一种基于噪声跟踪的锂电池荷电状态估算方法技术

本发明专利技术涉及一种基于噪声跟踪的锂电池荷电状态估算方法，包括以下步骤：1)离线模型构建，所述离线模型包括开路电压模型和等效电路模型；2)在线估计，利用所述离线模型建立SOC在线估计模型，基于噪声跟踪实现SOC估计。所述在线估计具体包括以下步骤：201)基于电流积分公式和所述离线模型建立非线性状态空间方程；202)结合滚动时域估计策略，建立增广非线性状态空间方程和SOC在线估计模型；203)根据检测电压和电流，利用SOC在线估计模型实现过程噪声估计、测量噪声估计和SOC估计。与现有技术相比，本发明专利技术具有通过跟踪过程噪声可减少电流积分法中的电流测量误差，具有锂电池SOC估计精确性和可靠性高等优点。

A method for estimating the charging state of lithium battery based on noise tracking

The present invention relates to a method of estimating the state of charge of lithium battery based on noise tracking, including the following steps: 1) construction of off-line model, the off-line model including open circuit voltage model and equivalent circuit model; 2) on-line estimation, online estimation model of SOC by using the off-line model, and SOC estimation based on noise tracking. The on-line estimation includes the following steps: 201) based on the current integration formula and the off-line model, the nonlinear state space equation is established; 202) the augmented nonlinear state space equation and the SOC online estimation model are established with the rolling time estimation strategy; 203) the on-line estimation model is based on the detection voltage and current, and the on-line estimation model is based on the detection voltage and current. Noise estimation, measurement noise estimation and SOC estimation. Compared with the existing technology, the invention can reduce the current measurement error in the current integration method through the tracking process noise, and has the advantages of high accuracy and reliability of the lithium battery SOC estimation.

