[发明专利]一种基于滤波电流的电池SOC估计方法

说明书

技术领域

本发明涉及电池管理领域，尤其涉及一种电池SOC估计方法。

背景技术

电动汽车、离线式光伏发电系统、秱动设备、船舶、飞行器和卫星中都需要使用蓄电池作为电力来源。对电池荷电状态(state of charge，SOC)进行估计是使用者了解蓄电池当前状态、对系统剩余工作时间进行估算的重要依据，同时SOC估计也是电池管理领域的一项重要研究内容。

常用的SOC估计方法有以下几种：(1)放电实验法。通过恒流持续放电来计算SOC，常用于电池容量标定，无法应用于工作中的电池。(2)开路电压法。该方法根据开路电压来判断电池SOC，但开路电压在电池静置一段时间后才能达到稳定，故该方法同样不适用于工作中的电池。(3)安时计量法。通过SOC初值及电池电流对时间的积分来计算SOC，该方法要求有持续的电流值，并且SOC计算时存在累积误差。(4)卡尔曼滤波法和神经网络法。前者把影响SOC的因素作为系统噪声，采用卡尔曼最优滤波算法来对SOC进行递推；后者利用神经网络对曲线的强拟合能力进行SOC估算。这两种方法都是在安时计量法基础上提出的，同样需要初始SOC值，错误的先验信息容易导致算法不收敛。

在一些应用中，由于更换电芯、电磁环境恶劣使集成电路复位等原因，导致无法获取到初始SOC和连续记录的电池电流，故现有技术中的几种常用的SOC估计方法均不适用。

本发明将引用到非与利文献1：Tremblay O,Dessaint L A.Experimental validation of a battery dynamic model for EV applications[J].World Electric Vehicle Journal,2009,3:1-10。

发明内容

为了解决现有技术中问题，本发明提出了一种基于滤波电流的电池SOC估计方法，不需要SOC初值和全过程的电池电流值,可准确估计电池当前SOC。

本发明通过如下技术方案实现：

一种基于滤波电流的电池电荷状态SOC估计方法，包括以下步骤：

S1：建立电池动态模型，所述动态模型包括一阶滤波器，用于求取滤波电流；

S2：获取滤波电流i^*；

S3：利用曲面拟合方法，根据电池的放电曲线和内阻得到v_batt＝f(SOC,i,i^*)，其中，i^*是滤波电流，i是该时刻的电池电流；

S4：得到当前i,i^*下电池电压v_batt和电池SOC的关系

S5：动态生成当前i,i^*下v_batt随电池SOC变化的数据表；

S6：由插值法获取不同时刻的电池SOC。

进一步地，所述电池模型在放电和充电时的电压v_batt为：

其中，R为电池内阻，Q为电池最大容量，it为电池放电电量，与SOC相关，E₀、K、A、B为4个待定系数。

进一步地，所述步骤S2中，滤波电流i^*由4τ内的电流i得到。

进一步地，所述步骤S3中，利用曲面拟合方法求根据电池的放电曲线和内阻得到v_batt＝f(SOC,i,i^*)，具体为：利用曲面拟合方法，求得E₀、K、A、B。

进一步地，所述方法可推广到锂电池、铅酸电池、镍镉电池和镍氢电池。

本发明的有益效果是：本发明提出的基于滤波电流的电池SOC估计方法，可根据4τ内电池电流和当前电池电压估计电池的SOC，实现了对电池进行SOC估计。该方法有以下优点：(1)不需要SOC初值和历史SOC数据，因此不存在累积误差；(2)不需要全过程的电池电流值，只需要过去一段较短时间(4τ)内的电池电流值和当前电池电压，便可估计电池SOC；(3)适用于电池电流变化的复杂工况；(4)具有通用性。

附图说明

图1是本发明所使用的电池模型示意图；

图2是电池的放电曲线图；

图3是本发明的方法中对放电数据进行曲面拟合求参数示意图；

图4是放电电流为0.2C、0.5C、1C时本发明对放电数据进行曲面拟合求参数方法与文献1的方法比较图；