基于安时积分参考补偿的磷酸铁锂电池制造技术

基于安时积分参考补偿的磷酸铁锂电池

【技术实现步骤摘要】
基于安时积分参考补偿的磷酸铁锂电池SOC估计方法


[0001]本专利技术涉及基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，属于电池荷电状态估计

。

技术介绍

[0002]锂电池由于安全性高
、
循环寿命长
、
能量密度高而在电动汽车
、
储能电站
、
电磁弹射等领域得到了大量运用
。
[0003]荷电状态
(State of Charge,SOC)
是电池管理系统的指标之一，能够反映电池剩余使用容量
。
应用于电动汽车时，锂电池
SOC
与汽车行驶里程直接相关，因此准确估计锂电池
SOC
具有重要意义
。
但锂电池
SOC
不能直接测量，需要通过相应的算法实现其在线估计
。
[0004]目前，锂电池荷电状态估计方法主要有开环方法
、
数据驱动方法和基于模型的状态估计方法
。
开环方法实现简单，应用广泛，但开环方法不具有反馈环节，无法消除
SOC
初始误差和电流累积误差带来的影响，估计精度不高；数据驱动方法具有自学习和自适应的特性，以电池额定容量
、
电压
、
电流和温度等参数作为输入，以
SOC
作为输出，能够描述复杂非线性系统的特征；然而，该方法的准确性依赖于输入参数
、
训练数据的数量和质量；基于模型的状态估计方法主要是卡尔曼滤波器及其衍生滤波器，考虑到锂电池的非线性特性，许多适用于非线性系统的状态估计算法，如扩展卡尔曼滤波
(extended Kalman filter,EKF)、
无迹卡尔曼滤波
(unscented Kalman filter,UKF)、
粒子滤波
(particle filter,PF)
被提出以提高锂电池
SOC
的估计准确性
。
这些算法假设其过程噪声和测量噪声为相互独立的高斯白噪声，但实际情况下噪声往往为不规则噪声
。
于是许多噪声自适应算法，如自适应
EKF、
自适应
UKF、
自适应
PF
等被相应提出以减弱不规则噪声的影响
。
锂电池参数会随着电池温度
、
放电倍率
、
老化等因素的变化受到影响，因此采用定参数或离线方式得到的参数可能并不符合实际
。
于是，双扩展卡尔曼滤波
、
双无迹卡尔曼滤波等被提出以提升
SOC
估计精度
。
[0005]基于模型的状态估计算法主要关注模型准确性和算法准确性，忽略了电压测量噪声对估计精度的影响
。
磷酸铁锂电池的开路电压十分平坦，很小的电压误差即会产生较大的
SOC
估计误差
。
当存在较大电压采样误差时，采用卡尔曼滤波算法估计磷酸铁锂电池
SOC
会存在较大误差
。

