[發明專利]一種用于電動汽車的串聯電池組剩余放電能量預測方法

有效

• 申請號: 201611200451.5
• 申請日: 2016-12-22
• 公開（公告）號: CN106627225B
• 公開（公告）日: 2018-10-19
• 發明（設計）人: 任東生;沈萍;盧蘭光;馮旭寧;歐陽明高;李建秋;云強;盧艷華
• 申請（專利權）人: 清華大學;寧德時代新能源科技股份有限公司
• 主分類號: B60L11/18
• 分類號: B60L11/18
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 羅文群

1.一種用于電動汽車的串聯電池組剩余放電能量預測方法，其特征在于包括以下步驟：

(1)以設定的采樣頻率采集電動汽車電池組的運行工況數據，包括電池組的電流I、電壓U_tp、輸出功率P、荷電狀態SOC_p、溫度T以及電壓處于最低狀態的單體電池的單體電壓U_tmin和單體荷電狀態SOC_min；

(2)根據上述步驟(1)采集的電池組的輸出功率P和溫度T，預測電池組的未來輸出功率P_pre和未來溫度變化率ΔT_pre，具體過程如下：

(2-1)設定時間段t，根據步驟(1)采集的該時間段內電池組的輸出功率P和溫度T，計算電池組的平均輸出功率P_a，a＝1,2,…,b,…，及電池組的平均溫度變化率ΔT_a，a＝1,2,3,…,b,…，在t_b時刻，計算t_b-1～t_b時間段內，電池組的平均輸出功率P_b，即計算步驟(1)采集的t_b-1～t_b時間段內電池組輸出功率P的平均值，同時，計算t_b-1～t_b時間段內，電池組的平均溫度變化率ΔT_b，計算公式為：ΔT_b＝(T(t_b)-T(t_b-1))/(t_b-t_b-1)，其中T(t_b)和T(t_b-1)分別為t_b和t_b-1時刻電池組的溫度，由上述步驟(1)采集；

(2-2)在t_b時刻，根據上述步驟(2-1)中計算得到的t_b-1～t_b時間段內電池組的平均輸出功率P_b和平均溫度變化率ΔT_b，計算電池組未來輸出功率P_pre,b，和未來溫度變化率ΔT_pre,b，

P_pre,b＝(1-w)×P_pre,b-1+w×P_b

ΔT_pre,b＝(1-w_T)×ΔT_pre,b-1+w_T×ΔT_b

其中，P_pre,b-1和ΔT_pre,b-1分別為t_b-1時刻預測得到的電池組的平均輸出功率和平均溫度變化率，w和w_T為系數，取值范圍為0～1；

(3)根據上述步驟(1)采集的電池組的電流I、電壓U_tp和荷電狀態SOC_p，利用電池組等效電路模型，采用帶遺忘因子的最小二乘法，對電池組等效電路模型中的內阻參數進行辨識，得到電池組等效電路模型中的內阻參數，用該內阻參數更新電池組等效電路模型的原內阻參數R_p,ohm隨電池組荷電狀態SOC_p變化的曲線R_p,ohm(i)＝f(SOC_p(i))，其中SOC_p(i)＝1-(i-1)/(N-1)，i＝1,2,3,…,N,N為一個大于10的正整數，具體過程如下：

(3-1)建立電池組的等效電路模型，通過電池組常規內阻測試獲得電池組等效電路模型的內阻參數R_p，ohm隨荷電狀態SOC_p變化的原始曲線，記為R_p,ohm(i)＝f(SOC_p(i))，其中SOC_p(i)＝1-(i-1)/(N-1)，i＝1,2,3,…,N,N為一個大于10的正整數；

(3-2)根據上述步驟(1)采集的電池組的電流I、電壓U_tp和荷電狀態SOC_p，采用帶遺忘因子的最小二乘法在線辨識電池組等效電路模型的內阻參數，迭代計算公式為：

