[发明专利]一种考虑温度和老化程度的电池安时积分SOC估计方法

说明书

本发明公开了一种考虑温度和老化程度的电池安时积分SOC估计方法，包括：考虑温度和老化程度对电池的初始值进行校正获得电池SOC初始值受温度和老化程度影响的校正系数；考虑老化程度影响对电池的最大可用容量进行校正获得最大可用容量受老化程度影响的校正系数；根据得到的校正系数，通过电流传感器实时检测和保存测得的电池充放电电流i_bat，通过安时积分基本算法，得到电池在不同温度和老化程度下电池SOC的变化情况，即校正的SOC估计表达式。考虑了电池温度和老化程度对SOC的影响，能够精确估计电池SOC初始值，同时解决了安时积分法存在的累计误差问题，提高了安时积分法SOC估计精度。

技术领域

本发明涉及动力电池技术领域，特别是涉及一种考虑温度和老化程度的电池安时积分SOC估计方法。

背景技术

目前锂离子动力电池因能量密度高，自放电率低，无记忆效应和单体电压高等优点，成为电动汽车最具吸引力的可充电电池之一。作为电动汽车的核心，动力电池是目前制约电动汽车规模发展的关键因素。与传统燃油汽车不同，电动汽车的能量来自动力电池，动力电池及其管理系统对整车的动力、安全运行和经济性等性能至关重要。

电池的荷电状态(state of charge，SOC)，是电动汽车运行过程中非常重要的一个参数指标，是判断电池剩余电量、防止电池过充过放和判断是否需要均衡等提高电池性能的重要依据，也是电池管理系统需要解决的关键技术之一。类似传统燃油汽车的油表，电池SOC反映了电池的剩余电量情况。但与传统燃油汽车的剩余油量检测方法不同，电池的剩余电量无法使用传感器直接测量得到，必须通过一些其他可测物理量(如电池端电压、充放电电流、电池温度等)并采用相应算法来间接估计。

现有SOC估计方法主要有放电法、开路电压法、电化学阻抗法、安时积分法、神经网络法、卡尔曼滤波法等，各种算法存在的问题如下：

放电法的SOC估计较为准确，但是需要大量实验数据，且不满足电动汽车在实际行驶中的在线估计要求，难以实际应用；开路电压法在充放电开始和结束阶段的SOC估计效果较好，但充放电过程中误差较大，且由于要预计开路电压，需要长时间静置电池组，这与电动汽车的应用矛盾，在实际中很少单独使用；电化学阻抗法在电池电量较低或较高时，SOC估计较为准确，而电量在中间段时由于交流阻抗变化较小导致SOC估计不准，而且阻抗受初始电量、温度、老化程度等影响较大而估算困难，在硬件上也难以实现，在实际应用中很少；神经网络法需要大量的数据做训练，易受训练数据和训练方法的影响，处理过程较为复杂；卡尔曼滤波法是目前研究比较多的算法，各种卡尔曼滤波优化算法的研究很多，但是神经网络和卡尔曼滤波法由于系统设置困难，在电池管理系统中应用时，成本很高而不具优势；安时积分法，又称为电流积分法或库伦计数，因方法简单、实用有效，是目前电动汽车应用最常用的SOC估计算法。安时积分法通过将电池电流对时间进行积分来计算电池的荷电状态，这种方法对于计算电池放出的电量有一定的准确度。然而，电池充放电内部的化学反应过程十分复杂，同时电池SOC易受温度、老化程度(循环次数)、电流倍率、自放电等众多因素的影响，导致动力电池的SOC准确估计难度很大，极具挑战性。目前安时积分法还没有解决电池初始SOC准确估计的问题，因为一旦环境温度改变，电池的可用容量和初始SOC都会改变。除此之外，电流积分法中若电流测量不准，也会造成SOC计算误差，且误差具有累积性，会随着时间的增加而逐渐增大。

综上所述，现有技术中对于动力电池的SOC精确估计问题，尚缺乏有效的解决方案。

发明内容

为了解决现有技术的不足，本发明提供了一种考虑温度和老化程度的电池安时积分SOC估计方法，该方法考虑了电池温度和老化程度对SOC的影响，能够更为精确地估计电池SOC初始值，并解决了安时积分法存在的累计误差问题，提高了安时积分法SOC估计精度。

一种考虑温度和老化程度的电池安时积分SOC估计方法，包括：

考虑温度和老化程度对电池的初始值进行校正获得电池SOC初始值受温度和老化程度影响的校正系数；