[發明專利]基于貝葉斯概率的動力電池多算法融合SOC估計方法

在審

• 申請號: 202210135245.X
• 申請日: 2022-02-14
• 公開（公告）號: CN114460471A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 湯愛華;龔鵬;李加潔;張志剛
• 申請（專利權）人: 重慶理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/388;G06F30/27
• 代理公司: 重慶博凱知識產權代理有限公司 50212
• 代理人: 黃河

本發明具體涉及基于貝葉斯概率的動力電池多算法融合SOC估計方法，包括：構建相應的等效電路模型，對等效電路模型對應的模型參數進行參數辨識；基于多種估計算法分別構建用于預測動力電池端電壓和SOC的多個觀測器；在動態應力測試工況下，采集動力電池的關聯參數，輸入各個觀測器以輸出對應的端電壓預測值和SOC估計值；基于不同時刻下的端電壓預測值與對應實測值之間的殘差，結合貝葉斯概率分配對應的加權值；基于對應的加權值對各個觀測器輸出的SOC估計值進行加權累加，生成對應的融合SOC估計值。本發明能夠有效融合多種估計算法的SOC估計結果并實現多種估計算法的互補，從而能夠在動力電池的整個充放電區間保持SOC估計全局最優。

技術領域

本發明涉及電動汽車動力電池管理技術領域，具體涉及基于貝葉斯概率的動力電池多算法融合SOC估計方法。

背景技術

動力電池目前廣泛地應用于電動汽車領域，其是影響電動汽車整車性能的關鍵因素，其對行駛里程、加速能力、最大爬坡度會產生直接的影響。電池電荷狀態(State ofCharge,SOC)估計，是電池管理系統研究的核心和難點，動力電池的非線性特性使得許多濾波方法難以得到準確的估計結果。現有技術中，對于動力電池狀態的管理與分析中常使用等效電路模型，通過基于電池動態特性和工作原理而由電阻、電容和電壓源組成的動態特性的電路網絡，來描述電池的開路電壓，歐姆內阻以及電池內部反應過程的極化和擴散現象，然后通過相應濾波算法對動力電池SOC進行估計。

目前，動力電池SOC估計方法主要有安時計量法、開路電壓法、神經網絡法。安時計量法偏重于應用場合，在線、方便、準確但是需要測量設備精度高；開路電壓法只適用于電池靜置足夠長時間后進行估計，不能實時估計；神經網絡能夠在線估計，缺點是需要相似電池的大量訓練數據。為此，公開號為CN111098755A的中國專利公開了《一種電動汽車動力電池SOC估計方法》，包括：通過間歇恒流放電法測取動力電池的電流與電壓，通過多項式擬合法確定動力電池的OCV-SOC的函數關系式；建立動力電池二階RC等效電路模型，推導其辨識模型；構建改進的混沌引力搜索算法的流程，完成辨識；針對鋰離子電池非線性系統建立電池的狀態空間模型，構建高斯-厄米特濾波算法的流程，并與改進的混沌引力搜索算法組成聯合估計算法。

上述現有方案中的動力電池SOC估計方法通過模型參數辨識和SOC估計的聯合估計來提升SOC估計的實時性。但申請人發現，現有的動力電池SOC估計方法一般依賴單個估計算法完成SOC估計，而單一估計算法無法保證在整個充放電區間對動力電池狀態的估計一直保持最準確，即無法實現在動力電池的整個充放電區間始終保持SOC估計最優。為此，申請人想到通過多種估計算法來實現動力電池的全局SOC估計，使得能夠在動力電池的整個充放電區間保持SOC估計全局最優。然而，如何設計一種能夠有效融合多種估計算法的SOC估計結果并實現多種估計算法的互補的框架是亟需解決的技術問題。

發明內容

針對上述現有技術的不足，本發明所要解決的技術問題是：如何提供一種基于貝葉斯概率的動力電池多算法融合SOC估計方法，能夠有效融合多種估計算法的SOC估計結果并實現多種估計算法的互補，從而能夠在動力電池的整個充放電區間保持SOC估計全局最優，并保證動力電池SOC估計的準確性。

為了解決上述技術問題，本發明采用了如下的技術方案：

基于貝葉斯概率的動力電池多算法融合SOC估計方法，包括以下步驟：

S1：基于對應的動力電池構建相應的等效電路模型，然后通過用于表征動力電池端電壓和SOC的關聯參數對等效電路模型對應的模型參數進行參數辨識；

S2：基于多種估計算法分別構建用于預測動力電池端電壓和SOC的多個觀測器；

S3：在動態應力測試工況下，基于等效電路模型采集動力電池的關聯參數；然后將動力電池的關聯參數分別輸入各個觀測器以輸出對應的端電壓預測值和SOC估計值；