電動汽車動力電池剩余電量的實時評估方法及裝置制造方法
【專利摘要】本發明公開了電動汽車動力電池剩余電量實時評估方法及裝置：數據采集終端的控制單元通過控制內部CAN接口與電池管理系統通信，采集電池組的電池數據，然后再由控制單元將采集的數據傳送給GPRS模塊，通過GPRS模塊發送到GPRS無線網絡和互聯網，上位機通過互聯網接收數據，并應用Mamdani模糊推理方法建立基于模糊預測算法的電動汽車動力電池SOC估算模型，精確估算出SOC值。最后再通過互聯網、GPRS無線網絡將計算出的SOC值發送給數據采集終端顯示，并將從電池管理系統采集到的SOC與模糊預測出的SOC以曲線圖的方式進行對比，從而達到對電動汽車動力電池剩余電量的實時精確評估。
【專利說明】電動汽車動力電池剩余電量的實時評估方法及裝置
【技術領域】
[0001]本發明涉及一種電動汽車動力電池剩余電量的實時評估方法。本發明還涉及專用于上述方法的電動汽車動力電池剩余電量實時評估裝置。
【背景技術】
[0002]電池作為電動汽車的能量來源，是近年來電動汽車研究的熱點和難點之一，而電池荷電狀態SOC作為電池特性最主要的影響因素之一，更是電池組管理系統研究的重點。準確估計SOC是電動汽車電池充放電控制和動力優化管理的重要依據，直接影響電池的使用壽命和汽車的動力性能，并能預測電動汽車的續駛里程。
[0003]動力電池SOC值的大小并不能直接測量得到，影響電池SOC的因素有很多，如充放電電流、溫度、自放電率、內阻和循環使用次數等，電池的SOC和它的諸多影響因素之間是一種非常復雜的非線性關系，因此，實時監控電池組工況，準確而可靠地采集電池組的電壓、電流、溫度等參數數據來實現當前電池剩余電量的準確估算，是電動汽車電池管理系統的核心問題和急需解決的技術難點。目前，國內外動力電池SOC的估計方法主要有以下幾種:
[0004]1、放電試驗法
[0005]該方法是最可靠的SOC估計方法，使用恒定電流對電池進行連續放電直至電池端電壓達到放電截止電壓，電池剩余電量等于放電電流值與時間的乘積。這種方法經常在實驗室使用，適用于所有電池，但需要花費大量時間，電池進行的工作要被迫中斷。不適合行駛中的電動汽車，可用于電動汽車的檢修。
[0006]2、安時計量法
[0007]安時計量法是最常用的SOC估計方法，通過計算電池在充電或放電時的累積電量來估計電池的S0C，并根據溫度、充放電倍率對SOC估計值進行補償。在使用安時計量法估算SOC時，不準確的電流測量將增大SOC估計誤差，經過長時間累積，該誤差會變得越來越大；在高溫狀態和電流波動劇烈的情況下，誤差較大；同時必須考慮電池效率系數，而解決電池效率系數問題必須通過大量實驗數據建立電池充放電效率經驗公式。
[0008]3、開路電壓法
[0009]開路電壓法是按照電池在一定條件下開路電壓與SOC值成數學比例關系的原理來估算S0C。在充放電初期和末期，開路電壓的SOC估算效果好，在放電末期，開路電壓估計SOC的效果較好。但該方法需要電池長時間靜置使其電壓穩定。因此，開路電壓法只能適用于電動汽車駐車狀態，不能動態地估算SOC值。
[0010]4、內阻法
[0011]內阻法利用電池內阻和SOC值之間的關系，通過測量內阻進而獲得SOC值。電池單體內阻檢測較困難，放電初期內阻變化不大，增加測量難度。適應于放電后期SOC估計。
[0012]5、神經網絡法
[0013]神經網絡法在建立SOC模型時不用具體考慮電池的細節問題，很適用于電池這種高度非線性的系統。神經網絡具有普適性，適用于各種電池的SOC估算。但該方法需要大量的參考數據進行訓練，估計誤差受訓練數據和訓練方法的影響很大。
[0014]6、卡爾曼濾波法
[0015]卡爾曼濾波理論的核心思想是對動力系統的狀態做出最小方差意義上的最優估計。應用于電池SOC估算，電池被看作動力系統，SOC是系統的一個內部狀態。該方法不僅能獲得SOC的估計值，還能得到估計誤差。但是對硬件配置的能力要求較高。
【發明內容】
[0016]本發明所要解決的第一個技術問題，就是提供一種電動汽車動力電池剩余電量的實時評估方法。
[0017]本發明所要解決的第二個技術問題，就是提供一種專用于上述方法的電動汽車動力電池剩余電量的實時評估裝置。
[0018]采用本發明的方法和裝置評估電動汽車動力電池剩余電量，耗時短、精度高、實時動態、檢測簡單、無需大量參考數據且對硬件配置能力要求低。
[0019]解決上述第一個技術問題，本發明采取以下的技術方案:
