一種鋰電池SOC估計方法與流程
本發明涉及電動汽車電池管理系統領域，具體涉及一種鋰電池SOC估計方法。
背景技術：
近年來，隨著空氣質量的日益惡化以及石油資源的漸趨匱乏，新能源汽車，尤其是純電動汽車成為當今世界各大汽車公司的開發熱點。動力電池組作為電動汽車的關鍵部件，動力電池SOC被用來直接反應電池的剩余電量，是整車控制系統制定最優能量管理策略的重要依據，動力電池SOC值的準確估計對于提高電池安全可靠性、提高電池能量利用率、延長電池壽命具有重要意義。
目前，常用的SOC估計方法主要有開路電壓法、安時積分法、卡爾曼濾波法和神經網絡法等。
鋰電池開路電壓(OCV)可以表現其當前狀態電池的放電能力，其與SOC有良好的線性關系，根據OCV-SOC關系估計SOC的方法稱為開路電壓法。開路電壓在電池工作狀態下不能直接測量，只有在電池未工作的情況下才能近似測量，所以這種方法只適用于電動汽車的駐車狀態。通常，開路電壓法用于為其它估計方法提供SOC的初始值。
安時積分方法的基本原理是電池在充放電過程中，通過電流對時間積分，可以計算出電池充入或放出的電量，將此電量除以電池當前狀態可用容量，再與電池初始SOC進行相應的加減運算即可得出當前狀態SOC值。安時積分法具有成本低、測量方便等優點，但在電動汽車場合應用時也有以下幾個問題：需要借助其它方法獲得SOC初始值；電流測量精度對SOC估計精度具有決定性影響；積分過程的累積誤差無法消除，一次計算過程中如果充放電時間過長，累積誤差可能導致估計結果不可靠。
由大量神經元通過廣泛連接構成的復雜非線性系統即稱為神經網絡。根據采集到的數據，神經網絡可以自動歸納、學習和整理，得到這些數據的內在關系。這些功能導致神經元具有良好的非線性映射能力，理論上動力電池的非線性特性能夠較好的由神經網絡映射。神經網絡法也同樣存在不足：需要大量的數據進行訓練，訓練數據和訓練方法對估計精度的影響較大。
卡爾曼濾波法的核心思想是對動態系統的狀態做出最小均方意義上的最優估計，卡爾曼濾波的優點在于誤差糾正能力較強，不足在于估計精度對電池模型的準確性依賴較高。
技術實現要素：
本發明的目的是針對上述現有技術的不足，提供了一種鋰電池SOC估計方法，該方法根據安時積分法成本低，測量方便的優點，采用安時積分法作為SOC估計算法，并且基于溫度，電池內阻和電池電壓，建立三維離線模型，對在線安時積分法進行分段矯正，消除了傳統安時積分法的累積誤差，提高了SOC的估計精度。
本發明的目的可以通過如下技術方案實現：
一種鋰電池SOC估計方法，所述方法包括以下步驟：
S1、獲取電池的SOH值，確定電池當前最大可用容量CN；
S2、利用安時積分法在線估算當前電池SOC值；
S3、根據采樣溫度T以及當前電池SOC的估算值，啟動對應的離線模型參數，結合當前采樣的電流I和端電壓U，計算當前的開路電壓OCV；
S4、由步驟S3中當前的開路電壓OCV，根據OCV-SOC標定曲線，獲得當前電池SOC的真實值SOC(t)*；
S5、以當前電池SOC的真實值SOC(t)*矯正安時積分法當前估算的SOC值，繼續使用安時積分法進行估算；
S6、重復步驟S3，S4和S5。
優選的，步驟S1中，在獲取電池的SOH值后，用SOH值修正電池當前最大可用容量CN，使CN＝SOH*Qn，其中Qn為電池額定容量，并將CN用于安時積分法中的除數項。
優選的，步驟S2中，所述安時積分法的公式為：
其中，SOC(t)為當前SOC的估算值，SOC(t0)為SOC的初始值，i為電池電流，kt為溫度因素的修正因子，kt＝[1+mt(T-25)]-1，式中mt為溫度系數，是一個常數，取值0.006～0.008，T是電池當前溫度。
優選的，所述步驟S3具體包括以下步驟：
S31、建立鋰電池等效電路模型，所述鋰電池等效電路模型為二階RC模型，包括一個電壓源Voc，一個直流內阻R，兩個RC并聯環路；
S32、根據不同溫度T下，不同SOC值下電池放電結束端電壓響應曲線，辨識模型的離線參數，建立二維的模型離線參數網絡；
