一种基于粒子滤波算法的锂电池SOC估算方法与系统技术方案

本发明专利技术提供了一种基于粒子滤波算法的锂电池SOC估算方法与系统，其中该方法包括：根据锂电池内部电路构建等效电路模型；对所述锂电池的OCV曲线进行拟合得到等效电路模型中锂电池的开路电压；使用人工蜂群算法对等效电路模型的参数进行辨识得到最优阻抗参数；根据所述最优阻抗参数使用粒子滤波算法对锂电池的SOC值进行估算。本发明专利技术通过构建等效电路模型，并使用人工蜂群算法实现等效电路模型参数的辨识，可以在获得精准的模型参数基础上，采用粒子滤波算法对锂电池的SOC值进行估算，不仅简化了计算过程，还可以得到准确的估算结果。还可以得到准确的估算结果。还可以得到准确的估算结果。

【技术实现步骤摘要】
一种基于粒子滤波算法的锂电池SOC估算方法与系统


[0001]本专利技术属于电池SOC估算
，更具体地说，是涉及一种基于粒子滤波算法的锂电池SOC估算方法与系统。

技术介绍

[0002]随着能源紧缺和全球环境恶化的问题日益严峻，开发新能源等节能减排技术已经引起了全世界各国的关注。目前，具有自放电小、能量密度高和循环寿命长等优异性能的锂电池现已在光伏储能电站、电动汽车、通讯等领域得到广泛的应用。而为了满足应用对象的性能需求，通常将多块锂电池进行串并联组合，从而增大输出电压、输出电流及容量，但是这也给电池增加了安全隐患，在电池实际运行过程中，常常伴随着过充、过放、过热以及电池不一致性等问题的产生，导致电池的使用效率降低和电池的使用寿命缩短，且随着电池循环次数的增加，电池不一致性的问题会越来越明显，对于上述状况需要采取相应的措施进行应对。通常，借助电池管理系统实现对电池的均衡管理和荷电状态(state of charge，SOC)、健康状态(state of health，SOH)的估算。其中，锂电池SOC是评估电池剩余可用能量的重要指标之一，快速准确的评估锂电池SOC可以防止由于电池过充过放等导致的永久性内部恶化现象的发生，提升锂电池的安全性。
[0003]同时，由于锂电池内部存在复杂的物理化学反应，且在SOC的估算过程中受到电流、电压、温度等多个因素的影响，很难通过直接检测得到电池SOC值，只能通过这些影响因素进行推算间接得到，而电流、电压等参数在锂电池的实际运行过程中会不断发生变化，因此实时估算锂电池的SOC值非常困难，如何实现锂电池SOC值在线精确的估算成为锂电池技术的一大难点。
[0004]目前，国内外研究电池SOC值的获取方法主要是从电池内部和电池外部两个方面入手，电池内部入手主要是通过对电池内部机理的研究，基于物质能量守恒定律结合电池的物理性质计算电池的剩余电量。从电池外部入手则是需要构建数学模型，在获取电池运行状态下外部输入参数的基础上，借助相应的算法对电池的SOC值进行估算。有学者利用开路电压法准确估算出电池的SOC，操作方法简单，但是该方法在估算过程中需要将电池进行长时间的静置，不能对电池SOC进行在线估算。而安时积分法也可以在较短的时间内获取准确的电池SOC值，但是由于难以获取准确的SOC初始值，该方法在估算过程中会出现误差累计。另有学者使用改进的粒子滤波算法估算电池的SOC值，但该方法在粒子重采样阶段，仅仅根据权值和阈值大小的对比对粒子进行重排，忽略了粒子集枯竭现象，从而对锂电池SOC的估算精度造成影响。