其中，OCV_p(t_k)為t_k時刻的電池組的開路電壓，U_tp(t_k)為t_k時刻的電池組的電壓，I(t_k)為t_k時刻的電池組的電流，和分別為t_k時刻和t_k-1時刻辨識得到的電池組等效電路模型的內阻參數，K_k為t_k時刻的迭代計算系數，P_k為t_k時刻的迭代計算系數，P_k-1為t_k-1時刻的迭代系數，λ為遺忘因子，取值范圍為0.95～1；

(3-3)用上述步驟(3-2)中在線辨識得到電池組等效電路模型內阻參數更新電池組等效電路模型的原內阻參數R_p,ohm隨荷電狀態SOC_p變化的曲線R_p,ohm(i)＝f(SOC_p(i)),其中SOC_p(i)＝1-(i-1)/(N-1)，

更新時的計算公式為：

其中，R_p,ohm,k-1(i)＝f_k-1(SOC_p(i))為電池組等效電路模型的原內阻參數R_p,ohm隨荷電狀態SOC_p變化的曲線，即t_k-1時刻的電池組等效電路模型的內阻參數R_p,ohm隨荷電狀態SOC_p變化的曲線，R_p,ohm,k(i)＝f_k(SOC_p(i))為更新后的電池組等效電路模型的內阻參數R_p,ohm隨荷電狀態SOC_p變化的曲線；SOC_p(t_k)為t_k時刻的電池組的荷電狀態，R_p,ohm,k-1(SOC_p(t_k))為根據電池組等效電路模型的原內阻參數R_p,ohm隨荷電狀態SOC_p變化的曲線R_p,ohm,k-1(i)＝f_k-1(SOC_p(i))線性插值得到的電池組荷電狀態為SOC_p(t_k)時的內阻參數，w_R為系數，取值范圍為0～1；

(4)根據上述步驟(1)采集的電池組的電流I、電壓處于最低狀態的單體電池的單體電壓U_tmin和單體荷電狀態SOC_min，以及電壓處于最低狀態的單體電池的等效電路模型，采用帶遺忘因子的最小二乘法，對電壓處于最低狀態的單體電池的等效電路模型中的內阻參數進行辨識，得到電壓處于最低狀態的單體電池的等效電路模型中的內阻參數，用該內阻參數更新電壓處于最低狀態的單體電池的等效電路模型的原內阻參數R_min,ohm隨電壓處于最低狀態的單體電池的單體荷電狀態SOC_p變化的曲線R_min,ohm(j)＝g(SOC_min(j))，其中SOC_min(j)＝1-(j-1)/(M-1)，j＝1,2,3,…,M,M為一個大于10的正整數，具體過程如下：

(4-1)建立電壓處于最低狀態的單體電池的等效電路模型，通過常規內阻測試獲得電壓處于最低狀態的單體電池的等效電路模型的內阻參數R_min，ohm隨單體荷電狀態SOC_min變化的原始曲線，記為R_min,ohm(j)＝g(SOC_min(j))，其中SOC_min(j)＝1-(j-1)/(M-1)(j＝1,2,3,…,M),M為一個大于10的正整數；

(4-2)根據上述步驟(1)采集的電池組的電流I、電壓處于最低狀態的單體電池的單體電壓U_tmin和單體荷電狀態SOC_min，采用帶遺忘因子的最小二乘法在線辨識電壓處于最低狀態的單體電池的等效電路模型的內阻參數，迭代計算公式為：

其中，OCV_min(t_k)為t_k時刻的電壓處于最低狀態的單體電池的開路電壓，U_tmin(t_k)為t_k時刻的電壓處于最低狀態的單體電池的單體電壓，I(t_k)為t_k時刻的電池組電流，和分別為t_k時刻和t_k-1時刻辨識得到的電壓處于最低狀態的單體電池等效電路模型的內阻參數，K_k為t_k時刻的迭代計算系數，P_k為t_k時刻的迭代計算系數，P_k-1為t_k-1時刻的迭代系數，λ為遺忘因子，取值范圍為0.95～1；

