫度調(diào)節(jié)到80°C。
[0071] 步驟S27:將步驟S25中在不同溫度條件下得到的多組動力電池數(shù)據(jù)建立成待測動 力電池參數(shù)數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表，該動力電池參數(shù)數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表可以修正 不同溫度條件下建立的待測動力電池模型，即動力電池參數(shù)數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表可以 用于無跡卡爾曼濾波修正不同溫度條件下建立待測動力電池模型，輸出準(zhǔn)確的S0C值。具體 地，匯總步驟S25中在不同溫度條件下得到的待測動力電池的^、^、^、(^、(^、(^參數(shù)、。… (S0C)關(guān)系曲線關(guān)于溫度T的參數(shù)，并將參數(shù)存儲為動力電池在不同溫度條件下的參數(shù)數(shù)據(jù) 查詢庫或參數(shù)數(shù)據(jù)查詢表，待無跡卡爾曼濾波時查詢。
[0072] 步驟S3:檢測待測動力電池的當(dāng)前溫度，對應(yīng)當(dāng)前溫度調(diào)取數(shù)據(jù)查詢庫或數(shù)據(jù)查 詢表中的動力電池參數(shù)，并將參數(shù)帶入自適應(yīng)無跡卡爾曼濾波算法中，獲取準(zhǔn)確的待測動 力電池 S0C。具體地，檢測待測動力電池的當(dāng)前溫度后，調(diào)取步驟S2中形成的待測動力電池 參數(shù)的數(shù)據(jù)查詢庫，在該數(shù)據(jù)查詢庫中獲取在當(dāng)前溫度下的待測動力電池的參數(shù)數(shù)據(jù)，并 將該參數(shù)數(shù)據(jù)代入自適應(yīng)無跡卡爾曼算法中，自適應(yīng)無跡卡爾曼算法校正該溫度條件下的 建立的待測動力電池模型，獲取準(zhǔn)確的測量待測動力電池 S0C值。
[0073] 無跡卡爾曼算法是將非線性模型通過概率密度來采樣逼近模型。利用自適應(yīng)卡爾 曼濾波算法計算動力電池 S0C，比傳統(tǒng)的擴(kuò)展卡爾曼方法對模型擬合的精度高。利用溫度傳 感器，實時檢測動力電池的溫度，依據(jù)對應(yīng)溫度，調(diào)取在S27的數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表，查 詢該溫度下對應(yīng)的動力電池參數(shù)，0CV-S0C關(guān)系以及實際電池容量等相關(guān)參數(shù)。然后將這些 參數(shù)代入無跡卡爾曼濾波算法進(jìn)行運(yùn)算。
[0074] 請參閱圖8,步驟S3具體包括步驟S31-S41。
[0075]步驟S31:檢測動力電池的當(dāng)前溫度。具體地，利用溫度傳感器檢測待測動力電池 的溫度，調(diào)取檢測到的當(dāng)前溫度在步驟S27中的數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表中對應(yīng)的動力電 池參數(shù)Ro，Ri，R2，&，C 2，CT，以及0CV和S0C關(guān)系參數(shù)，將這些參數(shù)運(yùn)用到自適應(yīng)卡爾曼濾波算 法，自適應(yīng)卡爾曼濾波算法建立精準(zhǔn)的當(dāng)前溫度下待測動力電池模型，使自適應(yīng)卡爾曼濾 波算法輸出S0C結(jié)果更為準(zhǔn)確。
[0076]步驟S32 :自適應(yīng)卡爾曼濾波的運(yùn)行環(huán)境初始化，具體地，在自適應(yīng)卡爾曼濾波算 法還沒有開始運(yùn)行時，先假設(shè)x的狀態(tài)和其他一些噪聲參數(shù)，隨著無跡卡爾曼濾波算法迭 代，電荷狀態(tài)S0C會慢慢收斂到接近真實狀態(tài)。設(shè)定初始化的狀態(tài)xo，初始的協(xié)誤差陣Po，初 始的過程噪聲Qo和測量噪聲Rk，協(xié)方差匹配的窗口大小L。
[0077] 步驟S33:產(chǎn)生sigma點(diǎn)，計算權(quán)重因子。具體地，在k-1時刻產(chǎn)生sigma點(diǎn)：
