[發明專利]一種SOC估值方法及其系統

在審

• 申請號: 201610042124.5
• 申請日: 2016-01-21
• 公開（公告）號: CN105487016A
• 公開（公告）日: 2016-04-13
• 發明（設計）人: 關海盈;孔滿;尹旭勇
• 申請（專利權）人: 深圳市沃特瑪電池有限公司
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 陳健

技術領域

本發明涉及電池領域，尤其涉及一種SOC估值方法及其系統。

背景技術

電池的剩余電量(StateofCharge，SOC)在某一層面直接反應電動汽車的 續航里程，是電池管理系統中比較重要的一個模塊，因此對于電池SOC的準確 估計就顯得很重要。

目前，電池的剩余電量估計方法主要分為兩大類：直接法與間接法。直接 法是指通過實驗設備直接測量當前電池剩余容量；間接法主要通過電池內部的 物化特性，在估計過程中需要高精度的設備因此在實際中很難實現。安時積分 法(Ahintegrationmethod，簡稱Ah法)、開路電壓法(Open-circuitvoltagemethod， 簡稱OCV法)、內阻法(Resistancemethod)等屬于間接法。

但是，安時積分法在計算過程中會產生累積誤差，導致計算得到的SOC隨 充放電時間增加誤差增大，同時安時積分法計算SOC初始值的準確性很難確 定；開路電壓法需要長時間的靜置達到電池內部電壓穩定，在實際汽車運行過 程中難以實現；內阻法存在著估算內阻的困難，在硬件上也難以實現。此外， 還可通過人工神經網絡算法(ArtificialNeuralNetworkAlgorithm)、卡爾曼濾波 算法(Kalmanfilteralgorithm，簡稱KF)等間接法進行估算電池SOC，但神經 網絡算法由于其系統設置困難，且在電池管理系統中應用成本高，不具備優勢； 而卡爾曼濾波算法在計算SOC的過程中會出現跳變現象并且不能保存，此算法 不能保證SOC的準確性和穩定性。

因此，亟需設計一種SOC估值方法，以提高SOC的準確性和穩定性。

發明內容

有鑒于此，本發明的目的在于提供一種SOC估值方法及其系統，旨在解決 現有技術中SOC的準確性不高和穩定性較低的問題。

本發明提出一種SOC估值方法，包括：

利用卡爾曼濾波算法計算SOC初始值；

將所述SOC初始值賦值作為安時積分算法計算SOC值，并保存所述SOC 值，同時利用卡爾曼濾波算法計算SOC值；

判斷由上述兩種算法計算得到的SOC值是否在預設誤差值內；

如果在預設誤差值內，則輸出由安時積分算法計算得到的SOC值。

優選的，所述預設誤差值為±2.5％，通過EEPROM保存在經過初始值賦 值后由安時積分算法計算得到的SOC值。

優選的，所述方法還包括：

如果不在預計誤差值內，則繼續將所述SOC初始值賦值作為安時積分算法 計算SOC值，并保存所述SOC值，同時利用卡爾曼濾波算法計算SOC值；

繼續判斷由上述兩種算法計算得到的SOC值是否在預設誤差值內；

如果在預設誤差值內，則輸出由安時積分算法計算得到的SOC值。

另一方面，本發明還提供一種SOC估值系統，包括：

初值模塊，用于利用卡爾曼濾波算法計算SOC初始值；

賦值模塊，用于將所述SOC初始值賦值作為安時積分算法計算SOC值， 并保存所述SOC值，同時利用卡爾曼濾波算法計算SOC值；

判斷模塊，用于判斷由上述兩種算法計算得到的SOC值是否在預設誤差值 內；

輸出模塊，用于如果在預設誤差值內，則輸出由安時積分算法計算得到的 SOC值。

優選的，所述預設誤差值為±2.5％，通過EEPROM保存在經過初始值賦 值后由安時積分算法計算得到的SOC值。

優選的，所述SOC估值系統還包括：

循環模塊，用于如果不在預計誤差值內，則繼續將所述SOC初始值賦值作 為安時積分算法計算SOC值，并保存所述SOC值，同時利用卡爾曼濾波算法 計算SOC值；繼續判斷由上述兩種算法計算得到的SOC值是否在預設誤差值 內；如果在預設誤差值內，則輸出由安時積分算法計算得到的SOC值。