(4-3)用上述步驟(4-2)中在線辨識得到電壓處于最低狀態的單體電池等效電路模型內阻參數更新電壓處于最低狀態的單體電池等效電路模型的原內阻參數R_min,ohm隨單體荷電狀態SOC_min變化的曲線R_min,ohm(j)＝g(SOC_min(j)),其中SOC_min(j)＝1-(j-1)/(M-1)，更新時的計算公式為：

其中，R_min,ohm,k-1(j)＝g_k-1(SOC_min(j))為電壓處于最低狀態的單體電池等效電路模型的原內阻參數R_min,ohm隨的單體荷電狀態SOC_min變化的曲線，即t_k-1時刻的電壓處于最低狀態的單體電池等效電路模型的內阻參數R_min,ohm隨單體荷電狀態SOC_min變化的曲線，R_min,ohm,k(j)＝g_k(SOC_min(j))為更新后的電壓處于最低狀態的單體電池等效電路模型的內阻參數R_min,ohm隨單體荷電狀態SOC_min變化的曲線，SOC_min(t_k)為t_k時刻的電壓處于最低狀態的單體電池的單體荷電狀態，R_min,ohm,k-1(SOC_min(t_k))為根據電壓處于最低狀態的單體電池等效電路模型的原內阻參數R_min,ohm隨單體荷電狀態SOC_min變化的曲線R_min,ohm,k-1(j)＝g_k-1(SOC_min(j))線性插值得到的電壓處于最低狀態的單體電池的單體荷電狀態為SOC_min(t_k)時的內阻參數，w_R為系數，取值范圍為0～1；

(5)設定一個剩余放電能量預測過程中的荷電狀態預測間隔ΔSOC，根據步驟(1)采集的電池組在t時刻的荷電狀態SOC_p(t)，以該荷電狀態預測間隔ΔSOC為公差，計算得到一組電池組未來荷電狀態：

SOC_p,pre,m＝SOC_p(t)-(m-1)×ΔSOC，m＝1,2,3,…

記為電池組未來荷電狀態序列，其中m為序列號，同時根據步驟(1)采集的電壓處于最低狀態的單體電池在t時刻的荷電狀態SOC_min(t)，計算一組電壓處于最低狀態的單體電池的未來單體荷電狀態：

SOC_min,pre,m＝SOC_min(t)-(m-1)×ΔSOC，m＝1,2,3,…

記為電壓處于最低狀態的單體電池的未來單體荷電狀態，其中m為序列號；

(6)根據上述步驟(2)預測的電池組未來平均輸出功率P_pre、未來溫度變化率ΔT_pre，步驟(3)得到的電池組等效電路模型的內阻參數R_p,ohm隨電池組荷電狀態SOC_p變化的曲線，以及步驟(5)得到的電池組未來荷電狀態序列SOC_p,pre,m，預測電池組未來荷電狀態序列SOC_p,pre,m(m＝1,2,3,…)對應的電池組未來電壓序列U_tp,pre,m(m＝1,2,3,…)、未來電流序列I_pre,m(m＝1,2,3,…)以及未來溫度序列T_pre,m(m＝1,2,3,…)，具體過程如下：

(6-1)根據上述步驟(2)預測的電池組未來溫度變化率ΔT_pre，預測電池組未來荷電狀態SOC_p,pre,m對應的電池組未來溫度：

其中，ΔSOC為荷電狀態預測間隔，由上述步驟(5)計算得到，C_min為電壓處于最低狀態的單體電池的容量，I_pre,m-1為與電池組未來荷電狀態SOC_p,pre,m-1相對應的電池組的未來電流；

(6-2)根據上述步驟(3)得到的電池組等效電路模型內阻參數內阻參數R_p,ohm隨荷電狀態SOC_p變化的曲線R_p,ohm(i)＝f(SOC_p(i))，采用線性插值獲得與未來荷電狀態SOC_p,pre,m相對應的電池組等效電路模型內阻參數初值R′_p,ohm(SOC_p,pre,m)，根據上述步驟(6-1)預測得到的電池組未來溫度T_pre,m，考慮溫度對電池內阻的影響，計算未來荷電狀態序列SOC_p,pre,m對應的電池組等效電路模型內阻參數R_p,ohm(SOC_p,pre,m)：