S33、根據采樣獲得的端電壓U與電流I，在不同狀態下啟用對應的離線模型參數，計算當前開路電壓OCV。
優選的，所述步驟S4中的OCV-SOC標定曲線，經過標準標定后，還要對該曲線利用六次多項式進行擬合，所述六次多項式的公式為：
VOC＝a1*SOC6+a2*SOC5+a3*SOC4+a4*SOC3+a5*SOC2+a6*SOC+a7
其中，VOC表示電池開路電壓，a1-a7表示六次多項式中的系數，且均為常數，SOC表示鋰電池的荷電狀態。
優選的，所述步驟S5中，根據OCV-SOC曲線獲得SOC(t)的真實值SOC(t)*后，將此值作為安時積分法的此刻的初始值替代安時積分法公式中的SOC(t0)，繼續使用安時積分法在線估計，并將該值輸出為SOC算法此刻的估計值。
優選的，所述步驟S32的具體過程為：
在相同溫度T，不同SOC值狀態下，根據電池放電結束后端電壓變化曲線，對電池等效模型進行參數辨識，獲得各個不同狀態下離線模型參數數據R，Rs，Cs，Rp，Cp；
在相同SOC值，不同溫度狀態T下，根據電池放電結束后端電壓變化曲線，對電池等效模型進行參數辨識，獲得各個不同狀態下離線模型參數數據R，Rs，Cs，Rp，Cp。
優選的，步驟S32的所述溫度T為-10℃、-5℃、0℃、5℃、10℃、15℃、20℃、25℃、30℃、35℃、40℃、45℃或50℃內的任一溫度，所述SOC值為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8或0.9中的任一數值。
本發明與現有技術相比，具有如下優點和有益效果：
1、本發明通過不同溫度下鋰電池等效模型的離線參數、不同SOC狀態下鋰電池等效模型的離線參數、SOC與OCV標定曲線，建立鋰電池SOC估計的三維離線模型，對傳統安時積分估算SOC算法進行分段矯正，有效消除了安時積分法的累積誤差，提高了SOC的估計精度。
2、本發明在現有SOC估計技術的內阻與電壓估計模型中，加入溫度模型，充分考慮溫度對SOC的影響，提高了SOC估計模型的準確度。
3、本發明實現了在線估算運算量小，方法可靠，準確度高的技術效果，能有效的提高電池能量的利用率，延長電池壽命。
附圖說明
圖1為本發明實施例一種鋰電池SOC估計方法的原理圖。
圖2為本發明實施例鋰電池二階RC等效電池模型。
圖3為本發明實施例鋰電池放電結束端電壓響應曲線圖。
圖4為本發明實施例鋰電池放電結束端電壓響應曲線擬合圖。
圖5為本發明實施例的OCV-SOC標定曲線。
具體實施方式
下面結合實施例及附圖對本發明作進一步詳細的描述，但本發明的實施方式不限于此。
實施例：
本實施例提供了一種鋰電池SOC估計方法，所述方法的原理圖如圖1所示，包括以下步驟：
S1、獲取電池的SOH值，確定電池當前最大可用容量CN；
S2、利用安時積分法在線估算當前電池SOC值；
S3、根據采樣溫度T以及當前電池SOC的估算值，啟動對應的離線模型參數，結合當前采樣的電流I和端電壓U，計算當前的開路電壓OCV；
S4、由步驟S3中當前的開路電壓OCV，根據OCV-SOC標定曲線，獲得當前電池SOC的真實值SOC(t)*；
S5、以當前電池SOC的真實值SOC(t)*矯正安時積分法當前估算的SOC值，繼續使用安時積分法進行估算；
S6、重復步驟S3，S4和S5。
其中，步驟S1中，在獲取電池的SOH值后，用SOH值修正電池當前最大可用容量CN，使CN＝SOH*Qn，其中Qn為電池額定容量，并將CN用于安時積分法中的除數項。
其中，步驟S2中，所述安時積分法的公式為：
其中，SOC(t)為當前SOC的估算值，SOC(t0)為SOC的初始值，i為電池電流，kt為溫度因素的修正因子，kt＝[1+mt(T-25)]-1，式中mt為溫度系數，是一個常數，取值0.006～0.008，T是電池當前溫度。
其中，所述步驟S3具體包括以下步驟：
S31、建立鋰電池等效電路模型，所述鋰電池等效電路模型為二階RC模型，包括一個電壓源Voc，一個直流內阻R，兩個RC并聯環路，如圖2所示；