【技术实现步骤摘要】
一种基于噪声跟踪的锂电池荷电状态估算方法
本专利技术涉及电池管理系统，尤其是涉及一种基于噪声跟踪的锂电池荷电状态估算方法。
技术介绍
因具有能量密度大、输出功率高、充放电寿命长等优点，锂离子电池已广泛应用于便携电子设备、电动汽车、家庭储能及空间技术等新兴
电池荷电状态(StateofCharge，即SOC)估计作为锂电池管理系统的核心功能之一，对于提高电池使用率、延长电池使用寿命、提高电池使用安全性提高至关重要。目前电池管理系统SOC估算中主要采用电流积分法。该方法SOC估计精度主要受限于初始SOC估计误差和电流测量误差两方面。由于电流积分法缺乏消除初始误差的反馈机制，且无法对电流测量噪声进行及时跟踪和校正，因此精度较低，无法完全满足实际需求。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于噪声跟踪的锂电池荷电状态估算方法。本专利技术的目的可以通过以下技术方案来实现：一种基于噪声跟踪的锂电池荷电状态估算方法，包括以下步骤：1)离线模型构建，所述离线模型包括开路电压模型和等效电路模型；2)在线估计，利用电流积分公式和所述离线模型建立SOC在线估计模型，基于噪声跟踪实现SOC估计。所述开路电压模型为开路电压与SOC的函数关系，具体表示为：其中，VOC为开路电压，SOC为电池荷电状态，j为多项式函数中第j阶，β1j为多项式系数，M为多项式总阶数，下标k为采样时刻。所述等效电路模型为电路参数与SOC的函数关系，所述电路参数包括开路电压、欧姆内阻以及一阶或多阶RC网络的电阻和电容。所述等效电路模型为一阶或多阶RC网络的等效电路模型。所述一阶或多阶RC网络的等效电路模型中，欧姆内阻、RC网络的电阻和电容与SOC的函数关系为：其中，n为RC网络阶数，R0为欧姆内阻，Rn为第n阶RC网络上的极化电阻，Cn为第n阶RC网络上的等效电容，SOC为电池荷电状态，j为多项式函数中第j阶，β2j、β2n+1,j及β2n+2,j为多项式系数，M为多项式总阶数，下标k为采样时刻。所述在线估计具体包括以下步骤：201)基于电流积分公式和所述离线模型建立非线性状态空间方程；202)结合滚动时域估计策略，建立增广非线性状态空间方程和基于噪声追踪的SOC在线估计模型；203)根据检测电压和电流，利用所述SOC在线估计模型实现过程噪声估计、测量噪声估计和SOC估计。所述非线性状态空间方程包括：状态方程：xk+1＝F(xk,uk)+wk观测方程：yk＝h(xk,uk)+vk其中，状态矢量x＝[SOC,V1,…,Vn]T，输入变量u＝I，观测变量y＝Vb，Vb为电池电压，w和v分别为过程噪声和测量噪声，两者相互独立且均为高斯白噪声，其协方差分别为Qw和R。I为负载电流，Δt为采样周期，VOC为开路电压，C为电池容量，SOC为电池荷电状态，n为RC网络阶数，R0为欧姆内阻，Rn为第n阶RC网络上的极化电阻，Cn为第n阶RC网络上的等效电容，Vn为第n阶RC网络上的电压，τn＝RnCn为第n阶RC网络的时间常数，下标k为采样时刻。步骤202)中，将过程噪声作为状态变量，建立增广非线性状态空间方程，且所述增广非线性状态空间方程的状态方程中F(xk,uk)替换为F(zk,uk)，其中，z＝[SOC,V1,…,Vn,w0,…,wn]T为增广状态向量，过程噪声相应转化为γ＝[w,θ]T，与测量噪声相互独立且为高斯白噪声，其协方差为Q。所述SOC在线估计模型表示为：其中，为到达代价，Q为过程噪声协方差，R为测量噪声协方差，L为滚动时域窗口长度，T为当前时刻，代价函数采用近似替代，P为估计误差协方差。步骤203)具体包括：231)初始化；232)在T时刻对所述SOC在线估计模型进行求解，获得当前状态估计值、过程噪声估计和测量噪声估计值；233)根据状态方程计算获得T时刻的SOC；234)更新误差方差矩阵；235)令T＝T+1，构造新的测量数据集yT，返回步骤232)。所述估计误差方协方差P的更新公式为：其中，与现有技术相比，本专利技术具有以下有益效果：1、本专利技术方法通过跟踪过程噪声可减少电流积分法中的电流测量误差，通过跟踪测量噪声估计可提高回馈电压对SOC估计值的修正能力，从而保证工业检测环境下，锂电池SOC估计值的精确性和可靠性，最终提升电池管理系统整体性能。2、本专利技术建立的离线模型包括开路电压模型和等效电路模型，准确性高，为在线估计提供基础。附图说明图1为本专利技术方法的原理示意图；图2为本专利技术实施方式中SOC估算装置的结构；图3为本专利技术实施方式中电流激励和电压响应波形图；图4为本专利技术实施方式中锂电池等效电路模型图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。如图1所示，本专利技术提供一种基于噪声跟踪的锂电池荷电状态估算方法，包括以下步骤：1)离线模型构建，所述离线模型包括开路电压模型和等效电路模型；2)在线估计，利用所述离线模型建立SOC在线估计模型，基于噪声跟踪实现SOC估计。在线估计过程具体为：201)基于电流积分公式和所述离线模型建立非线性状态空间方程；202)结合滚动时域估计策略，建立增广非线性状态空间方程和基于噪声跟踪的SOC在线估计模型；203)根据检测电压和电流，利用所述SOC在线估计模型实现过程噪声估计、测量噪声估计和SOC估计。该方法通过跟踪过程噪声可减少电流积分法中的电流测量误差，通过跟踪测量噪声估计可提高回馈电压对SOC估计值的修正能力，从而保证工业检测环境下，锂电池SOC估计值的精确性和可靠性，最终提升电池管理系统整体性能。上述方法可应用于锂电池管理系统，进行锂电池储能设备的荷电状态估计。在本专利技术具体实施方式中，锂电池SOC估算装置的结构如图2所示，包括微控制器100、存储器102、电流和电压表104、SOC估算器106。微控制器100总体上控制SOC估算装置，电流和电压表。存储器102用于存储控制器所执行程序。电流和电压表104根据控制器100的控制来测量电流和电压。SOC估算器106根据控制器100的控制估算SOC，以及向控制器100提供估算结果。SOC估算器的建立包括离线模型构建和在线算法应用。上述基于噪声跟踪的锂电池荷电状态估算方法的具体过程如下：步骤S11，对所述电池进行开路电压实验，建立开路电压模型。所述电池先以恒流恒压方式充电至截止电压，并静置一定时间；再以1C倍率电流对电池持续放电至特定SOC后，静置1小时。整个过程中，电池端电压及负载电流均以1Hz采样频率同步采集。根据各静置点的SOC及其所对应的开路电压测量值，建立开路电压与SOC的函数关系。本专利技术具体实施中采用10阶多项式形式表示开路电压与SOC的函数关系:式中，所需辨识的参数为多项式系数β1i，所需SOC根据电流积分法计算：式中，SOC(0)为电池初始SOC值，C为电池容量，I为负载电流。结合关系式(1)和(2)，采用最小二乘法对β1j进行参数辨识，确定开路电压与SOC的函数关系。步骤S12，对所述电池进行充放电特性测试，并基于所测数据建立等效电路模型。所述电池先以恒流恒压方式充电至截止电压，并静置一定时本文档来自技高网...

