一种基于自适应模型的锂电池荷电状态估计装置及方法制造方法及图纸

本发明专利技术公开了一种基于自适应模型的锂电池荷电状态估计装置及方法，其中方法包括：建立锂电池老化状态映射模型；计算锂电池的端电压、荷电状态以及老化状态这三者间的第一函数关系式；根据第一函数关系式，对锂电池的等效电路进行参数辨识，并拟合计算锂电池的等效电路参数与荷电状态和老化状态这三者间的第二函数关系式；判断待测锂电池的老化状态，再使用第二函数关系式，根据待测锂电池的老化状态得到其等效电路参数与荷电状态间的关系，最终基于待测锂电池的电池荷电状态初值、以及等效电路参数与荷电状态的映射关系，对待测锂电池的荷电状态进行估计。本发明专利技术能在不同的电池的老化状态下自动地调节锂电池等效电路模型的参数，提高锂电池荷电状态的估计精度。

A device and method for state of charge estimation of lithium battery based on adaptive model

【技术实现步骤摘要】
一种基于自适应模型的锂电池荷电状态估计装置及方法
本专利技术属于锂电池状态估计
，涉及一种基于自适应模型的锂电池荷电状态估计装置及方法。
技术介绍
锂电池由于其具有高能量密度，高电压，低自放电和循环寿命长等优点，在工业、农业、交通、通讯和航空航天领域得到了广泛的应用。荷电状态能表征电池的剩余电量，在卫星、电动汽车等系统中，锂电池的荷电状态估计是电池管理系统的重要部分，其估计的准确性会直接影响到管理系统的控制策略，从而影响电池的发挥。锂电池的充放电是一个复杂的电化学过程，直接以数学模型来描述电池的电化学反应过程十分困难，因此基于电池工作特性定量描述的等效电路模型被广泛应用。然而，传统的基于等效电路模型的电池荷电状态估计方法未能考虑电池老化状态的影响，在不同老化状态下，电池的电化学特性会有巨大差异，等效电路模型的参数也会不同，若采用固定参数的等效电路模型对工作在不同老化状态下的电池进行荷电状态估计，则很难取得准确的估计结果。
技术实现思路
本专利技术目的是提供一种基于自适应模型的锂电池荷电状态估计装置及方法，能在不同的电池的老化状态下自动地调节锂电池等效电路模型的参数，从而提高锂电池荷电状态的估计精度。为实现上述技术目的，本专利技术采用如下技术方案：一种基于自适应电路模型的锂电池荷电状态估计方法，包括：步骤S1，建立锂电池的老化状态估计模型：对锂电池进行循环充放电实验，每次实验均提取恒流充电时间和恒压充电时间作为锂电池老化的先兆特征，建立先兆特征与锂电池老化状态的映射模型；步骤S2，每当锂电池循环充放电至预设的老化状态，均采用静置法进行放电，记录锂电池在放电减小至不同荷电状态时的端电压；当每种预设的老化状态均记录得到对应的所有端电压和荷电状态时，拟合计算锂电池的端电压、荷电状态以及老化状态这三者间的第一函数关系式；步骤S3，每当锂电池循环充放电至预设的老化状态，均对其进行HPPC试验，使用第一函数关系式获取当前老化状态、不同荷电状态时的端电压，以对锂电池的等效电路进行参数辨识；当所有预设的老化状态均记录得到不同的荷电状态对应的等效电路参数时，拟合计算锂电池的等效电路参数关于荷电状态和老化状态这三者间的第二函数关系式；步骤S4，根据待测锂电池的恒流充电时间和恒压充电时间，使用步骤S1建立的映射模型判断待测锂电池的老化状态；使用第二函数关系式，根据待测锂电池的老化状态得到其等效电路参数与荷电状态的映射关系；再基于电池荷电状态初值，以及等效电路参数与荷电状态的映射关系，根据等效电路的状态空间方程以及安时积分法，使用拓展卡尔曼滤波算法对待测锂电池的荷电状态进行估计所得到的锂电池的荷电状态SOC及输出端电压。在更优的技术方案中，步骤S1每次充电实验具体为：首先以1C的电流对锂电池进行恒流模式充电，当锂电池的电压达到额定电压后，再使用额定电压对锂电池进行恒压模式充电，直到充电电流下降到充电电流下限预设值时结束本次充电。