[发明专利]一种分布式电池组荷电状态估计算法

说明书

本发明属于锂电池领域，公开了一种分布式电池组荷电状态估计算法，通过设计分布式的荷电状态估计方法，合理地分配电池组中单体荷电状态估计的计算量，通过主控制器和多个从控制器的协作，能够快速获得电池组中所有电池单体的荷电状态，从本质上提高了电池组荷电状态估计的运算效率与可靠性。

技术领域

本发明涉及一种分布式电池组荷电状态估计算法。

背景技术

环境问题和能源危机促使交通电气化成为未来交通的重要发展方向。随着越来越多的风电、光伏等可再生能源接入电网，电能变得更加低碳环保。电动汽车使用存储于电池组的电能，通过电力驱动电机为车辆前进提供动能。因此，安全高效地储存和输出电能对于电动汽车非常关键。作为电动汽车的唯一储能部件，电池组的性能表现将直接影响电动汽车用户的驾驶体验。与其他电池技术相比，锂电池的优异性能使得其被广泛应用于电动汽车中。由于单体锂电池的电压较低，实际中往往使用多个电池串并联成电池组来满足电动汽车的能量和功率需求。电池管理系统能够使大量电池单体安全高效运行，而电池的荷电状态是电池管理系统所需要的关键参数。以准确的荷电状态为指标，可以确保锂电池在使用过程中不被过充放。同时，由于锂电池单体的出厂差异，电池组在使用过程中需要进行能量均衡。整个电池组的能量均衡，需要获取准确的单体电池的荷电状态。然而，锂电池的荷电状态无法通过传感器直接测量，只能通过电池在使用过程的测量值，如：电流、电压等，进行估计。在实际应用中，由于传感器测量误差和电池建模偏差等原因，电池荷电状态难以被准确估计。

传统的荷电状态估计方法能够直接地进行计算，但由于自身存在问题，使得他们在实际应用中存在一定缺陷。安时积分法通过对电流在一定区间内积分来计算电池的荷电状态，该计算方法无法应对实际应用中荷电状态初值不准确的问题。另外，电流传感器的测量噪声也会在使用过程中不断累积，造成估计结果的偏移。开路电压法充分地利用了开路电压与荷电状态之间的单调关系，然而，准确的开路电压需要将电池静置数小时，这在实际中是不现实的。基于神经网络等数据驱动方法能够通过使用一定的样本训练后，直接利用测量值来估计电池的荷电状态。基于数据驱动的方法虽然能够被直接快速的使用，无需任何先验知识，但是当训练样本与实际工况有较大差异时，此类方法的效果无法得到保证。基于模型的估计方法通过建立基于先验知识的电池模型，使用卡尔曼滤波等复杂算法来估计电池荷电状态。此类方法对于电池荷电状态的初值不敏感，同时由于复杂算法的使用，对多种不同的工况也具备了一定的鲁棒性。

由于在实际应用中，为了确保电池组的安全和能量均衡，电池管理系统需要知道所有单体的荷电状态。而单体电池的荷电状态估计本身就存在一定难度和计算的复杂性，对于成百上千个单体串并联形成的电池组，若采用集中控制，使用统一的处理器来计算，必然面临计算量大，可靠性低等问题。使用分布式估计的方法，能够分散估计电池荷电状态所需的计算量，同时提高可靠性。

传统的电池组荷电状态估计方法将整体电池组中多个单体电池等效为一块电池进行荷电状态的估计。有一种基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法，所谓大电池系统，包含了M个单体并联和N个单体串联组成的电池组，M和N均为大于1的整数。该方法通过基尔霍夫电压定律将多个单体的等效电路模型等价为统一的二阶RC电路，之后利用无迹卡尔曼滤波来完成整个电池组的荷电状态估计。该方法通过建立多个电池的等效电路模型简化了电池组荷电状态的估计，然而该算法并不能得到各个电池单体的荷电状态，电池管理系统无法使用估计结果进行单体间的能量均衡。