[發明專利]基于神經網絡優化EKF的鋰離子動力電池SOC估計方法

在審

• 申請號: 201810994346.6
• 申請日: 2018-08-29
• 公開（公告）號: CN109061506A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 宋佳佳;張金波;張騰龍;李曉艷;張博
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

本發明提出了一種基于神經網絡優化EKF的鋰離子動力電池SOC估計方法，一方面，針對鋰離子電池非線性電壓特性，建立戴維寧等效電路模型，在不同SOC點和充放電方向的實驗基礎上確定模型參數，基于鋰離子電池模型得出狀態方程和觀測方程，設計了擴展卡爾曼濾波估算SOC算法的計算流程；另一方面，基于BP神經網絡建立了誤差預測模型，并藉此在濾波過程中對測量噪聲協方差實時修正，從而克服了由于較大模型誤差和將系統噪聲假設為高斯白噪聲而引入的狀態估計誤差。本發明通過基于各種建模誤差補償EKF的SOC估計結果對比，證明了BP神經網絡結合EKF算法的優越性，最大估計誤差在0.25％以內，具有較高的工程應用價值。

技術領域

本發明涉及電池檢測技術領域，具體涉及基于神經網絡優化EKF的鋰離子動力電池SOC估計方法。

背景技術

電動汽車由于其零排放、零污染、能源利用率高等優點，在新能源汽車中發展潛力巨大，電池管理系統是電動汽車的重要組成部分，而動力電池荷電狀態(state of charge，SOC)估計又是電池管理系統的關健技術之一。SOC估計涉及到動力電池充放電控制和電動汽車的優化管理，直接影響動力電池的使用壽命和動力系統的性能，如果不能準確地估算電池的SOC，就會出現電池過充或過放，造成電池內部損壞，因而SOC的準確估算對于電動汽車的正常及健康運行具有重要意義。

現有技術中，基于電池端電壓的開路電壓法和基于電流積分的安時法是比較常用的估算方法。開路電壓法簡單易行，磷酸鐵鋰電池在充電初期和末期SOC估計效果好，但是需要電池長時間靜置，不能滿足在線檢測的要求；安時法是一種開環預測，短時間內能夠準確估算SOC，但是初始SOC無法獲得，且累計誤差越來越大。實際工程應用中，安時法常與其他方法組合使用，如安時一開路電壓法、安時一內阻法、安時一Peukert方程法。TsikalakisA G等人在《IEEE Transactions on Energy Conversion，2008，23(1)：241-248(電氣和電子工程師協會能源轉換議題，2008年)》發表了題為“Centralized control foroptimizing microgrids operation”的文章，針對純電動汽車的工作特點，提出了安時法與開路電壓法結合的方法，但是磷酸鐵鋰平坦的OCV-SOC曲線對安時法的修正意義不大。Vaideh V等人在《Computers and Electrical Engineering,2001,27(2)：217 228(計算機與電子工程，2001年)》上發表了題為“Neural network aided Kalman filtering formultitarget tracking applications”的文章，通過實驗數據得到了開路電壓、自恢復效應、充放電效率等影響因素對SOC的修正系數K，建立了SOC與各修正系數呈線性關系的數學模型；其在使用安時法時，提出了折算庫侖效率的概念，將不同電流的庫侖效率統一到C/3電流的庫侖效率上。

目前新興的SOC估算方法有阻抗估算方法、神經網絡估算方法與Kalman濾波估算方法等。電池內阻有交流阻抗和直流阻抗之分，與SOC有著密切的關系。現有技術中，可以通過對電池施加交流信號獲得不同SOC下鋰電池電池的阻抗譜，利用阻抗譜獲得的參數估算SOC。阻抗譜方法可以比較準確地描述電池特性，估算SOC的精度比較高，但是在電動汽車的實際運行中測試阻抗譜有難度，而且阻抗譜測試易受溫度影響。

神經網絡具有非線性的基本特性，對于外部激勵能夠給出相應的輸出，能夠較好地模擬電池的非線性動態特征，例如，有人提出的神經網絡改進算法的Levenberg-Marqardt(LM)算法，建立了基于鎳氫電池的神經網絡模型。但神經網絡在處理非線性對象時,收斂速度慢,易陷入局部極值,需調節參數多。Kalman濾波算法在電池SOC的估算中應用較為廣泛，其核心思想是對動態系統的狀態做出最小方差意義上的最優估計。例如，可以將電池模型誤差建立成SOC和電流的分段線性函數，并根據計算的模型誤差對EKF的測量噪聲進行修正，在一定程度上提高了SOC的估計精度，但是建立的測量噪聲修正模型是定性的，需根據經驗獲得，不具普適性。