[发明专利]一种适用于均衡电路的电池能量均衡方法

说明书

本发明公开了一种适用于均衡电路的电池能量均衡方法，涉及电池能量技术领域，提供的均衡控制算法中采用AUKF算法提高SOC估计精度，并解决仅利用SOC作为均衡控制算法的参数时对电池可能造成的过充和过放伤害。本发明所设计的模糊神经网络为一阶T‑S模糊神经网络，需要通过学习确定前件参数和后件参数共5个参数，学习算法采用的是BP算法和最小二乘法的混合算法，前件参数通过BP算法确定，后件参数通过最小二乘法确定。通过数据库中的数据对模糊神经网络进行训练，辨识得到了全部参数。

技术领域

本发明涉及电池能量技术领域，特别涉及一种适用于均衡电路的电池能量均衡方法。

背景技术

近年来电动汽车飞速发展，为其供应能量的电池自然受到研究者们的广泛关注。电动汽车所使用的电池类型多种多样，其中锂电池以良好的动力性能，较长的循环使用寿命，较高的能量密度和无记忆效应等优势，成为了电动汽车所使用的主流电池类型。然而，单体锂电池的电容量、电压和瞬间放电功率等参数远远达不到电动汽车设计所要求的参数。因此，为了满足电动汽车的需求，需要成百上千的单体电池通过串联或者并联的方式组成成为电池包。

不幸的是，单体电池的串并联却产生了带电量不均衡这一新的问题，且带电不均衡在串联电池组中表现的更为明显。带电量不均衡轻则会导致电池的综合性能下降，电池包使用寿命大幅缩短，重则会发生然后和爆炸。研究人员发现带电不均衡最初产生原因是由于生产差异性造成了电池之间的细微差异性，而这种细微的差异会在电池的循环使用过程中不断放大。电池的生产差异是无法应用技术消除的，只能利用均衡技术在电池使用过程中去改善电池带电不均衡。

均衡技术的本质是通过均衡电路和均衡控制算法在一定程度上消除带电差异性。均衡技术依据能量消耗和能量转移两种不用的方式，可分为被动均衡技术和主动均衡技术。现在均衡算法大多采用SOC来反映电池荷电状态，如果SOC能够准确的反映电池荷电状态，那么选择SOC作为唯一判别参数的控制算法的性能能够满足实际需要。然而，在电池放电处于低电量状态时电池压降会迅速增大，以大电流进行放电时，同时若电池并没有设置最低限制电压保护，会让电池长时间处于过放状态造成电池的损害。同样的，在电池放电处于高电量状态时电池压升增大，以大电流进行充电时，也容易让电池处于长时间过充而造成电池损坏。此外，电池的老化严重时，电池的极化效应和欧姆效应更为显著，也会导致电池在低电量状态时的压降和高电量的压升更为明显。

针对上述问题，本申请提供了一种适用于均衡电路的电池能量均衡方法，解决仅仅利用SOC作为均衡控制算法的参数时对电池可能造成的过充和过放伤害。

发明内容

本发明的目的在于提供一种适用于均衡电路的电池能量均衡方法，解决仅仅利用SOC作为均衡控制算法的参数时对电池可能造成的过充和过放伤害。

本发明提供了一种适用于均衡电路的电池能量均衡方法，包括以下步骤：

S1：采集均衡电路的电压和电流；

S2：建立二阶等效电路模型，利用AUKF算法对SOC进行估计；

S3：计算不同电池的SOC的差值，判断是否存在一低多高或一高多低的情况；

S4：建立神经网络，若存在所述步骤S3中叙述的情况，则将端电压作为神经网络的输入，判断输出的均衡电流值是否达到均衡阈值；

S5：若不存在所述步骤S3中叙述的情况，则计算每个电池SOC之间的平均值，判断其是否处于0.2-0.8之间，若处于则将SOC作为神经网络的输入，判断输出的均衡电流值是否达到均衡阈值；若未处于0.2-0.8之间，则将端电压作为神经网络的输入，判断输出的均衡电流值是否达到均衡阈值；

S6：输出的均衡电流值达到均衡阈值则表明电池能量均衡。