[發明專利]一種鋰離子動力電池SOC動態估算方法、系統、設備和介質在審
| 申請號: | 202110307431.2 | 申請日: | 2021-03-23 |
| 公開(公告)號: | CN113075561A | 公開(公告)日: | 2021-07-06 |
| 發明(設計)人: | 歐陽劍;向丹;李菁;莫志東 | 申請(專利權)人: | 廣東技術師范大學;廣州益維電動汽車有限公司 |
| 主分類號: | G01R31/382 | 分類號: | G01R31/382 |
| 代理公司: | 廣州立凡知識產權代理有限公司 44563 | 代理人: | 曹禹佳 |
| 地址: | 510000 廣東*** | 國省代碼: | 廣東;44 |
| 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 鋰離子 動力電池 soc 動態 估算 方法 系統 設備 介質 | ||
1.一種鋰離子動力電池SOC動態估算方法,其特征在于,包括:
對鋰離子動力電池的等效電路建模,讀取電池模型的參數和初始的電池SOC值,采用最小二乘法對電池模型的參數進行辨識計算得到對應的模型參數;
根據所述模型參數構建動力電池SOC估算的基礎公式;
讀取電池的開路電壓;
將所述開路電壓輸入強跟蹤Sigma點卡爾曼濾波模型估算得到鋰離子動力電池的SOC值;其中,所述強跟蹤Sigma點卡爾曼濾波模型是將所述基礎公式和Sigma點卡爾曼濾波模型融合后引入強跟蹤濾波器得到的,在所述Sigma點卡爾曼濾波模型的狀態預測的誤差協方差矩陣中加入所述強跟蹤濾波器的漸消因子。
2.根據權利要求1所述的方法,其特征在于,所述對鋰離子動力電池的等效電路建模,讀取電池模型的參數和初始的電池SOC值,采用最小二乘法對電池模型的參數進行辨識計算得到對應的模型參數,包括:
對導入的電池模型辨識出的模型參數包括:鋰離子動力電池內部的歐姆內阻Ro、鋰離子動力電池的第一極化內阻Rp1和鋰離子動力電池的第二極化內阻Rp2;
具體通過以下方程組計算得到:
Uoc(k)=EMF-IL(k)Ro-Ip1(k)Rp1-Ip2(k)Rp2;
其中,EMF為鋰離子動力電池的電動勢;Uoc(k)為鋰離子動力電池k時刻的開路電壓或負載電壓,k≥1,IL(k)為鋰離子動力電池k時刻的負載電流;Ip1(k)為鋰離子動力電池k時刻的第一極化內阻的極化電流,Ip2(k)為鋰離子動力電池k時刻的第二極化內阻的極化電流;Δt為采樣間隔,τ1和τ2分別對應為第一極化內阻和第二極化電阻所在鋰離子動力電池的等效電路中RC等效電路的時間常數。
3.根據權利要求2所述的方法,其特征在于,所述根據所述模型參數構建動力電池SOC估算的基礎公式,包括:
所述動力電池SOC估算的基礎公式為:
其中,SOC(k)為通過基礎公式在k時刻估算的電池SOC,Up1(k)為基礎公式在k時刻估算的第一極化內阻的極化電壓,Up2(k)為基礎公式在k時刻估算的第二極化內阻的極化電壓,CN為電池的額定容量,η(k)為電池在k時刻的充放電效率,Uoc(k)為基礎公式在k時刻估算的動力電池的負載電壓或開路電壓;EMF(SOC(k))表示動力電池在SOC值為SOC(k)下的電動勢,EMF(SOC(k))為動力電池電動勢和SOC值之間的函數關系;
其中,所述強跟蹤Sigma點卡爾曼濾波模型中基于非線性系統狀態空間方程為:
其中,xk為狀態變量,fk-1是非線性狀態函數,ωk-1是系統過程噪聲,zk是量測變量,hk是非線性量測函數,νk為量測噪聲,ωk-1和νk滿足以下方程:
狀態向量的定義如下:
其中,SOC(k)為SOC估算的基礎公式融合到強跟蹤Sigma點卡爾曼濾波模型后計算得到的當前時刻SOC值,Up1為SOC估算的基礎公式融合到強跟蹤Sigma點卡爾曼濾波模型后計算得到的當前時刻第一極化內阻的極化電壓,Up2為SOC估算的基礎公式融合到強跟蹤Sigma點卡爾曼濾波模型后計算得到的當前時刻第二極化內阻的極化電壓;
狀態向量數學期望和協方差的初始值定義如下:
其中,初始過程噪聲和量測噪聲定義為Q0和R0。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣東技術師范大學;廣州益維電動汽車有限公司,未經廣東技術師范大學;廣州益維電動汽車有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110307431.2/1.html,轉載請聲明來源鉆瓜專利網。





