一種電池荷電狀態(tài)估計(jì)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本申請(qǐng)涉及電池管理技術(shù)領(lǐng)域，更具體地說，涉及一種電池荷電狀態(tài)估計(jì)方法及 裝置。
【背景技術(shù)】
[0002] 在國際能源危機(jī)與環(huán)境污染日益嚴(yán)重的形勢(shì)下，以蓄電池為動(dòng)力的電動(dòng)汽車因其 低能耗、零排放和較高性價(jià)比特點(diǎn)，逐漸成為當(dāng)前新能源汽車研宄和應(yīng)用的主流。鋰離子電 池具有高電壓平臺(tái)、高能量密度和較長(zhǎng)的循環(huán)壽命，其逐步發(fā)展為最具有競(jìng)爭(zhēng)力的動(dòng)力電 池。動(dòng)力電池是電動(dòng)汽車能量來源，決定著整車系統(tǒng)安全性能，運(yùn)行效率和可靠性，因此需 要對(duì)電池進(jìn)行必要的管理和控制。
[0003] 電池荷電狀態(tài)（state of charge，SOC)是電池管理系統(tǒng)（battery management syStem，BMS)中最重要的參數(shù)之一，通過估計(jì)電池的S0C能判斷電池組之間性能差異，避免 電池出現(xiàn)過充過放，并且能估計(jì)出電動(dòng)汽車的續(xù)駛里程，因此對(duì)電池S0C進(jìn)行準(zhǔn)確的估計(jì) 是非常必要的，具有重要的現(xiàn)實(shí)意義。
[0004] 由于S0C不能直接測(cè)量，并且電動(dòng)汽車運(yùn)行時(shí)電池呈現(xiàn)出很強(qiáng)的非線性變化，造 成現(xiàn)有的S0C估計(jì)算法的準(zhǔn)確性普遍偏低。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本申請(qǐng)?zhí)峁┝艘环N電池荷電狀態(tài)估計(jì)方法及裝置，用于解決現(xiàn)有S0C 估計(jì)算法不準(zhǔn)確的問題。
[0006] 為了實(shí)現(xiàn)上述目的，現(xiàn)提出的方案如下：
[0007] 一種電池荷電狀態(tài)估計(jì)方法，包括：
[0008] 針對(duì)預(yù)先獲取的不同倍率下的放電實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，以獲得電池放電倍率與電 池實(shí)際有效容量值的函數(shù)關(guān)系；
[0009] 利用所述函數(shù)關(guān)系建立電池系統(tǒng)的狀態(tài)空間模型，所述狀態(tài)空間模型包括標(biāo)識(shí)電 池荷電狀態(tài)S0C的狀態(tài)方程以及觀測(cè)方程；
[0010] 在所述狀態(tài)空間模型中，采用遺傳重采樣粒子濾波的方式確定電池荷電狀態(tài)S0C。
[0011] 優(yōu)選地，在對(duì)所述放電數(shù)據(jù)進(jìn)行擬合時(shí)，使用四階至九階多項(xiàng)式方法進(jìn)行擬合。
[0012] 優(yōu)選地，所述利用所述函數(shù)關(guān)系建立電池系統(tǒng)的狀態(tài)空間模型，包括：
[0013] 根據(jù)S0C的定義來建立初始狀態(tài)方程：
[0014]
【主權(quán)項(xiàng)】
1. 一種電池荷電狀態(tài)估計(jì)方法，其特征在于，包括： 針對(duì)預(yù)先獲取的不同倍率下的放電實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，以獲得電池放電倍率與電池實(shí) 際有效容量值的函數(shù)關(guān)系； 利用所述函數(shù)關(guān)系建立電池系統(tǒng)的狀態(tài)空間模型，所述狀態(tài)空間模型包括標(biāo)識(shí)電池荷 電狀態(tài)SOC的狀態(tài)方程以及觀測(cè)方程； 在所述狀態(tài)空間模型中，采用遺傳重采樣粒子濾波的方式確定電池荷電狀態(tài)SOC。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，在對(duì)所述放電數(shù)據(jù)進(jìn)行擬合時(shí)，使用四階 至九階多項(xiàng)式方法進(jìn)行擬合。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用所述函數(shù)關(guān)系建立電池系統(tǒng)的 狀態(tài)空間模型，包括： 根據(jù)SOC的定義來建立初始狀態(tài)方程：
