[发明专利]基于模型的蓄电池荷电状态估计方法

说明书

技术领域

本发明涉及电池技术领域，特别是涉及动力蓄电池荷电状态的估计。

背景技术

由于蓄电池具有工作可靠，便于携带的优点，用蓄电池做电源进行供电的方式得到了广泛的应用。如手机和笔记本电脑电池、汽车起动电池、汽车动力电池，卫星通讯电源和机器人电源等。人们不仅希望这些电池能提供可靠的电力供应，而且希望能随时了解电池的剩余电量，以便合理安排行程和充电时间，更好地发挥电池的可用容量。

电池剩余电量与电池额定容量之比称为电池的荷电状态（State of Charge，SOC），是进行电池管理的数据依据，一直是电池应用领域的研究热点。目前荷电状态估计方法包括开路电压方法、安时累计方法、神经网络方法及卡尔曼滤波方法等。其中开路电压方法由于需要断开电源进行测试，影响了其在线使用；安时累计方法由于需要不断累计充放电过程中的电流，即使是较小的电流测量误差，在长时间内也容易造成较大的误差，常需要结合其他方法如开路电压法来进行实施，且需要有合适的方法进行误差的校正；神经网络方法通常需要大量的试验数据对影响电池剩余容量的因素进行权重系数的训练，且需要覆盖具体使用范围，因此其使用也受到限制；卡尔曼滤波方法是在对系统输入输出特性基础上对系统进行参数包括电池荷电状态的估计，但由于在实际过程需要对系统噪声的统计特性进行假设，因此在具体应用中还需要对算法进行调整。

大量研究表明，引入电池的电路模型可以很好的解决这一问题。等效电路模型使用电容、电阻等基本电路元件构成电路来描述电池的工作特性。不但模型参数对电池的性能状态具有很好的表征作用，而且可以通过电池模型结合数学算法预估实时在线估计电池的荷电状态，具有较高的准确性。

发明内容

本发明的目的是提供一种动力蓄电池在线参数辨识和状态估计的方法。同时，设计了一套完整的流程，包括：数据采集、模型选取、参数辨识、仿真验证和状态估计5个环节，下面依次对各个环节进行说明。

1、数据采集

对电池模型参数辨识，需要采集电池的电流和电压信息作为模型的数据向量。考虑到电池在实车行驶中的动态变化，我们采用混合脉冲功率特性测试（Hybrid Pulse Power Characterization，简称HPPC）作为数据采集的动态实验。HPPC测试可以得到不同SOC下的放电功率，用于判断动力电池是否满足车辆的功率需求。

2、模型选取

常用的电池模型有：电化学模型、等效电路模型和神经网络模型等。其中，等效电路模型基于电池的动态特性，通过建立含有电压源、电阻和电容的电路来模拟电池的工作状态。

本方法选取的等效电路模型为二阶RC模型，该模型由一个电阻和两个RC模块组成，如附图1所示。其中，U_OC为理想电压源，表示电池的开路电压；R₀是电池欧姆内阻；R₁和R₂表示电池的极化内阻，C₁和C₂表示电池的极化电容，两个RC结构表示电池的极化反应；I是流经欧姆内阻R₀的电流；U是可测电池端电压。

3、参数辨识

本发明采用含遗传因子的最小二乘（Forgetting Factor Recursive Least Square，FFRLS）算法进行二阶RC模型参数辨识，就是将工作状态下的电池视为一个动态系统，电流I作为系统输入u，电压U作为系统输出y，对这样一个单输入单输出（Single Input Single Output，SISO）系统进行系统辨识，得到含有模型参数的差分方程系数，从而求得电池模型参数。具体解法如下：

如附图1所示的二阶RC模型的电路关系，可得频域下的状态方程：