[0020]一種電動汽車動力電池剩余電量的實時評估方法，其特征是:包括以下步驟:
[0021]SI首先數據采集終端從電池管理系統中采集電池組的電壓、電流和溫度的電池數據，然后將采集到的電池數據無線傳送給上位機；
[0022]S2上位機軟件通過模糊預測算法對數據進行分析處理，最后將上位機軟件計算出的SOC值無線發送、顯示并與從電池管理系統采集到的SOC進行對比，實現SOC校正。
[0023]所述的步驟S2包括以下子步驟:
[0024]S2-1S0C預測模型以電池的總電壓U和工作電流I作為輸入，動力電池的SOC作為輸出，SOC預測模型的輸入量U的模糊集合為{VL、L、M、H、VH}，即{很低、低、中等、高、很高}，論域[78.5，84.5];輸入量I的模糊集合也為{VL、L、M、H、VH}，論域[0，20];模糊輸出值SOC的模糊集合為{ALARM、L、M、H、VH}，即{過低報警、低、中等、高、很高}，論域[0，100];其中VL、ALARM和VH取梯形隸屬度函數，其余取三角形隸屬度函數；
[0025]然后做出模糊子集及隸屬函數分布圖，分布圖包括電流模糊子集及隸屬函數分布圖、電壓模糊子集及隸屬函數分布圖和SOC模糊子集及隸屬函數分布圖；
[0026]S2-2采用的模糊控制規則表達為:If...and...then…，共計20條，建立模糊規則庫為:
[0027]
【權利要求】
1.一種電動汽車動力電池剩余電量的實時評估方法，其特征是:包括以下步驟: Si首先數據采集終端從電池管理系統中采集電池組的電壓、電流和溫度的電池數據，然后將采集到的電池數據無線傳送給上位機； S2上位機軟件通過模糊預測算法對數據進行分析處理，最后將上位機軟件計算出的SOC值無線發送、顯示，并與從電池管理系統采集到的SOC進行對比，實現SOC校正； 所述的步驟S2包括以下子步驟: S2-1S0C預測模型以電池的總電壓U和工作電流I作為輸入，動力電池的SOC作為輸出，SOC預測模型的輸入量U的模糊集合為{VL、L、M、H、VH}，即{很低、低、中等、高、很高}，論域[78.5，84.5];輸入量I的模糊集合也為{VL、L、M、H、VH}，論域[0，20];模糊輸出值SOC的模糊集合為{ALARM、L、M、H、VH}，即{過低報警、低、中等、高、很高}，論域[0，100];其中VL、ALARM和VH取梯形隸屬度函數，其余取三角形隸屬度函數；然后做出模糊子集及隸屬函數分布圖，分布圖包括電流模糊子集及隸屬函數分布圖、電壓模糊子集及隸屬函數分布圖和SOC模糊子集及隸屬函數分布圖； S2-2采用的模糊控制規則表達為:If-and...then…，共計20條，建立的模糊規則庫為:
2.根據權利要求1所述的電動汽車動力電池剩余電量的實時評估方法，其特征是:所述的步驟S2-3將模糊控制量進行模糊判決得出確切的預測量具體為:本發明的模糊系統為兩輸入單輸出的模糊系統，最小-最大-重心算法的推理過程為: 設有兩條模糊規則分別為
規貝丨J I:IF X1Is A1Bnd x2is B1THEN y is C1
規貝丨J 2:IF X1Is A2and x2is B2THEN y is C2 按照Mamdani的最小-最大-重心法,首先對上述每一規則進行模糊推理，可得其相應的輸出模糊集的隸屬度函數分別為
3.一種電動汽車動力電池剩余電量的實時評估裝置，其特征是:包括通過GPRS無線網絡連接的數據采集終端和內嵌處理軟件上位機，所述的數據采集終端包括控制單元，控制單元分別與GPRS模塊、外部CAN接口、內部CAN接口對應通訊連接，GPRS模塊通過GPRS無線網絡與上位機通訊連接，控制單元通過控制內部CAN接口與電動汽車動力電池的電池管理系統通信，所述的外部CAN接口遵循SAE J1939汽車標準總線協議；所述的上位機包括實時數據顯示模塊，用于實時顯示電池的電流、溫度和電壓狀態數據；歷史數據存儲模塊，用于對電池的歷史使用信息進行存儲；系統設置模塊，用于對系統進行串口通信設置和遠程監控設置；數據管理模塊，用于對數據庫中的數據和日志按照客戶要求進行查詢、刪除操作；SOC估算模塊，用于對采集的原始數據進行分析和處理以估算出動力電池精確的SOC值，并進行SOC校正功能，使得用戶能掌握電池壽命的狀態。
【文檔編號】G08C17/02GK103576096SQ201310469717
【公開日】2014年2月12日 申請日期:2013年10月9日 優先權日:2013年10月9日
【發明者】羅敏, 孫衛明, 肖勇, 趙偉, 張永旺 申請人:廣東電網公司電力科學研究院