[发明专利]电池组荷电状态SOC估计方法及估计系统

说明书

技术领域

本发明涉及电池技术领域，具体地涉及一种电池组荷电状态SOC估计方法及估计系统。

背景技术

荷电状态(State-of-Charge，SOC)是电池的关键参数之一，SOC体现了电池组的剩余电量。

现有技术发表的电池SOC评估方法一般基于在SOC与可测量的参数，例如电池模块、或者电池组电压、电流、以及温度之间不精确的相关性。电池运行中所涉及的过程的复杂性使得SOC评估易于出错。

随着电动汽车的迅速发展，锂电池作为其主流动力来源则备受关注。荷电状态，是用户评估当前电动汽车续航里程的直接参数。

目前电动汽车电池管理系统(Battery Management System，BMS)主要采用安时积分法来对电池组的SOC进行估计，并辅以开路电压和充放电末端电压的校正，实现锂电池的SOC估计。对于这种方式，一方面安时积分法中的电流偏差导致的SOC误差难以解决，另一方面在使用电压校正时，如果SOC偏差较大，会造成SOC的跳变，给用户带来SOC不准的误判。同时，SOC一般在充放电末期进行校准，SOC在放电末期的跳变会导致用户对电动汽车剩余续驶里程的误判，造成电动汽车在半路“趴窝”，给用户带来不便，制约电动汽车产业的发展。

发明内容

本发明实施例的目的是提供一种电池组荷电状态SOC估计方法及估计系统，该方法改善SOC跳变现象，提高SOC估计的准确性。

为了实现上述目的，本发明实施例提供一种电池组荷电状态SOC估计方法，该方法包括：基于安时积分法获取所述电池组荷电状态估计值SOC1；根据所述SOC1，基于扩展卡尔曼滤波算法获取所述电池组荷电状态估计值SOC2，并使电池组荷电状态SOC期望值与所述SOC2相一致；以及显示所述SOC1，并使所述SOC1收敛到所述SOC期望值。

可选的，该方法还包括：判断所述电池组的当前状态；其中，在所述电池组的当前状态为放电状态的情况下，将所述电池组中基于扩展卡尔曼滤波算法获取的各个电池单体的荷电状态估计值SOC中的最低者作为SOC2；以及在所述电池组的当前状态为充电状态的情况下，将所述电池组中基于扩展卡尔曼滤波算法获取的各个电池单体的荷电状态估计值SOC中的最高者作为SOC2。

可选的，其中，基于安时积分法获取所述电池组荷电状态估计值SOC1包括：根据如下公式计算所述电池组荷电状态估计值SOC1：

其中，SOC(t)是t时刻的瞬时荷电状态；SOC(0)为荷电状态初始值；η为充放电倍率对电池容量的影响，常设为1；i(t)是t时刻电池的测量电流；C₀为电池的额定容量。

可选的，基于扩展卡尔曼滤波算法获取所述电池组中各个电池单体的荷电状态估计值SOC包括：采用如下公式表示电池单体电压与SOC的关系：

E(t)＝E₀-R₀i(t)-K₀/SOC(t)-K₁SOC(t)+K₂ln(SOC(t))+K₃ln(1-SOC(t)) (2)

对公式(1)和公式(2)进行离散化，根据离散化后的式(1)计算SOC，代入离散化后的式(2)得到电池单体端电压，与测量的电池单体电压进行比较，计算差值，根据差值反推出SOC的变化，对SOC进行修正，计算各个电池单体的SOC；

其中，

E(t)是电池单体t时刻的端电压；

E₀是电池单体充满电后的空载电压；

R₀是电池单体的欧姆内阻；

K₀、K₁、K₂和K₃是测量得到的待辨识参数，用来表征电池单体的极化内阻。

可选的，在所述电池组的当前状态为上电静置状态，且静置时间大于或等于设定值的情况下，测量所述电池组的开路电压，根据开路电压校准下电前保存的SOC1。

另一方面，本发明提供一种电池组荷电状态SOC估计系统，该系统包括：计算模块，基于安时积分法获取所述电池组荷电状态估计值SOC1，和根据所述SOC1，基于扩展卡尔曼滤波算法获取所述电池组荷电状态估计值SOC2；处理模块，用于使电池组荷电状态SOC期望值与所述SOC2相一致；以及显示模块，用于显示所述SOC1；其中，所述处理模块还被配置成：使所述SOC1收敛到所述SOC期望值。