技术实现思路

[0006]针对较大电压采样误差下，采用卡尔曼滤波算法估计磷酸铁锂电池
SOC
的结果不可靠的问题，本专利技术提供一种基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法
。
[0007]本专利技术的一种基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，包括，
[0008]步骤一：根据磷酸铁锂电池的等效电路模型，构建磷酸铁锂电池的离散状态空间方程组；
[0009]步骤二：采用安时积分法计算磷酸铁锂电池在各采样时刻的
SOC
值；
[0010]同时，采用
EKF
‑
AUKF
算法计算磷酸铁锂电池在各采样时刻的
SOC
值，包括采用
EKF
算法辨识等效电路模型的实时等效电路参数，再采用
AUKF
算法基于实时等效电路参数更新后的离散状态空间方程组计算磷酸铁锂电池在各采样时刻的
SOC
值；再将得到的
SOC
值和卡尔曼增益反馈给
EKF
算法作为下一采样时刻辨识等效电路模型的实时等效电路参数的基础；
[0011]步骤三：将安时积分法
SOC
值计算结果作为参考值，选择
100s
时刻的
EKF
‑
AUKF
算法
SOC
值与安时积分法
SOC
值作差，得到的结果作为恒定偏差；
[0012]步骤四：以
100s
时刻为起点，将其后每个采样时刻的
EKF
‑
AUKF
算法
SOC
值与安时积分法
SOC
值作差得到初步差值；再将初步差值与恒定偏差作差得到结果的绝对值作为
EKF
‑
AUKF
算法
SOC
值与
SOC
真值的近似偏差值；
[0013]步骤五：设定偏差阈值；
[0014]若当前近似偏差值小于偏差阈值，则将当前
EKF
‑
AUKF
算法
SOC
值作为当前磷酸铁锂电池的
SOC
估计结果；
[0015]若当前近似偏差值大于或等于偏差阈值，再根据
EKF
‑
AUKF
算法
SOC
值与预设分界值的比较结果，采用不同的权重系数，基于当前安时积分法
SOC
值对当前
EKF
‑
AUKF
算法
SOC
值进行补偿，将补偿结果作为当前磷酸铁锂电池的
SOC
估计结果
。
[0016]根据本专利技术的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，步骤一中，磷酸铁锂电池的等效电路模型的输入输出关系为：
[0017][0018]式中
U1为电池反应极化内阻端电压，
R1为电池反应极化内阻，
C1为电池反应极化电容，
I
为电池电流，
U2为电池浓差极化内阻端电压，
R2为电池浓差极化内阻，
C2为电池浓差极化电容，
U
t
为电池端电压，
U
oc
为电池开路电压，
R0为电池欧姆内阻
。
[0019]根据本专利技术的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，步骤一中，构建的磷酸铁锂电池的离散状态空间方程组为：
[0020]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，其特征在于包括，步骤一：根据磷酸铁锂电池的等效电路模型，构建磷酸铁锂电池的离散状态空间方程组；步骤二：采用安时积分法计算磷酸铁锂电池在各采样时刻的
SOC
值；同时，采用
EKF
‑
AUKF
算法计算磷酸铁锂电池在各采样时刻的
SOC
值，包括采用
EKF
算法辨识等效电路模型的实时等效电路参数，再采用
AUKF
算法基于实时等效电路参数更新后的离散状态空间方程组计算磷酸铁锂电池在各采样时刻的
SOC
值；再将得到的
SOC
值和卡尔曼增益反馈给
EKF
算法作为下一采样时刻辨识等效电路模型的实时等效电路参数的基础；步骤三：将安时积分法
SOC
值计算结果作为参考值，选择
100s
时刻的
EKF
‑
AUKF
算法
SOC
值与安时积分法
SOC
值作差，得到的结果作为恒定偏差；步骤四：以
100s
时刻为起点，将其后每个采样时刻的
EKF
‑
AUKF
算法
SOC
值与安时积分法
SOC
值作差得到初步差值；再将初步差值与恒定偏差作差得到结果的绝对值作为
EKF
‑
AUKF
算法
SOC
值与
SOC
真值的近似偏差值；步骤五：设定偏差阈值；若当前近似偏差值小于偏差阈值，则将当前
EKF
‑
AUKF
算法
SOC
值作为当前磷酸铁锂电池的
SOC
估计结果；若当前近似偏差值大于或等于偏差阈值，再根据
EKF
‑
AUKF
算法
SOC
值与预设分界值的比较结果，采用不同的权重系数，基于当前安时积分法
SOC
值对当前
EKF
‑
AUKF
算法
SOC
值进行补偿，将补偿结果作为当前磷酸铁锂电池的
SOC
估计结果
。2.
根据权利要求1所述的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，其特征在于，步骤一中，磷酸铁锂电池的等效电路模型的输入输出关系为：式中
U1为电池反应极化内阻端电压，
R1为电池反应极化内阻，
C1为电池反应极化电容，
I
为电池电流，
U2为电池浓差极化内阻端电压，
R2为电池浓差极化内阻，
C2为电池浓差极化电容，
U
t
为电池端电压，
U
oc
为电池开路电压，
R0为电池欧姆内阻
。3.
根据权利要求2所述的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，其特征在于，步骤一中，构建的磷酸铁锂电池的离散状态空间方程组为：式中
z
k+1
为采用
EKF
‑
AUKF
算法得到的
k+1
时刻
SOC
值，
z
k
为采用
EKF
‑
AUKF
算法得到的
k
时刻
SOC
值，
η
为库伦效率，
Δ
t
为采样间隔时间，
C
n
为电池最大可用容量；
U
1,k+1
为
k+1
时刻的
U1，
α1为电池反应极化时间指数，
α1＝
exp(
‑
Δ
t/R1C1)
，
U
1,k
为
k
时刻的
U1，
U
2,k+1
为
k+1
时刻的
U2，
α2为电池浓差极化时间指数，
α2＝
exp(
‑
Δ
t/R2C2)
，
U
2,k
为
k
时刻的
U2，
I
k
为
k
时刻的
I
，
w
k
为
k
时刻
过程噪声，
U
t,k
为
k
时刻
U
t
，
U
oc,k
为
k
时刻
U
oc
，
v
k
为
k
时刻测量噪声
。4.
根据权利要求3所述的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，其特征在于，步骤二中，采用安时积分法计算磷酸铁锂电池在各采样时刻的
SOC
值的方法包括：
z
Ah,k+1
＝
z
Ah,k
‑
η
I
k
Δ
t/C
n
， (3)
式中
z
Ah,k+1
为采用安时积分法得到的
k+1
时刻
SOC
值，
z
Ah,k
为采用安时积分法得到的
k
时刻
SOC
值
。5.
根据权利要求3所述的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，其特征在于，步骤二中，采用
EKF
‑
AUKF
算法计算磷酸铁锂电池在各采样时刻的
SOC
值的方法包括：首先，构建状态空间方程描述等效电路参数的变化特性：将
k
时刻等效电路模型中的等效电路参数表示为电路参数向量
θ
k
：
θ
k
＝
[R
0 R
1 C
1 R
2 C2]
T
， (4)
将等效电路参数看作存在扰动的常数，得到状态空间方程：式中为
k+1
时刻的电路参数向量估计值，为
k
时刻的电路参数向量估计值，
r
k
为
k
时刻的白噪声，白噪声
r
k
符合高斯分布符合高斯分布是
r
k
的误差协方差矩阵；式中
d
k
表示
k
时刻电池端电压
U
t,k
，
g(x
k
,u
k
,
θ
k
)
表示包含参数的测量方程
U
oc,k
‑
U
1,k
‑
U
2,k
‑
I
k
R0，
x
k
作为状态向量，表示采用
EKF
‑
AUKF
算法得到的
k
时刻
SOC
值
z
k+1
、U
1,k+1
和
U
2,k
；
u
k
表示
k
时刻电池电流
I
k
，
λ
k
表示
k
时刻测量噪声，测量噪声
λ
k
符合高斯分布符合高斯分布是
λ
k
的误差协方差矩阵
。6.
根据权利要求5述的基于安时积分参考补偿的磷酸铁锂电池
SOC
估计方法，其特征在于，步骤二中，构建状态空间方程
(5)
后，进行各采样时刻的
SOC
值的计算：一：初始化：
1、
初始化参数向量和参数向量的误差协方差：初始化参数向量和参数向量的误差协方差：式中为电路参数向量初始估计值，
θ0为电路参数向量初始值，
E
表示求均值；为参数向量的初始误差协方差；

【专利技术属性】
技术研发人员：段建东，王露霄，孙东阳，李益甲，赵方，肖倩，赵克，孙力，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：