[0079] 魂-丨為2N+1個樣本點(diǎn)，將動力電池系統(tǒng)非線性模型分解為一系列具有特定概率密 度的點(diǎn)，來近似非線性模型，從而不需要求導(dǎo)計算Jocabian矩陣，提高了精度，簡化了計算 量。其中，N為x的維數(shù)，此處為N=3，A = 3a2-3，
為(N+A)Pk_^平方根矩陣的 第i個列向量。
[0080] 步驟S34:對應(yīng)當(dāng)前溫度調(diào)取步驟S27中的對應(yīng)動力電池參數(shù)數(shù)據(jù)，代入自適應(yīng)無 跡卡爾曼算法中。具體地，對應(yīng)步驟S31中的溫度查詢在步驟S29中所獲取的表格中的動力 電池參數(shù)Ri、R 2、&、C2、CT以及0CV數(shù)據(jù)。
[0081 ] 步驟S35:時間更新，請參閱圖9,本實施方式中步驟步驟S35包括步驟S351-S353。
[0082]步驟S351:利用S34所查詢獲取的動力電池參數(shù)數(shù)據(jù)，通過所述的S0C狀態(tài)方程來 更新當(dāng)前時刻的sigma點(diǎn)。具體地利用S34所查詢獲取的數(shù)據(jù)，通過所述的S0C狀態(tài)方程(4) 來更新當(dāng)前時刻的sigma點(diǎn)：
[0083] X:k； = f(xk...1(uk) + wk
[0084] 其中，取k_^uk)為S0C狀態(tài)方程(4)，uk為電流，wk為動力電池系統(tǒng)的過程噪聲。將 步驟S27查詢到的Rl、R2、C1、C2、CT以及0CV數(shù)據(jù)代入代入S0C狀態(tài)方程(4)。通過此S0C狀態(tài) 方程(4 )，將前一時刻的米樣點(diǎn)f k-l，.更新為現(xiàn)一時刻的米樣點(diǎn)％。.
[0085]步驟S352:計算各個sigma點(diǎn)的權(quán)重因子，用來擬合各個點(diǎn)的概率密度，達(dá)到對非 線性模型的近似：
[0087]
[0088] 2N+1個采樣點(diǎn)知^經(jīng)過動力電池狀態(tài)方程(4)后更新為2N+1個知，為各個點(diǎn)的 權(quán)重因子，用來擬合各個點(diǎn)的概率密度，達(dá)到對非線性模型的近似。其中，為采樣點(diǎn)協(xié)方 差權(quán)重因子，a為0到1之間的很小的常量，0為用來符合噪聲分布情況的非負(fù)因子，0 = 2為高 斯分布。
[0089] 步驟S353:計算非線性模型的S0C狀態(tài)方程(4)先驗輸出I具體地，通過2N+1個采 用點(diǎn)越和對應(yīng)權(quán)重因子計算得出非線性模型的S0C狀態(tài)方程(4)先驗輸出X:
[0091]步驟S 3 5 4 :更新x的協(xié)方差矩陣, k，具體地利用先驗輸出S，更新x的協(xié)方差矩陣 Px,k：
[0093 ]其中w[為采樣點(diǎn)協(xié)方差權(quán)重因子，秣為更新后的采樣點(diǎn)，Qk為k時刻的過程噪聲， 是一個無法避免的噪聲，Qk包含了模型誤差。
[0094] 步驟S36 :測量更新，主要是為了更新協(xié)誤差矩陣巧.k和^戈。請參閱圖10，本實施 例步驟S36可以包括步驟S361-S363。
[0095] 步驟S361:通過時間更新后的2N+1個％采樣點(diǎn)，得到當(dāng)前的采樣點(diǎn)輸出勉。具體 地，通過時間更新后的2糾1個％采樣點(diǎn)，帶入輸出端電壓測量方程(5)，配合在步驟S27中表 格記錄在當(dāng)前溫度條件下的動力電池參數(shù)數(shù)據(jù)，該動力電池參數(shù)數(shù)據(jù)可以修正待測動力電 池模型，可以得到當(dāng)前的采樣點(diǎn)輸出H。
[0096] % = g(Xk, uk)十 vk
[0097] 其中，g(%,uk)即為輸出端電壓測量方程(5)。
[0098] 步驟S362:利用魏計算輸出端電壓測量方程(5)的先驗輸出死：
[0100]同樣地，通過2N+1個采樣點(diǎn)致和對應(yīng)權(quán)重因子十算得出當(dāng)前端電壓測量方程 (5)的先驗輸出Fk。
[0101 ]步驟S363:利用步驟S361和步驟S362所得到的數(shù)據(jù)，更新協(xié)誤差矩陣Py,t^PPxy, k:
[0104] 其中，W〖為采樣點(diǎn)協(xié)方差權(quán)重因子，Rk為測量噪聲，由于測量精度的影響必然會引 入的噪聲。