在更优的技术方案中，使用支持向量机建立先兆特征与锂电池老化状态的映射模型。在更优的技术方案中，步骤S2采用静置法进行放电的具体过程为：取当前老化状态且满电量的锂电池，以0.3C的电流进行放电，每当放出的电量达到10％时，静置30分钟，记录此时的端电压作为OCV，荷电状态作为SOC，直到电量达到预设范围值时结束本次静置法放电。在更优的技术方案中，老化状态是指：设锂电池从初始至寿命终止的整个过程中可充放电的总次数为N，从初始至当前过程中已充放电的次数为l，将已充放电的次数l与可充放电的总次数N的比值作为老化状态的量化值。在更优的技术方案中，步骤S3对锂电池进行HPPC试验以对锂电池的等效电路进行参数辨识的过程为：(1)对锂电池进行恒流恒压充电，直到荷电状态SOC＝1；(2)以0.2C的电流对锂电池放电，直到荷电状态SOC＝0.9，静置30分钟；(3)对锂电池加载HPPC充放电脉冲：先将锂电池以1C的电流放电10秒，然后静置40秒，再以0.75C的电流对锂电池充电10秒；(4)将锂电池以0.2C的电流放电，直到荷电状态SOC降低0.1，静置30分钟；(5)将步骤(3)和步骤(4)重复8次，直到荷电状态SOC＝0.1；(6)将锂电池以1C的电流放电，直到锂电池的放电截止电压，静置30分钟；在参数辨识时，对锂电池等效电路中的内阻R0的计算公式如下：式中，V1为锂电池在加载HPPC充放电脉冲之前1秒瞬间的端电压，V2为锂电池在加载HPPC充放电脉冲开始瞬间的端电压，V3为锂电池在加载HPPC充放电脉冲结束瞬间的端电压，V4为HPPC锂电池在加载HPPC充放电脉冲结束之后1秒瞬间的端电压；对锂电池等效电路中的极化电阻和极化电容的辨识方法为：a1，将HPPC试验步骤(3)中放电结束后的40秒时间内，锂电池的端电压为两个RC网络的零输入电压响应，表示为：式中，UL(t)为锂电池的端电压，Uoc为锂电池的开路电压，U1(0)和U2(0)分别为电化学极化电阻R1和浓差极化电阻R2的端电压；由步骤S2采用静置法放电得到的锂电池端电压OCV即为锂电池在当前荷电状态的开路电压UOC；再根据该开路电压，结合测量得到的多个采样点的端电压UL(t)，即可采用最小二乘法拟合两个RC网络的零输入电压响应曲线，即可得到两个RC网络在当前荷电状态的时间常数τ1和τ2；a2，将HPPC试验步骤(3)中放电过程的10秒时间内，锂电池的端电压为两个RC网络的零状态电压响应，表示为：式中，I为充电电流，URC为电化学极化电阻R1和浓差极化电阻R2的端电压之和；锂电池在零状态响应时的电压为0，故URC通过测量端电压UL得到；然后根据时间常数τ1和τ2，以及测量得到的多个采样点的充电电流I和端电压UL，采用最小二乘法拟合两个RC网络在当前荷电状态的零状态电压响应曲线，即可求解得到两个RC网络在当前荷电状态的电化学极化电阻R1和浓差极化电阻R2；a3，再由时间常数与电阻之间的关系τ1＝R1C1、τ2＝R2C2，即可求解得到电化学极化电容C1和浓差极化电容C2。在更优的技术方案中，等效电路的状态空间方程以及安时积分法的计算公式为：式中，SOC(t)为待测锂电池在当前时刻t的估计值，SOC(0)为待测锂电池的初始荷电状态，IL(t)为待测锂电池的电流，U1和U2分别为待测锂电池的电化学极化电阻R1和浓差极化电阻R2的电压，UL为待测锂电池的负载端电压，QN为电池的额定容量；使用拓展卡尔曼滤波算法对待测锂电池的荷电状态进行估计所得到的锂电池的荷电状态SOC及输出端电压为：UL(k)＝UOC(SOC(k))-U1(k)-U2(k)-R0IL(k-1)+v(k)其中，T为采集锂电池的端电压及电流的采样周期，ω(k)是超级电容储能系统过程噪声，v(k)是采集锂电池的端电压及电流的测量噪声，QN为电池的额定容量。<本文档来自技高网...

