[发明专利]一种电池参数估计系统

说明书

本发明公开了一种电池参数估计系统，包括充放电模块、数据采集模块、数据处理与控制模块、显示模块；待测试电池固定在夹具中同时将其正负极与充放电模块电连接，所述数据采集模块用于将采集的电池放电过程中的数据送入到数据处理与控制模块中，所述数据处理与控制模块与显示模块连接。本发明的优点在于：对电池的模型进行参数估计，可以计算模型对应的参数信息，方便工程人员对于电池的参数进行分析，为下一步的电量估计等研究奠定基础；且结构紧凑、测试过程方便快捷，自动化程度高。

技术领域

本发明涉及电池测量领域，特别涉及一种电池参数估计系统。

背景技术

锂电池由于体积小、重量轻、无记忆效应、绿色环保等优势而得到了广泛应用；尤其是在电动汽车、风光储能等国家重点扶持的新能源领域，锂电因其自身的技术优势和产业链成熟，已成为当仁不让的首选。

锂电池在工作过程中的电量估计(SOC)是锂电应用技术的一个关键问题和难点。只有精确的SOC估计才能预测电池的工作时间与充电状态，避免电池过放电与过充电；同时SOC也是制定高精度均衡策略的依据，比基于端电压的均衡策略更具科学合理性。

电池的可用电量受到工作电流、温度、老化等因素的制约，因此高精度的SOC估计是一个十分困难的问题。传统的SOC估计方法有端电压法和电流积分法，端电压法是利用电池的稳定态开路电压估计SOC，一般只用于电量初值的估计，难以实时估计电量；电流积分法通过对工作电流的实时积分估算电量变化值，其精度受电流传感器影响较大，且由于初值估计的影响精度受到限制。

目前比较准确的SOC估计方法为扩展卡尔曼滤波法。卡尔曼滤波是根据线性系统以前时刻的状态通过递推来估算当前时刻的状态值。锂电池这种复杂的非线性系统可以先通过偏导矩阵近似线性化，然后再结合卡尔曼滤波进行SOC估计，故称之为扩展卡尔曼滤波(EKF)。锂电池是一个动态系统，其输出是内部综合当前时刻之前所有时刻的累积的结果，因此我们可将电池的电流、工作温度等参数作为系统输入，SOC作为状态参量，电池电压作为输出，通过选择合理的电池模型建立EKF估计方程就可以进行锂电池SOC的迭代估算。

对于科研人员和工程师来说，对电池的研究需要根据所选模型获取参数，这就需要通过专用设备对待测电池进行充放电操作，并采集相应的电信号供后续的电池模型参数估算。这类方法需要的专用设备往往占用空间大，操作复杂，灵活性差；因此有必要设计一种操作方便，系统紧凑便携，智能化程度高的锂电参数估计系统。

发明内容

本发明的目的在于克服现有技术的不足，提供一种电池参数估计系统，用于方便工程师或研究人员获取充放电信号以研究电池系统的模型参数。

为了实现上述目的，本发明采用的技术方案为：一种电池参数估计系统，包括充放电模块、数据采集模块、数据处理与控制模块、显示模块；待测试电池固定在夹具中同时将其正负极与充放电模块电连接，所述数据采集模块用于将采集的电池放电过程中的数据送入到数据处理与控制模块中，所述数据处理与控制模块与显示模块连接。

所述充放电模块与待测试电池之间形成放电回路，所述充放电模块根据数据处理与控制模块的控制信号以预设电流对电池进行放电，所述数据采集模块用于采集放电过程中的数据信息并送入到数据处理与控制模块中。

放电时间达到预设时间后控制充放电模块停止电池放电，数据处理与控制模块根据放电过程中采样的数据进行存储和处理，得到参数估计结果并通过显示模块进行显示。

所述数据处理与控制模块中预设电池数学模型，所述数据处理与控制模块根据采集的放电过程中的数据以及电池模型求解电池参数。

所述数据处理与控制模块与上位机连接，所述上位机上运行Labview平台。

所述数据采集模块包括电压采集模块、电流采集模块，用于分别采样放电过程中电池输出回路的电压、电流信号。