[0105] 步驟S37:卡爾曼校正，利用步驟S362的數(shù)據(jù)，計算卡爾曼增益Kk:
[0106] Kk = Pxy，k,'Py,k
[0107] 通過卡爾曼增益來校正先驗估計值X，獲取后驗估計值％:
[0108] xk=x+ Kk(vk - fk)
[0109] i包含先驗的S0C狀態(tài)，F(xiàn)k為先驗的模型輸出電壓，yk為真實測量得到的電壓， yk - &為真實與模型估計值的誤差，配合卡爾曼增益，來對先驗的30(：狀態(tài)的.1校正，得到 后驗的心即知。
[0110] 校正協(xié)誤差矩陣Pk:
[0111] Pk = Px,k Kk Py,kKl<T
[0112] 步驟S38:自適應(yīng)過程，更新噪聲的方差。
[0113] 利用前L個模型輸出的電壓估計值和真實值的殘差，對噪聲量進(jìn)行修正，達(dá)到系統(tǒng) 噪聲隨著系統(tǒng)動態(tài)變化的目的，增強(qiáng)系統(tǒng)的魯棒性。
[0114] K時刻系統(tǒng)電壓的殘差ek為：
[0115] = (yk - yk)
[0116] 殘差平方和Uk為：
[0118] 其中，yk為實際測量得到的電壓，為已知的，F(xiàn):k為測量方程的先驗輸出，是算法對 電壓的估計值，殘差則為真實電壓與估計電壓的差值，用來表示真實電壓和估計電壓的誤 差大小。L為窗口大小，表不為將前L個時刻的測量電壓和模型估計電壓的殘差求和。
[0119] 步驟S39:噪聲校正。由于卡爾曼濾波的前提是假定過程噪聲和測量噪聲屬于高斯 白噪聲，即服從高斯分布的噪聲，但是對于實際的動力電池系統(tǒng)來說，噪聲不完全屬于白噪 聲，因而依然堅持假設(shè)為白噪聲會使得濾波算法后S0C的結(jié)果劇烈波動，甚至收斂不到真實 狀態(tài)。所以，可以通過前L個時刻的真實電壓和估計電壓的殘差和來實時更新當(dāng)前的噪聲 項，使得濾波更平滑，魯棒性更高，從而使下一次迭代輸出結(jié)果更準(zhǔn)確。請參閱圖11，本實施 例步驟S39還包括步驟S391-S392。
[0120] 步驟S391:過程噪聲Qk的更新：
[0121] Qk = KkUkKkT
[0122] Kk為k時刻卡爾曼增益，Uk為殘差平方和。
[0123] 步驟S392:測量噪聲Rk
的更新：
[0125] S40:輸出S0C值或循環(huán)迭代進(jìn)行下一個時刻的S0C值輸出。具體地，K時刻無跡卡爾 曼濾波結(jié)束，輸出對待測動力電池 S0C的估計值。
[0126] S41:待測動力電池的S0C為動態(tài)變量，令k = k_l，轉(zhuǎn)到步驟S31，進(jìn)行自適應(yīng)無跡卡 爾曼濾波的循環(huán)迭代，可以實時獲取待測動力電池的S0C。
[0127] 以上即為基于不同溫度條件下改進(jìn)的動力電池模型的自適應(yīng)卡爾曼濾波算法的 具體實現(xiàn)方法過程，本發(fā)明通過實驗驗證:令單節(jié)動力電池工作在聯(lián)邦城市運(yùn)行工況測試 (FUDS)下，初始S0C設(shè)置為0.8，采用本發(fā)明中的改進(jìn)的溫度電池模型的自適應(yīng)卡爾曼濾波 算法來估計動力電池荷電狀態(tài)S0C的結(jié)果，如圖12所示，經(jīng)過前期的一段時間后，S0C估計值 曲線H收斂得到到S0C真實值曲線I，且S0C估計值曲線H的值與S0C真實值曲線I的值非常接 近。如圖13所示，本發(fā)明的算法估算的S0C值整體誤差曲線J，其整體誤差值絕大部分在2% 以內(nèi)，具有較高的精度，對溫度具有較高的適應(yīng)度，有較強(qiáng)的魯棒性。
[0128] 綜上所述，本發(fā)明利用在不同溫度條件下檢測待測動力電池的參數(shù)數(shù)據(jù)，形成的 動力電池參數(shù)數(shù)據(jù)庫以改進(jìn)待測動力電池模型，并使用自適應(yīng)無跡卡爾曼濾波算法來估計 動力電池的荷電狀態(tài)SOC具有精度高，實時性好，魯棒性強(qiáng)的優(yōu)點(diǎn)，具有重要的實用價值。
[0129]以上所述僅為本發(fā)明較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明原則之 內(nèi)所作的任何修改，等同替換和改進(jìn)等均應(yīng)包含本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項】
