一种低荷电状态的估计方法技术

技术编号:15636999 阅读:180 留言:0更新日期:2017-06-15 00:07
本发明专利技术涉及一种低荷电状态的估计方法,对采用等效电路模型ECM结合扩展卡尔曼滤波EKF算法实现电池在整个状态区间内的荷电状态SOC估计方法中,在SOC在0‑20%的低荷电状态区间内,大幅度降低

【技术实现步骤摘要】
一种低荷电状态的估计方法
本专利技术涉及一种电池技术,特别涉及一种低荷电状态的估计方法。
技术介绍
随着科技的不断进步,电子产品的使用也越来越广泛,电池的应用领域更是越来越广泛,可谓是无处不见。小到生活工作中常用的手机,平板,电脑;大到由电池单体串并联构成的动力电池在电动汽车等领域的应用。在电池的使用过程中,消费者很关心的一种信息就是剩余电量,一般通过荷电状态SOC表示。但是对于电池而言,其SOC不能直接由传感器测得,而需要一些算法来计算得到,因而就需要有精确的SOC估计算法。对于生活工作中的电子产品,如手机等,其耗电的过程中电流变化不是很剧烈,采用最简单的安时积分法一般就可以得到较精确的SOC估计值。然而,对于电动汽车,特别是混合动力汽车,电流变化很大,如果简单但运用安时积分法,其误差会比较大,不能得到满意的SOC估计值,因而一般工程领域会考虑采用扩展卡尔曼滤波EKF算法,通过采用等效电路模型ECM将安时积分法与开路电压法结合起来使用以提高SOC的估计精度。并且EKF估计的精度很大程度上会受到模型精度的影响。在工程领域中,为了降低计算量,一般会选择采用比较简洁的ECM,如一阶RC模型等。这类ECM在高区间的SOC范围内,SOC-OCV有较好的线性关系,因而能够较好的模拟电池特性。但是,在低SOC区间内,由于SOC-OCV的线性关系较差,所以一般简单的ECM不能较好的模拟这段区间的电池特性,这也就造成了EKF算法在低SOC区间内估计SOC的效果变差。
技术实现思路
本专利技术是针对工程应用的ECM在低SOC区间内不能很好的模拟电池特性,进而导致使用EKF算法在低SOC区间内估计SOC的效果变差的问题,提出了一种低荷电状态的估计方法,通过在低SOC区间内大幅度改变EKF算法中的状态噪声的方差∑w和测量噪声的方差∑v方法,实现电池在整个状态区间内的精确的SOC估计。本专利技术的技术方案为:一种低荷电状态的估计方法,对采用等效电路模型ECM结合扩展卡尔曼滤波EKF算法实现电池在整个状态区间内的荷电状态SOC估计方法中,在SOC在0-20%的低荷电状态区间内,大幅度降低∑w的值,并大幅度提高∑v的值,使得在0-20%的低荷电状态区间内,EKF算法估计SOC的过程中只相信由安时积分法得到的SOC估计值。所述等效电路模型ECM为一阶RC模型,二阶RC模型,三阶RC模型中的任意一种。所述大幅度降低∑w的值,并大幅度提高∑v的值为:状态噪声的方差Sw从∑w=1e-8附近降低到∑w=1e-20附近,测量噪声的方差∑v从∑v=0.01^2附近提高到∑v=1附近。本专利技术的有益效果在于:本专利技术低荷电状态的估计方法,可以在基本不改变现有技术方法的条件下,得到整个状态区间内精确的SOC估计值。附图说明图1为本专利技术用于精确估计电池整个状态区间内的SOC估计方法的流程图。具体实施方式采用等效电路模型ECM结合扩展卡尔曼滤波EKF算法实现电池在整个状态区间内精确的荷电状态SOC估计。首先针对目标电池选择合适的ECM;进一步利用融合算法,通过EKF算法将安时积分法与开路电压法结合起来估计SOC,在SOC高于20%的区间内,根据系统实际使用中的工作环境适当调节EKF算法中的状态噪声的方差∑w和测量噪声的方差∑v;在SOC在0-20%的区间内,大幅度降低∑w的值,并大幅度提高∑v的值,使得在0-20%的区间内,EKF算法估计SOC的过程中只相信由安时积分法得到的SOC估计值;进而得到电池在整个状态区间内精确的SOC估计值。