其中，Qa。是電池實(shí)際有效容量，SOC^是初始SOC值，i⑴是放電電流； 對(duì)所述初始狀態(tài)方程進(jìn)行離散化，得到： SOCk=SOCk_1-(At/Qac(r))ik_1 選用組合模型作為狀態(tài)空間模型的初始觀測(cè)方程： yk=ko-Rii.-k/SOC^SOC^ln(S0Ck) +k4ln(l-S0Ck) 其中，yk是電池端電壓，是開路電壓，Ri是電池內(nèi)阻，ki是極化內(nèi)阻，k2,k3,k4是模型 匹配參數(shù)； 設(shè)置過程噪聲為wk，觀測(cè)噪聲為vk，將k-1時(shí)刻的SOC值加上噪聲擾動(dòng)確定為k時(shí)刻的S0C值，將離散化后的初始狀態(tài)方程和初始觀測(cè)方程加入噪聲，再離散化后得到： 狀態(tài)方程：xk=x (At/QjUwh 觀測(cè)方程：yk=ka-Riik-k/xk-l^Xk+kslnUD+kJnd-xJ+Vk xk是k時(shí)刻電池的SOC值，At為采樣時(shí)間，kd,kpk2,k3,k4通過遞推最小二乘法確定。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述采用遺傳重采樣粒子濾波的方式確 定電池荷電狀態(tài)S0C，包括： 設(shè)置S0C初始值，所需要的粒子數(shù)目； 采用隨機(jī)數(shù)方法產(chǎn)生所需要的粒子集； 建立初始粒子集，其中i= 1，2,…，N，尤丨為k= 0時(shí)刻第i個(gè)粒子的S0C值，w: 為k= 0時(shí)刻第i個(gè)粒子的權(quán)重值，設(shè)置每個(gè)粒子初始k= 0時(shí)刻的權(quán)重為1/N; 利用所述狀態(tài)方程預(yù)測(cè)k時(shí)刻4{i=]，2,…，N}的值； 利用下述方程確定k時(shí)刻各粒子的權(quán)重值：
對(duì)各粒子的權(quán)重值進(jìn)行歸一化：
計(jì)算有效粒子數(shù)Neff:
判斷有效粒子數(shù)Nrff是否小于第一閾值，若是，則利用遺傳重采樣對(duì)粒子集進(jìn)行優(yōu)化， 若否，則進(jìn)入SOC值計(jì)算環(huán)節(jié)； 其中，所述利用遺傳重采樣對(duì)粒子集進(jìn)行優(yōu)化的過程為： 對(duì)k-1時(shí)刻的N個(gè)粒子進(jìn)行實(shí)數(shù)編碼，形成父代粒子集； 確定選擇概率Ps，交叉概率Pc，變異概率Pm，并滿足Ps+Pc+Pm= 1 ; 根據(jù)選擇概率Ps從父代粒子集中選擇出N*Ps個(gè)子代粒子； 在父代粒子集中按照交叉概率Pc執(zhí)行（N*Pc)/2次交叉操作，得到N*Pc個(gè)子代粒子； 在父代粒子集中按照變異概率Pm執(zhí)行N*Pm次變異操作，得到N*Pm個(gè)子代粒子； 對(duì)遺傳操作所產(chǎn)生的N個(gè)子代粒子的權(quán)重值進(jìn)行歸一化，并使用輪盤賭方式進(jìn)行粒子 選擇，選出N個(gè)粒子，并進(jìn)入所述SOC值計(jì)算環(huán)節(jié)； 所述SOC值計(jì)算環(huán)節(jié)為： 利用下式求取SOC的平均值：
判斷種群迭代數(shù)目是否達(dá)到預(yù)設(shè)值，若是，則輸出所述SOC平均值，否則令k=k+1，返 回至所述利用所述狀態(tài)方程預(yù)測(cè)k時(shí)刻4{i=l，2,…，N}的值的步驟。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述確定選擇概率Ps，交叉概率Pc，變異 概率Pm的過程，包括： 確定選擇概率Ps為[0, 1]間的常數(shù)； 確定交叉概率Pc為：
確定變異概率Pm為：
其中，/X{/ = 1，2,…7V}，/；!為第i個(gè)粒子的適應(yīng)度值，PpP2,P3,匕是不大于1的 常數(shù)，f_表示父代粒子集中個(gè)體的最大適應(yīng)度值，f。表示兩個(gè)交叉?zhèn)€體中較大的適應(yīng)度 值，fm是變異個(gè)體的適應(yīng)度值，favg表示父代粒子集中個(gè)體適應(yīng)度的平均值。
6. 根據(jù)權(quán)利要求4所述的方法，其特征在于，在父代粒子集中執(zhí)行交叉操作時(shí)，按照如 下方式進(jìn)行交叉操作：
