[发明专利]一种基于卡尔曼滤波的自校正电池SOC估算方法

说明书

技术领域

本发明涉及一种电池SOC估算方法，可以实现针对动力电池使用过程中的电池荷电状态的估算，并利用卡尔曼滤波（Kalman）算法进行校正调整。

背景技术

BMS（Battery Manage System）中荷电状态SOC（State Of Charge）是用来描述动力电池的剩余电量，其值的大小直接反映出动力电池所处的状态，是保证动力电池管理系统正常运行的前提。有效的BMS不仅有助于提高电池的循环使用寿命，而且系统中各个功能的实现，都是建立在正确地判断荷电状态SOC基础上的，因而，精准的SOC估算是建立BMS中最基本和最首要的任务。伴随着防止因不恰当使用导致电池损害、提高循环使用寿命、节约使用成本、避免因剩余电量不足而不能够提供动力等问题的提出，SOC能否正常进行精确估算，将直接影响到动力电池效率的发挥，因此，SOC精准估算问题已成为当今电池管理系统领域中电池研究人员及电池使用者共同关注并投入大量精力研究的一个热点和难点课题。

发明内容

为了克服现有技术的缺点，本发明提供一种基于卡尔曼滤波的自校正电池SOC估算方法，可以很好的克服了安时积分方法随着时间的推移出现的误差累积效应，它对于电池初始时刻的SOC值的精确度要求不高，可以在初始误差很大的情况下，很快的将SOC值收敛到真实值附近。

本发明解决其技术问题所采取的技术方案是：包括下列步骤：（1）、初始化状态真实值，初始化状态估计值，状态真实值可根据开路电压法确定；（2）、利用安时积分法的SOC计算式，作为Kalman滤波算法中状态方程，计算X_k+1；（3）、观察方程计算真实值Y_k+1；（4）、通过Kalman递推原理，不断对当前时刻SOC值进行修正（该过程包括计算先验估计误差、计算Kalman增益、计算校正预估值、计算最优估计误差），使估算值逐渐逼近真实值；（5）、根据一定的标准（如：SOC值低于10%时），结束Kalman的递推过程。

本发明具有下列优点：1）、有效解决开路电压法、安时积分法等传统单一方法估算SOC存在的弊端；2）、不断对电池总容量和可用容量进行校正，可有效弥补SOC估算中初始误差和累积误差的优点；3）、通过高速网络通讯，实现上位机实时的监控，并通过监控到的估算结果进行实时校正。

具体实施方式

根据卡尔曼滤波算法思想，将电池看成动力系统，则电池模型的一般数学形式如下所示，SOC是系统的一个内部状态。系统的输入向量为U_k，包含电池电流、温度、内阻和剩余容量等变量，系统的输出为电池的工作电压，电池SOC包含在系统的状态量X_k中。

状态方程：X_k+1=A_kX_k+B_kU_k+W_k=f(X_k,U_k)+W_k

观测方程：Y_k+1=C_kX_k+V_k=g(X_k,U_k)+V_k

其中在状态方程中引用安时积分法，其数学表达式如下：

SOC(t)=SOC(t0)-ηQ0∫0tIdt]]>

实现Kalman（卡尔曼滤波）仿真步骤如下:

(1)初始化状态真实值，初始化状态估计值，状态真实值可根据开路电压法确定。

(2)利用安时积分法的SOC计算式，作为Kalman滤波算法中状态方程，计算X_k+1。

(3)观察方程计算真实值Y_k+1