如图1所示用于精确估计电池整个状态区间内的SOC估计方法的流程图,具体包括以下步骤:S1、针对目标电池选择合适的等效电路模型;步骤S1可选用的等效电路模型包括一阶RC模型,二阶RC模型,三阶RC模型等,具体根据目标电池的种类进行选择,一般的,三元锂电池LiNMC选用一阶RC模型;LiFePO4电池选用带状态滞回的一阶RC模型。S2、判断SOC值是否大于20%,如果是,执行步骤3),否则,转至步骤4);步骤S2中利用当前EKF估计得到的SOC值进行判断,这里运用EKF算法的方法是:以传感器测得电流I为输入,先通过安时积分初步得到SOC的一个初步观测值再利用SOC-OCV关系表,并结合步骤S1选择的模型得到电池的端电压估计值U'B,进而得到U'B与传感器测得的电池的端电压值UB的差异值,由该差异值乘以卡尔曼增益Lk对初步观测值进行更新,得到即由EKF算法得到的电池SOCk的估计值。其中,卡尔曼增益Lk很大程度上取决于状态噪声Wk和测量噪声Vk的协方差∑w和∑v的对比;Wk,Vk是相互独立,均值为0的高斯白噪声。状态噪声的方差∑w越大,测量噪声的方差∑v越小,则表示输入值受干扰程度大(即由安时积分得到的观测值值不可靠),系统输出所对比值受干扰程度小(即所对比值更可靠),这里的对比值指电压传感器测得的电压值,即系统更相信电压传感器实际测得的参数值,对应的卡尔曼增益值Lk越大。反过来,∑w越小,∑v越大,则输入值更可靠,系统输出所对比值不可靠,因而系统更相信由安时积分法得到的观测值对应的卡尔曼增益值Lk越小。S3、根据系统实际使用中的工作环境适当调节EKF算法中的状态噪声的方差∑w和测量噪声的方差∑v;步骤S3中状态噪声的方差∑w可取在∑w=1e-8附近,测量噪声的方差∑v可取在∑v=0.01^2附近。S4、大幅度降低EKF算法中∑w的值,并大幅度提高EKF算法中∑v的值,即使得EKF算法在0-20%的区间内估计SOC的过程中只相信安时积分法计算得到的SOC估计值;步骤S4中大幅度改变的状态噪声的方差∑w可取在∑w=1e-20附近,测量噪声的方差∑v可取在∑v=1附近。S5、由步骤3)和4)得到电池在整个状态区间内精确的SOC估计值。根据以上流程,本专利技术通过在低SOC区间内大幅度改变EKF算法中的状态噪声的方差∑w和测量噪声的方差∑v方法,实现电池在整个状态区间内的精确的SOC估计,可以在基本不改变现有技术方法的条件下,得到整个状态区间内精确的SOC估计值。本文档来自技高网...
一种低荷电状态的估计方法

【技术保护点】
一种低荷电状态的估计方法,其特征在于,对采用等效电路模型ECM结合扩展卡尔曼滤波EKF算法实现电池在整个状态区间内的荷电状态SOC估计方法中,在SOC在0‑20%的低荷电状态区间内,大幅度降低∑

【技术特征摘要】
1.一种低荷电状态的估计方法,其特征在于,对采用等效电路模型ECM结合扩展卡尔曼滤波EKF算法实现电池在整个状态区间内的荷电状态SOC估计方法中,在SOC在0-20%的低荷电状态区间内,大幅度降低∑w的值,并大幅度提高∑v的值,使得在0-20%的低荷电状态区间内,EKF算法估计SOC的过程中只相信由安时积分法得到的SOC估计值。2.根据权利要求1所...

【专利技术属性】
技术研发人员:高文凯郑岳久
申请(专利权)人:上海理工大学
类型:发明
国别省市:上海,31

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1