[發明專利]一種鋰離子電池狀態聯合估算方法

在審

• 申請號: 202210532915.1
• 申請日: 2022-05-16
• 公開（公告）號: CN115047357A
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 栗歡歡;顧乃朋;肖煜乾;王亞平;袁朝春;盤朝奉;蔡英鳳;陳龍
• 申請（專利權）人: 江蘇大學
• 主分類號: G01R31/3842
• 分類號: G01R31/3842;G01R31/388;G01R31/392;G01R31/367;G01R31/378;G06F17/11;G06F17/16;G06F30/398
• 代理公司: 南京智造力知識產權代理有限公司 32382
• 代理人: 陳佳佳

本發明公開了一種鋰離子電池狀態聯合估算方法，主要涉及基于奇異值分解的自適應雙拓展卡爾曼濾波算法(SVDDAEKF)的鋰離子電池的SOC和SOH聯合估算方法，該方法以精確估算鋰離子電池SOC和SOH值為目標，針對由于異常擾動、不準確的初始值、單片機字節有限而存在舍入誤差而引起濾波發散，基于普通的拓展卡爾曼濾波算法，將狀態量協方差矩陣進行奇異值分解，從而克服誤差協方差矩陣非正定的問題。在電池等效電路模型的基礎上運用SVDDAEKF算法對電池進行SOC和SOH聯合估算。本發明能夠避免普通卡爾曼濾波算法在協方差矩陣的迭代過程中，由于單片機字節限制而失去其正定性從而引起濾波發散，并且實時調整過程噪聲協方差，提高算法估算荷電狀態的精度以及收斂速度。

技術領域

本發明涉及一種鋰離子電池狀態聯合估算方法，屬于對鋰離子電池的SOC和SOH聯合估算方法研究技術領域。

背景技術

由于環境問題，全球各國紛紛提出碳中和目標，為了解決環境問題，近年來與清潔能源有關的研究已成為熱點。與一些傳統的電池，如鉛酸蓄電池、鎳鎘電池相比，鋰離子電池具有比能量高，自放電率低，快速充放電，無毒無記憶效應，使用壽命長等一系列優點，因此鋰離子電池越來越流行，開始廣泛用于電動汽車。電池、電機、電控作為電動汽車三大核心部件，直接決定了汽車的整體性能。鋰離子電池雖然具有循環壽命長、比能量高、無記憶效應等優點，但仍有一些關鍵問題需要解決。安全可靠的電池管理系統對于電動汽車來說十分重要，其中荷電狀態(state of charge，SOC)是其核心功能之一，SOC的估算準確也是主要難點。SOC估算的準確與否直接決定了電池管理系統的控制策略正確與否。

目前SOC估算的方法主要分為以下幾類：1)直接測量法；2)數據驅動法；3)基于模型的估算方法。直接測量法目前大多通過安時積分法和開路電壓法的結合，通過靜置得到電池的初始SOC，然后通過對電流進行積分來得到SOC值。然而，這種方法要通過長時間的靜置來得到SOC的初始值，實際應用不方便，以及對初始值和干擾很敏感，從而導致誤差累積無法糾正。數據驅動法通過大量的數據來了解電池的內部動態，常用的數據驅動方法主要有神經網絡法、模糊邏輯、支持向量機等。但是數據驅動法需要較高的計算成本，估算的準確性很大程度取決于訓練后的數據。基于模型的估算方法是目前應用最多的方法，主要通過一組狀態空間方程，目前主要通過卡爾曼濾波算法及其改進算法應用于模型進行SOC估算。基于模型的估算方法是目前的主流方法，是當前研究的一個重點。

SOH的估算方法有以下幾類：1)基于頻域等效電路模型的老化機理識別方法；2)基于黑箱模型的神經網絡類算法；3)基于時域等效電路模型的濾波估計算法。基于頻域等效電路模型的老化機理識別方法通過內部老化機理和外部特征參數識別來進行SOH的估算，前者主要是指電池內部的物理化學參數，后者主要指充放電過程的測試曲線、內阻以及電池的可用容量。基于黑箱模型的神經網絡類算法主要包括基于解析模型估計和人工神經網絡估計。這些方法都需要大量的數據進行訓練。基于時域等效電路模型的濾波估計算法具有較高的精度且與在線算法相結合，因此受到眾多學者的追捧。

發明內容

針對目前技術中存在的問題，本發明提供一種鋰離子電池狀態聯合估算方法，解決目前鋰離子電池精確估算SOC和SOH的技術難題。

為實現上述發明目的，本發明采取的技術方案為：一種鋰離子電池狀態聯合估算方法，包括以下步驟：

步驟一、讀取電池SOC初始值和容量初始值。

步驟二、建立鋰離子電池的二階等效電路模型，基于基爾霍夫電壓定律，得出模型的狀態空間方程。

步驟三、采集開路電壓數據與荷電狀態數據，得到兩者之間的關系，基于所述模型，對模型方程進行離散化處理，并將離散化后的方程改寫成最小二乘形式，然后運用帶遺忘因子的偏差補償最小二乘法(BCFFRLS)并結合開路電壓與荷電狀態之間的關系，通過所輸入的電池電流、電壓等數據，對模型參數進行辨識。