其中，0是（〇, 1)上滿足均勻分布的隨機(jī)數(shù)，xi和x/是進(jìn)行交叉的兩個(gè)粒子，（4.)'和 (<)'是交叉操作后得到的新粒子。
7. 根據(jù)權(quán)利要求4所述的方法，其特征在于，在父代粒子集中執(zhí)行變異操作時(shí)，按照如 下方式進(jìn)行變異操作：
其中，4是進(jìn)行變異操作粒子，（xi)'是變異操作后粒子，[Mk，Nk]是4取值的范圍，r*P 是[〇, 1]上的隨機(jī)數(shù)，g是當(dāng)前迭代次數(shù)，G是最大迭代次數(shù)。
8. -種電池荷電狀態(tài)估計(jì)裝置，其特征在于，包括： 曲線擬合單元，用于針對(duì)預(yù)先獲取的不同倍率下的放電實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，以獲得電 池放電倍率與電池實(shí)際有效容量值的函數(shù)關(guān)系； 狀態(tài)空間模型建立單元，用于利用所述函數(shù)關(guān)系建立電池系統(tǒng)的狀態(tài)空間模型，所述 狀態(tài)空間模型包括標(biāo)識(shí)電池荷電狀態(tài)SOC的狀態(tài)方程以及觀測(cè)方程； SOC估計(jì)單元，用于在所述狀態(tài)空間模型中，采用遺傳重采樣粒子濾波的方式確定電池 荷電狀態(tài)SOC。
9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述曲線擬合單元具體采用五階多項(xiàng)式 方法對(duì)預(yù)先獲取的放電實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合。
10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述狀態(tài)空間模型建立單元包括： 初始狀態(tài)方程建立單元，用于根據(jù)SOC的定義來建立初始狀態(tài)方程：
其中，Qa。是電池實(shí)際有效容量，SOC^是初始SOC值，i⑴是放電電流； 離散化處理單元，用于對(duì)所述初始狀態(tài)方程進(jìn)行離散化，得到：SOCk=SOCk_1-(At/Qac(r))ik_1 初始觀測(cè)方程建立單元，用于選用組合模型作為狀態(tài)空間模型的初始觀測(cè)方程：yk=ko-Rii.-k/SOC^SOC^ln(S0Ck) +k4ln(l-S0Ck) 其中，yk是電池端電壓，是開路電壓，Ri是電池內(nèi)阻，ki是極化內(nèi)阻，k2,k3,k4是模型 匹配參數(shù)； 噪聲處理單元，用于設(shè)置過程噪聲為Wk，觀測(cè)噪聲為Vk，將k-1時(shí)刻的SOC值加上噪聲 擾動(dòng)確定為k時(shí)刻的S0C值，將離散化后的初始狀態(tài)方程和初始觀測(cè)方程加入噪聲，再離散 化后得到： 狀態(tài)方程：xk=x (At/QjUwh 觀測(cè)方程：yk=ka-Riik-k/xk-l^Xk+kslnUD+kJnd-xJ+Vk xk是k時(shí)刻電池的SOC值，At為采樣時(shí)間，kd,kpk2,k3,k4通過遞推最小二乘法確定。
【專利摘要】本申請(qǐng)公開了一種電池荷電狀態(tài)估計(jì)方法及裝置，方法為：針對(duì)預(yù)先獲取的不同倍率下放電實(shí)驗(yàn)數(shù)據(jù)進(jìn)行擬合，以獲得電池放電倍率與電池實(shí)際有效容量值的函數(shù)關(guān)系，利用所述函數(shù)關(guān)系建立電池系統(tǒng)的狀態(tài)空間模型，所述狀態(tài)空間模型包括標(biāo)識(shí)電池荷電狀態(tài)SOC的狀態(tài)方程以及觀測(cè)方程，在所述狀態(tài)空間模型中，采用遺傳重采樣粒子濾波的方式確定電池荷電狀態(tài)SOC。申請(qǐng)采用粒子濾波的方式進(jìn)行SOC的估計(jì)，充分利用了粒子濾波在求解非線性問題上的優(yōu)越性，并且通過重采樣抑制了粒子濾波算法身存在的粒子退化的問題，進(jìn)一步，在重采樣過程引入遺傳算法，使得粒子的多樣性得到了保留，有效的提高了SOC估計(jì)精度。
【IPC分類】G06F19-00
【公開號(hào)】CN104573401
【申請(qǐng)?zhí)枴緾N201510055509
【發(fā)明人】韓琪, 張一鳴, 田爽, 劉兆平
【申請(qǐng)人】中國科學(xué)院寧波材料技術(shù)與工程研究所
【公開日】2015年4月29日
【申請(qǐng)日】2015年2月3日