其中，Ea為電池組等效電路模型內阻參數隨溫度變化的活化能，通過常規實驗獲得，R為氣體常數，T(t)為t時刻電池組的溫度；

(6-3)根據上述步驟(2)預測的電池組未來輸出功率P_pre，計算電池組的未來電流I_pre,m：

進一步計算得到電池組的未來電壓U_tp,pre,m：

U_tp,pre,m＝OCV(SOC_p,pre,m)-I_pre,m×R_p,ohm(SOC_p,pre,m)；

(6-4)重復步驟(6-1)～(6-3)，得到電池組未來荷電狀態序列SOC_p,pre,m，對應的電池組的未來電壓序列U_tp,pre,m，未來電流序列I_pre,m，以及未來溫度序列T_pre,m，其中m為序列號，m＝1,2,3,…；

(7)根據上述步驟(4)得到的電壓處于最低狀態的單體電池等效電路模型的內阻參數R_min,ohm隨單體荷電狀態SOC_min變化的曲線，上述步驟(5)得到的電壓處于最低狀態的單體電池的未來單體荷電狀態序列SOC_min,pre,m，以及步驟(6)預測的電池組未來電流序列I_pre,m、未來溫度序列T_pre,m，預測電壓處于最低狀態的單體電池的未來單體荷電狀態序列SOC_min,pre,m(m＝1,2,3,…)對應的未來單體電壓序列U_tmin,pre,m(m＝1,2,3,…)，具體過程如下：

(7-1)根據上述步驟(4)得到的電壓處于最低狀態的單體電池的等效電路模型內阻參數R_min,ohm隨單體荷電狀態SOC_min變化的曲線R_min,ohm(j)＝g(SOC_min(j))，采用線性插值獲得與未來單體荷電狀態序列SOC_min,pre,m相對應的電壓處于最低狀態的單體電池的等效電路模型內阻參數初值R′_min,ohm(SOC_min,pre,m)，根據上述步驟(6)得到的電池組的未來溫度序列T_pre,m，考慮溫度對電池內阻的影響，計算電壓處于最低狀態的單體電池的未來單體荷電狀態序列SOC_min,pre,m對應的電壓處于最低狀態的單體電池的等效電路模型內阻參數R_min,ohm(SOC_min,pre,m)：

其中，Ea為電壓處于最低狀態的單體電池的等效電路模型內阻參數隨溫度變化的活化能，通過常規實驗獲得，R為氣體常數，T(t)為電池組t時刻的溫度；

(7-2)根據上述步驟(6)中得到電池組的未來電流序列I_pre,m，計算與電壓處于最低狀態的單體電池的未來單體荷電狀態序列SOC_min,pre,m對應的未來單體電壓序列U_tmin,pre,m：

U_tmin,pre,m＝OCV(SOC_min,pre,m)-I_pre,m×R_min,ohm(SOC_min,pre,m)；

(8)根據上述步驟(6)得到電池組未來溫度序列T_pre,m，確定電壓處于最低狀態的單體電池的放電截止條件SOC_lim及V_lim，然后根據步驟(6)得到的電池組未來電壓序列U_tp,pre,m，計算電池組的剩余放電能量為：

其中，m為序列號，C_min為電壓處于最低狀態的單體電池的容量，n為電壓處于最低狀態的單體電池到達放電截止條件時，電壓處于最低狀態的單體電池的單體電壓序列或單體荷電狀態序列的序列號:

n＝max{m|U_tmin,pre,m＞V_lim∩SOC_min,pre,m＞SOC_lim,m＝1,2,3,…}

其中，電壓處于最低狀態的單體電池的未來單體荷電狀態序列SOC_min,pre,m由步驟(5)得到，電壓處于最低狀態的單體電池的未來單體電壓序列U_tmin,pre,m由步驟(7)得到。