1. 一種基于溫度用于估計電池 SOC的方法，其特征在于，包括以下步驟： 步驟S1:提供一待測動力電池，建立待測動力電池的模型，獲取待測動力電池的S0C狀 態(tài)方程以及輸出端電壓測量方程，并確定估計該待測動力電池 S0C值所需的待測動力電池 參數(shù)； 步驟S2 :在不同溫度條件下測量待測動力電池的參數(shù)，并建立待測動力電池參數(shù)的數(shù) 據(jù)查詢庫，用以修正不同溫度下建立的待測動力電池模型； 步驟S3:檢測待測動力電池的當(dāng)前溫度，根據(jù)當(dāng)前溫度對應(yīng)獲取上訴數(shù)據(jù)查詢庫中當(dāng) 前溫度下的待測動力電池參數(shù)數(shù)據(jù)，并將該參數(shù)數(shù)據(jù)代入自適應(yīng)無跡卡爾曼算法中，自適 應(yīng)無跡卡爾曼算法校正該溫度條件下的建立的待測動力電池模型，獲取準(zhǔn)確的測量待測動 力電池 S0C值。2. 如權(quán)利要求1所述的基于溫度用于估計電池 S0C的方法，其特征在于:步驟S1包括： 步驟S11:提供一待測的動力電池，定義該待測動力電池模型，得到待測動力電池的S0C 狀態(tài)方程； 步驟S12:將所得的S0C狀態(tài)方程離散化，得到離散化S0C狀態(tài)方程； 步驟S13:將輸出端電壓方程離散化，得到離散化的輸出端電壓方程，即輸出端電壓的 測量方程。3. 如權(quán)利要求2所述的基于溫度用于估計電池 S0C的方法，其特征在于:所述的S0C狀態(tài) 方程為，其中SOCo為S0C的初始值，soc( t)為t時刻的S0C值，ni為庫侖效率，cT為動力電池的額定 容量，i(t)為動力電池模型的等效電路在t時刻的電流值。4. 如權(quán)利要求3所述的基于溫度用于估計電池 S0C的方法，其特征在于：離散化所述的 S0C狀態(tài)方程，得到離散化S0C狀態(tài)方程，其中Ri，R2，表動力電池模型的電阻，Ci，C2代表動力電池模型的電容，變量》+1是向量化 的形式，代表一個列向量，列向量包括S0C在k+1時刻的電荷狀態(tài)S0C,k+1，電容&，C^k+l時 亥|J的電壓Uq , k+1，UC2, k+1; wk代表動力電池系統(tǒng)的過程噪聲；A t為采樣時間；SOCk為電池的k 時刻的荷電狀態(tài);Uq , k和UC2, k分別為電容&和電容時刻的電壓;CT為動力電池的容量，i (k)為動力電池模型在k時刻的電流值，k是t離散化后的時刻。5. 如權(quán)利要求4所述的基于溫度用于估計電池 S0C的方法，其特征在于：在步驟S1還包 括定義該動力電池輸出端電壓的數(shù)學(xué)模型，得到輸出端電壓測量方程。6. 如權(quán)利要求5所述的基于溫度用于估計電池 S0C的方法，其特征在于:所述的輸出端 電壓測量方程為， Uk = 0CV (SOCk) -Uci, k-Uc2, k-RO ik+vk 其中Uk和ik為k時刻采樣得到的輸出端電壓和電流，OCV (SOCk)為在k時刻的開路電壓，Vk 為測量噪音，R〇為動力電池的內(nèi)阻。7.如權(quán)利要求1所述的基于溫度用于估計電池 S0C的方法，其特征在于，步驟S2包括： 步驟S21，將待測的動力電池放置在-10°C的恒溫環(huán)境中； 步驟S22,進(jìn)行HPPC測試獲取當(dāng)前溫度條件下動力電池的電阻和電容參數(shù)； 步驟S23,進(jìn)行恒流放電測試獲取當(dāng)前溫度條件下動力電池的容量； 步驟S24,獲取動力電池的開路電壓0CV與S0C的非線性關(guān)系； 步驟S25,記錄當(dāng)前溫度條件下動力電池的參數(shù)； 步驟S26,改變S21的恒溫條件，按照預(yù)設(shè)溫度梯度，循環(huán)進(jìn)行步驟S22~S25,直至恒溫 條件達(dá)到預(yù)設(shè)峰值； 步驟S27,將步驟S25中在不同溫度條件下得到的多組動力電池的參數(shù)數(shù)據(jù)建立成待測 動力電池參數(shù)數(shù)據(jù)查詢庫或數(shù)據(jù)查詢表，以在不同溫度條件下建立待測動力電池數(shù)學(xué)模 型。
【文檔編號】G01R31/36GK106054085SQ201610541768
【公開日】2016年10月26日
【申請日】2016年7月11日
【發(fā)明人】馮雪松, 向勇, 曹健
【申請人】四川普力科技有限公司