[發明專利]一種基于動力鋰電池能量狀態的剩余放電時間的估計方法在審

申請號：	202011130634.0	申請日：	2020-10-21
公開（公告）號：	CN112285568A	公開（公告）日：	2021-01-29
發明（設計）人：	劉興濤;鄭超逸;武驥;何耀;劉新天	申請（專利權）人：	合肥工業大學
主分類號：	G01R31/367	分類號：	G01R31/367;G01R31/387;G01R31/392
代理公司：	深圳至誠化育知識產權代理事務所(普通合伙) 44728	代理人：	劉英
地址：	230000 ***	國省代碼：	安徽;34
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于動力鋰電池能量狀態剩余放電時間估計方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本發明涉及電池狀態估計算法技術領域，具體地說，涉及一種基于動力鋰電池能量狀態的剩余放電時間的估計方法。包括如下步驟：通過AUPF算法計算電池SOE；通過BP神經網絡辨識駕駛員的駕駛行為；利用SOE結果計算當前時刻的RDT的估算值；根據上述步驟結果對未來時刻電池的放電策略進行優化；依次計算下一時刻的SOE大小以及RDT，直至工況結束。本發明設計通過AUPF算法計算SOE，可以提高算法的精度，降低了因狀態參數的不精確而引起的RDT估計誤差；同時考慮到了電池能量狀態的變化，可以進一步提高估算精度；另外對電池進行放電優化，不僅可以提高了電動汽車的運行狀態，也防止了電池過放情況發生，很好地保護了電池，延長了電池的使用壽命。

技術領域

本發明涉及電池狀態估計算法技術領域，具體地說，涉及一種基于動力鋰電池能量狀態的剩余放電時間的估計方法。

背景技術

目前，針對電動汽車動力電池的RDT估計方面的研究方向大多集中在研究剩余放電時間與電池狀態之間的關系上，利用電池的狀態參數求得電池的剩余放電時間。傳統估算RDT的方法中仍存在不足，首先電池狀態估計算法的精度不可避免地會影響后續RDT的估算精度，在估算電池RDT之前必須先提高電池狀態估計算法精度；同時當前估算RDT使用的最多的電池參數是電池的SOC，SOC反映的是電池的荷電狀態，忽略了電池的電壓變化，因此在估算RDT時只考慮電池的SOC的變化往往會由于忽略電壓的變化而造成較大的估計誤差；另外在估算RDT后，很少有研究根據當前時刻RDT大小等因素去優化未來時刻動力電池的放電策略以提高電池的工作狀態的。

發明內容

本發明的目的在于提供一種基于動力鋰電池能量狀態的剩余放電時間的估計方法，以解決上述背景技術中提出的問題。

為實現上述技術問題的解決，本發明的目的之一在于，提供一種基于動力鋰電池能量狀態的剩余放電時間的估計方法，包括如下步驟：

S1、電池SOE的估計算法以UPF為基礎，在每個時刻針對粒子進行轉移概率計算，通過AUPF算法使權值較小的粒子向權值較優的粒子進行轉移；

S2、根據當前時刻汽車的行駛工況以及車速，通過BP神經網絡辨識駕駛員的駕駛行為；

S3、利用S1中得到的SOE數據結果，計算當前時刻的RDT的估算值；

S4、根據當前駕駛員的駕駛行為、當前時刻的RDT大小、汽車的行駛工況以及SOE大小對未來時刻電池的放電策略進行優化；

S5、返回S1，計算下一時刻的SOE大小以及RDT，直至工況結束。

其中，電池SOE為電池的能量狀態，UPF為無跡粒子濾波，AUPF算法為蟻群無跡粒子濾波算法，RDT為電池剩余放電時間。

作為本技術方案的進一步改進，所述S1中，AUPF可以利用蟻群算法中個體逐漸向最優解靠攏的特點，在無需增加粒子數目的前提下增強了UPF的粒子多樣性，提高了估算精度與魯棒性。

作為本技術方案的進一步改進，所述S1中，通過AUPF算法估算SOE的方法包括如下步驟：

S1.1、搭建用于估算SOE估計算法的等效電路模型，并對電池模型的參數進行辨識；