技术实现思路

[0005]本专利技术的目的在于提供一种基于粒子滤波算法的锂电池SOC估算方法与系统，旨在解决现有对锂电池SOC的估算精度低的问题。
[0006]为实现上述目的，本专利技术采用的技术方案是：
[0007]一种基于粒子滤波算法的锂电池SOC估算方法，包括以下步骤：
[0008]步骤1：根据锂电池内部电路构建等效电路模型；
[0009]步骤2：对所述锂电池的OCV曲线进行拟合得到等效电路模型中锂电池的开路电压；
[0010]步骤3：使用人工蜂群算法对等效电路模型中作为输出参数的锂电池的端电压进行辨识，得到最优阻抗参数；
[0011]步骤4：根据所述最优阻抗参数，使用粒子滤波算法对锂电池的SOC值进行估算。
[0012]优选的，所述步骤1中等效电路模型的微分方程为：
[0013][0014]式中，R1表示电化学极化的电阻，R2表示浓差极化的电阻，C1表示电化学极化的电容，C2表示浓差极化的电容，R0表示欧姆内阻，U
t
表示端电压，U1表示电化学极化电压，U2表示浓差极化电压，U
oc
表示开路电压，I表示锂电池工作电流。
[0015]优选的，所述步骤3：使用人工蜂群算法对等效电路模型的参数进行辨识得到最优阻抗参数，包括：
[0016]步骤3.1：确定人工蜂群算法的输入/输出参数；其中，锂电池的工作电流作为输入参数并视为侦察蜂，锂电池的端电压作为输出参数并视为最优蜜源；
[0017]步骤3.2：使用侦察蜂在近邻搜索蜜源；
[0018]步骤3.3：根据蜜源花蜜量所对应的适应度函数判断蜜源的好坏，并确定出最优蜜源位置；
[0019]步骤3.4：根据最优蜜源位置得到最优阻抗参数。
[0020]优选的，所述步骤3.2：使用侦察蜂在近邻搜索蜜源，包括：
[0021]采用公式：
[0022][0023]在近邻搜索蜜源；其中，x
id
＝[R
0 R
1 R
2 C
1 C2]T
，为[
‑
1，1]的随机数，i＝k+1(k＝1，2，
…
，99)，k表示一个不等于i的蜜源，d＝1，2，
…
，5，id表示当前蜜源的的位置，x
kd
表示已选择的蜜源附近的蜜源，x
′
id
表示选择的蜜源。
[0024]优选的，所述适应度函数为：
[0025][0026]其中，e
k
表示适应度函数，表示模型端电压，U
t
表示实测的端电压。
[0027]优选的，所述步骤4：根据所述最优阻抗参数使用粒子滤波算法对锂电池的SOC值进行估算，包括：
[0028]步骤4.1：根据锂电池的SOC值，初始化粒子数和粒子权重；
[0029]步骤4.2：对每一个粒子的权重进行更新并归一化，得到归一化后的粒子权重；
[0030]步骤4.3：对每一个粒子进行重采样，得到新的粒子集；
[0031]步骤4.4：使用状态方程对锂电池的SOC进行估算，得到估算完成的SOC值。
[0032]优选的，所述状态方程表达式为：
[0033][0034]其中，v
k
表示系统的观测噪声，w
k
表示系统的过程噪声，Δt表示系统的采样周期，x
k+1
表示粒子的下一个状态，i
k
表示放电电流，η
i
表示放电效率，η
T
表示充电效率，η
n
表示转换效率，Q
n
表示电池的额定容量，y
k+1
表示状态观测值，K0、k1、k3、k4表示常数项系数，R表示电池电阻值，n表示电池循环次数。
[0035]本专利技术还提供了一种基于粒子滤波算法的锂电池SOC估算系统，包括：
[0036]等效电路模型构建模块，用于根据锂电池内部电路构建等效电路模型；
[0037]曲线拟合模块，用于对所述锂电池的OCV曲线进行拟合得到等效电路模型中锂电池的开路电压；
[0038]参数辨识模块，用于使用人工蜂群算法对等效电路模型的参数进行辨识得到最优阻抗参数；
[0039]SOC值估算模块，用于根据所述最优阻抗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒子滤波算法的锂电池SOC估算方法，其特征在于，包括以下步骤：步骤1：根据锂电池内部电路构建等效电路模型；步骤2：对所述锂电池的OCV曲线进行拟合，得到等效电路模型中锂电池的开路电压；步骤3：使用人工蜂群算法对等效电路模型中作为输出参数的锂电池的端电压进行辨识，得到最优阻抗参数；步骤4：根据所述最优阻抗参数，使用粒子滤波算法对锂电池的SOC值进行估算。2.如权利要求1所述的一种基于粒子滤波算法的锂电池SOC估算方法，其特征在于，所述步骤1中基于双极化(DP)等效电路模型的微分方程为：式中，R1表示电化学极化的电阻，R2表示浓差极化的电阻，C1表示电化学极化的电容，C2表示浓差极化的电容，R0表示欧姆内阻，U
t
表示端电压，U1表示电化学极化电压，U2表示浓差极化电压，U
oc
表示开路电压，I表示锂电池工作电流。3.如权利要求1所述的一种基于粒子滤波算法的锂电池SOC估算方法，其特征在于，所述步骤3：使用人工蜂群算法对等效电路模型的参数进行辨识得到最优阻抗参数，包括：步骤3.1：确定人工蜂群算法的输入/输出参数；其中，锂电池的工作电流作为输入参数并视为侦察蜂，锂电池的端电压作为输出参数并视为最优蜜源；步骤3.2：使用侦察蜂在近邻搜索蜜源；步骤3.3：根据蜜源花蜜量所对应的适应度函数判断蜜源的好坏，并确定出最优蜜源位置；步骤3.4：根据最优蜜源位置得到最优阻抗参数。4.如权利要求3所述的一种基于粒子滤波算法的锂电池SOC估算方法，其特征在于，所述步骤3.2：使用侦察蜂在近邻搜索蜜源，包括：采用公式：在近邻搜索蜜源；其中，x
id
＝[R
0 R
1 R
2 C
1 C2]
T
，为[
‑
1,1]的随机数，i＝k+1(k＝1,2,
…
,99)，k表示一个不等于i的蜜源，d＝1,2,
…
,5，id表示当前蜜源的位置，x
kd
表示已选择的蜜源附近的蜜源，x'
id
表示选择的蜜源。5.如权利要求3所述的一种基于粒子...

【专利技术属性】
技术研发人员：李妍，梁惠施，郑嘉琪，周奎，汪德成，诸晓骏，张群，王琼，史梓男，贡晓旭，廖星媛，王姿尧，
申请(专利权)人：清华四川能源互联网研究院国网江苏电力设计咨询有限公司，
类型：发明
国别省市：