S32、根據不同溫度T下，不同SOC值下電池放電結束端電壓響應曲線，本實施例的鋰電池放電結束端電壓響應曲線圖如圖3所示，辨識模型的離線參數，建立二維的模型離線參數網絡；
具體過程為：
在相同溫度(T＝-10,-5,0,5,10,15,20,25,30,35,40,45,50)(單位攝氏度℃)，不同SOC值狀態下(SOC＝0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)根據電池放電結束后端電壓變化曲線，對電池等效模型進行參數辨識，獲得各個不同狀態下離線模型參數數據R，Rs，Cs，Rp，Cp；
在相同SOC值(SOC＝0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9)，不同溫度狀態下(T＝-10，-5,0,5,10,15,20,25,30,35,40,45,50)(單位攝氏度℃)，根據電池放電結束后端電壓變化曲線，對電池等效模型進行參數辨識，獲得各個不同狀態下離線模型參數數據R，Rs，Cs，Rp，Cp。
如圖4所示，為本實施例鋰電池放電結束端電壓響應曲線擬合圖，(V1-V0)這個過程是放電結束后，電池內部歐姆電阻上產生的壓降消失的過程，由此可得電池歐姆電阻用兩個阻容環節疊加的方式來模擬電池的極化過程，Cs和Rs組成的RC并聯電路時間常數較小，用于模擬電池在電流突變時電壓快速變化的過程(V2-V1)，Cp和Rp并聯電路的時間常數較大，用于模擬電壓緩慢變化的過程(V3-V2)。
假設電池在t0-tr期間先放電一段時間，然后剩余時間處于靜置狀態，其中t0、td、tr分別為放電開始時刻、放電停止時刻和靜置停止時間，在此過程中RC網路電壓為：
令τs＝RsCs，τp＝RpCp，為兩個RC并聯電路的時間常數，(V3-V1)階段電壓變化是由電池的極化效應消失引起的，在此過程中電池的電壓輸出為：可以簡化寫為：V＝E-ae-ct-be-dt，此形式即可用Matlab進行二次指數項系數擬合，求出a、b、c、d之后，Rs＝a/I，Rp＝b/I，Cs＝1/Rsc，Cp＝1/Rpd，據此可以辨識出Rs、Rp、Cs、Cp的值，共測得13*9＝117個離線模型參數數組[Rs、Rp、Cs、Cp]。
S33、根據采樣獲得的端電壓U與電流I，在不同狀態下啟用對應的離線模型參數，計算當前開路電壓OCV。
其中，所述步驟S4中的OCV-SOC標定曲線，經過標準標定后，還要對該曲線利用六次多項式進行擬合，所述六次多項式的公式為：
VOC＝a1*SOC6+a2*SOC5+a3*SOC4+a4*SOC3+a5*SOC2+a6*SOC+a7
其中，VOC表示電池開路電壓，a1-a7表示六次多項式中的系數，且均為常數，SOC表示鋰電池的荷電狀態。
本實施例OCV-SOC標定曲線是在充放電為25攝氏度恒溫條件下進行，采用三洋三元2600mah鋰電池，分別標定0.2C、0.3C、0.4C、0.5C、0.6C、0.75C、1C恒流間歇放電條件下的OCV-SOC曲線，OCV-SOC標定曲線實驗設置如表1所示，所獲OCV-SOC標定曲線如圖5所示，具體步驟為：
1)采用先恒流(0.2C)后恒壓(截止電壓4.25V)的方式對電池進行充電；
2)對電池進行恒流、恒容量(260mAh)放電；
3)放電結束，靜置1小時；
4)重復步驟2)、3)，至電池放電結束。
表1
其中，所述步驟S5中，根據OCV-SOC曲線獲得SOC(t)的真實值SOC(t)*后，將此值作為安時積分法的此刻的初始值替代安時積分法公式中的SOC(t0)，繼續使用安時積分法在線估計，并將該值輸出為SOC算法此刻的估計值。
以上所述，僅為本發明專利較佳的實施例，但本發明專利的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明專利所公開的范圍內，根據本發明專利的技術方案及其發明專利構思加以等同替換或改變，都屬于本發明專利的保護范圍。
- 還沒有人留言評論。精彩留言會獲得點贊！