【技术保护点】
1.一种基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，包括以下步骤：1)离线模型构建，所述离线模型包括开路电压模型和等效电路模型；2)在线估计，利用所述离线模型建立SOC在线估计模型，基于噪声跟踪实现SOC估计。

【技术特征摘要】
1.一种基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，包括以下步骤：1)离线模型构建，所述离线模型包括开路电压模型和等效电路模型；2)在线估计，利用所述离线模型建立SOC在线估计模型，基于噪声跟踪实现SOC估计。2.根据权利要求1所述的基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，所述开路电压模型为开路电压与SOC的函数关系，具体表示为：其中，VOC为开路电压，SOC为电池荷电状态，j为多项式函数中第j阶，β1j为多项式系数，M为多项式总阶数，下标k为采样时刻。3.根据权利要求1所述的基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，所述等效电路模型为电路参数与SOC的函数关系，所述电路参数包括开路电压、欧姆内阻以及一阶或多阶RC网络的电阻和电容。4.根据权利要求3所述的基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，所述等效电路模型为一阶或多阶RC网络的等效电路模型，其中，欧姆内阻、RC网络的电阻和电容与SOC的函数关系为：其中，n为RC网络阶数，R0为欧姆内阻，Rn为第n阶RC网络上的极化电阻，Cn为第n阶RC网络上的等效电容，SOC为电池荷电状态，j为多项式函数中第j阶，β2j、β2n+1,j及β2n+2,j为多项式系数，M为多项式总阶数，下标k为采样时刻。5.根据权利要求4所述的基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，所述在线估计具体包括以下步骤：201)基于电流积分公式和所述离线模型建立非线性状态空间方程；202)结合滚动时域估计策略，建立增广非线性状态空间方程和基于噪声跟踪的SOC在线估计模型；203)根据检测电压和电流，利用所述SOC在线估计模型实现过程噪声估计、测量噪声估计和SOC估计。6.根据权利要求5所述的基于噪声跟踪的锂电池荷电状态估算方法，其特征在于，所述非线性状态空间方程包括：状态方程：xk+1＝F(xk,uk)+wk观测方程：yk＝h(xk,uk)+vk...

【专利技术属性】
技术研发人员：沈佳妮，贺益君，马紫峰，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31