【技术保护点】
1.一种基于自适应电路模型的锂电池荷电状态估计方法，其特征在于，包括：/n步骤S1，建立锂电池的老化状态估计模型：对锂电池进行循环充放电实验，每次实验均提取恒流充电时间和恒压充电时间作为锂电池老化的先兆特征，建立先兆特征与锂电池老化状态的映射模型；/n步骤S2，每当锂电池循环充放电至预设的老化状态，均采用静置法进行放电，记录锂电池在放电减小至不同荷电状态时的端电压；当每种预设的老化状态均记录得到对应的所有端电压和荷电状态时，拟合计算锂电池的端电压、荷电状态以及老化状态这三者间的第一函数关系式；/n步骤S3，每当锂电池循环充放电至预设的老化状态，均对其进行HPPC试验，使用第一函数关系式获取当前老化状态、不同荷电状态时的端电压，以对锂电池的等效电路进行参数辨识；当所有预设的老化状态均记录得到不同的荷电状态对应的等效电路参数时，拟合计算锂电池的等效电路参数关于荷电状态和老化状态这三者间的第二函数关系式；/n步骤S4，根据待测锂电池的恒流充电时间和恒压充电时间，使用步骤S1建立的映射模型判断待测锂电池的老化状态；使用第二函数关系式，根据待测锂电池的老化状态得到其等效电路参数与荷电状态的映射关系；再基于电池荷电状态初值，以及等效电路参数与荷电状态的映射关系，根据等效电路的状态空间方程以及安时积分法，使用拓展卡尔曼滤波算法对待测锂电池的荷电状态进行估计所得到的锂电池的荷电状态SOC及输出端电压。/n...

【技术特征摘要】
1.一种基于自适应电路模型的锂电池荷电状态估计方法，其特征在于，包括：
步骤S1，建立锂电池的老化状态估计模型：对锂电池进行循环充放电实验，每次实验均提取恒流充电时间和恒压充电时间作为锂电池老化的先兆特征，建立先兆特征与锂电池老化状态的映射模型；
步骤S2，每当锂电池循环充放电至预设的老化状态，均采用静置法进行放电，记录锂电池在放电减小至不同荷电状态时的端电压；当每种预设的老化状态均记录得到对应的所有端电压和荷电状态时，拟合计算锂电池的端电压、荷电状态以及老化状态这三者间的第一函数关系式；
步骤S3，每当锂电池循环充放电至预设的老化状态，均对其进行HPPC试验，使用第一函数关系式获取当前老化状态、不同荷电状态时的端电压，以对锂电池的等效电路进行参数辨识；当所有预设的老化状态均记录得到不同的荷电状态对应的等效电路参数时，拟合计算锂电池的等效电路参数关于荷电状态和老化状态这三者间的第二函数关系式；
步骤S4，根据待测锂电池的恒流充电时间和恒压充电时间，使用步骤S1建立的映射模型判断待测锂电池的老化状态；使用第二函数关系式，根据待测锂电池的老化状态得到其等效电路参数与荷电状态的映射关系；再基于电池荷电状态初值，以及等效电路参数与荷电状态的映射关系，根据等效电路的状态空间方程以及安时积分法，使用拓展卡尔曼滤波算法对待测锂电池的荷电状态进行估计所得到的锂电池的荷电状态SOC及输出端电压。


2.根据权利要求1所述的方法，其特征在于，步骤S1每次充电实验具体为：首先以1C的电流对锂电池进行恒流模式充电，当锂电池的电压达到额定电压后，再使用额定电压对锂电池进行恒压模式充电，直到充电电流下降到充电电流下限预设值时结束本次充电。


3.根据权利要求1所述的方法，其特征在于，使用支持向量机建立先兆特征与锂电池老化状态的映射模型。


4.根据权利要求1所述的方法，其特征在于，步骤S2采用静置法进行放电的具体过程为：取当前老化状态且满电量的锂电池，以0.3C的电流进行放电，每当放出的电量达到10％时，静置30分钟，记录此时的端电压作为OCV，荷电状态作为SOC，直到电量达到预设范围值时结束本次静置法放电。


5.根据权利要求1所述的方法，其特征在于，老化状态是指：设锂电池从初始至寿命终止的整个过程中可充放电的总次数为N，从初始至当前过程中已充放电的次数为l，将已充放电的次数l与可充放电的总次数N的比值作为老化状态的量化值。


6.根据权利要求1所述的方法，其特征在于，步骤S3对锂电池进行HPPC试验以对锂电池的等效电路进行参数辨识的过程为：
(1)对锂电池进行恒流恒压充电，直到荷电状态SOC＝1；
(2)以0.2C的电流对锂电池放电，直到荷电状态SOC＝0.9，静置30分钟；
(3)对锂电池加载HPPC充放电脉冲：先将锂电池以1C的电流放电10秒，然后静置40秒，再以0.75C的电流对锂电池充电10秒；
(4)将锂电池以0.2C的电流放电，直到荷电状态SOC降低0.1，静置30分钟；
(5)将步骤(3)和步骤(4)重复8次，直到荷电状态SOC＝0.1；
(6)将锂电池以1C的电流放电，直到锂电池的放电截止电压，静置30分钟；
在参数辨识时，对锂电池等效电路中的内阻R0的计算公式如下：



式中，V1为锂电池在加载HPPC充放电脉冲之前1秒瞬...

【专利技术属性】
技术研发人员：彭军，郑智勇，张晓勇，蒋富，刘伟荣，黄志武，李恒，杨迎泽，程亦君，王成龙，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43