[实用新型]一种动力电池荷电状态估计系统

说明书

技术领域

本实用新型涉及一种动力电池荷电状态估计系统，具体涉及一种电动车动力电池荷电状态估计系统，属于电动车动力电池技术领域。

背景技术

随着世界石油资源的日益枯竭，汽车、动力机车、大型工程机械车辆等的动力源将不得不逐步摆脱石油资源的束缚而采用一些新的能源驱动，动力电池，比如锂离子动力电池，因其具有高电压、高容量、循环性能好、循环寿命长、安全性能好和环保等优点而受到人们的青睐，成为动力源技术的主要发展方向之一。在便携式电子设备、电动汽车、空间技术、国防工业等多方面具有广阔的应用前景。

电池的荷电状态（state of charge，SOC），是电池状态的主要参数之一，其数值定义为电池的剩余容量占电池的总容量的比值。国内外通用的做法是把在一定温度下动力电池充电到不能够再吸收电量的状态定义为100%的SOC状态，而将动力电池不能够再放出电量的状态定义为0%的SOC状态。准确和可靠地获得电池的荷电状态是电池智能管理控制系统中最基本也是最首要的任务。但动力电池荷电状态因受到电池充放电率、温度、自放电率、老化寿命、电池的放电截止电压、内阻等多种因素的影响，很难对其做出准确估计。

目前，国内外在准确估计动力电池荷电状态方面已经做了不少研究。常见的估计算法有如下几种：

开路电压法，是利用电池的开路电压与电池的荷电状态的单调关系，通过建立剩余容量——开路电压之间的关系曲线，根据检测到的开路电压值确定电池的荷电状态，但该方法需要对电池长时间静置才能使测量结果准确，因而不适合应用在电动汽车实际行驶的情况下。

安时计量法，是目前应用最广泛、最简单易行的动力电池荷电状态估计方法，它是利用电流在一定时间段的积分来计算电池的剩余容量，进而获得电池的荷电状态。但该方法存在累积误差越来越大的问题，且不适宜于电池的在线估计。

模糊神经网络法用来估计动力电池荷电状态是一种很好的解决方案。但是，该方案有一个缺点就是需要大量的样本数据进行训练才能建好模糊神经网络模型，训练数据的不准确和训练方法的不恰当必然会对电池荷电状态的估计带来误差。

公开号为CN1945345，发明名称为“一种混合动力汽车电池余量检测装置及检测方法”，公开了一种动力电池荷电状态的检测装置及检测方法，所述检测装置包括电池组，电压检测电路、温度检测电路以及电流检测电路与电池组连接，测量电池组的电压、电流、温度数据，数据采集模块与所述电压、温度、电流检测电路连接，采集所述电压、电流、温度数据输入CPU中央控制器，负载模块输入端与所述电池组连接，输出端与所述CPU中央控制器连接，所述CPU中央控制器接收所述电压、电流温度数据以及负载模块的输出数据，输出电池荷电状态的估计值。但这种检测装置，缺乏对噪声进行抑制的必要装置，因此得到的电池荷电状态的估计值受噪声的影响比较大，不够准确。并且该方案对动力电池荷电状态进行估计时，需要动力电池处于静止状态，显然，这种估计动力电池荷电状态的方案不适用于纯电动汽车的实际行驶情况。

实用新型内容

本实用新型所要解决的技术问题是现有技术中在动力电池荷电状态的估计过程中，缺少对噪声进行有效抑制的装置，误差较大，且不适用于纯电动汽车实际行驶的情况，从而提供一种能够有效抑制噪声，输出的动力电池荷电状态的估计值更为准确，且适用于纯电动汽车实际行驶情况的动力电池荷电状态估计系统。

为解决上述技术问题，本实用新型是通过以下技术方案实现的：

本实用新型所述的一种动力电池荷电状态估计系统，包括：

电动车加速踏板、脉冲激励单元、采集单元、电池管理系统和CAN总线实时监控系统；

所述电动车加速踏板与所述脉冲激励单元的输入端连接，所述脉冲激励单元的输出端与动力电池的输入端连接；所述电动车加速踏板被踩下时，所述电动车加速踏板控制所述脉冲激励单元的输出端向所述动力电池的输入端输入脉冲电流激励；

所述采集单元从所述动力电池的输出端采集所述动力电池的电压数据和电流数据；

所述电池管理系统接收所述采集单元采集到的所述电压数据和电流数据，输出电池荷电状态的估计值；

所述CAN总线实时监控系统的输入端与所述电池管理系统的输出端连接，用于监控显示所述电池管理系统输出的动力电池荷电状态的估计值。