一种动力锂离子电池组SOC估算方法

摘要

本发明涉及一种动力锂离子电池组SOC估算方法，属于新能源测控领域。该方法针对锂离子电池动力工作特性，通过构建针对性等效电路模型(Special‑Equivalent Circuit Model，S‑ECM)准确表征电池工作过程；通过在理想电压源两端增加并联电阻，实现自放电效应的准确描述；引入串有反向二极管的电阻并联电路以解决充放电内阻差异的表达问题；增加并联电容以改善表面效应的描述。该方法通过提出精简粒子无迹卡尔曼滤波(Reduced Particle‑Unscented Kalman Filter，RP‑UKF)算法，融入S‑ECM状态空间方程以提高计算效率；前端融入精简粒子滤波变换，通过优化非线性处理过程解决了估算偏移问题，进一步提高估算精度；后端在端电压反馈修正基础上，引入单体间平衡状态(State of Balance，SOB)影响，实现了整组SOC值在线估算。

说明书

技术领域

本发明涉及一种动力锂离子电池组SOC估算方法，该方法在现有电池等效模型基础上进行改进并提出S-ECM(Special-Equivalent Circuit Model)模型，通过增加并联内阻以表征自放电效应，通过串有反向二极管的并联电阻以表征充放电内阻差异，通过并联电容以表征表面效应，实现动力锂离子电池工作过程的准确描述。该方法通过改进卡尔曼估算过程提出RP-UKF(Reduced Particle-Unscented Kalman Filter)估算模型，融入改进后电池等效模型状态空间方程以提高计算效率，通过精简粒子滤波优化线性化处理过程以消除估算偏移，通过平衡状态SOB(State ofBalance)反馈修正提高成组SOC估算精度。该方法是一种基于现代控制理论的动力锂离子电池组SOC值在线估算方法，属于新能源测控领域。

背景技术

锂离子电池具有工作电压高、能量密度高、容量大和自放电率小等优点，越来越多地应用于动力能量供应领域。然而，锂离子电池动力成组应用的安全问题备受关注，其中不合理的能量管理将直接影响其容量使用效率和寿命，甚至引发严重事故。在整个锂离子电池组生命周期中，配套BMS设备中的核心参数SOC控制将影响动力供能效果，因此，实时估算SOC值并评估整个锂离子电池组的工作性能是非常必要的。状态参数SOC值是以锂离子电池组为基础的大功率储供能系统的重要因素，无论在各种能量供应动力应用中，该参数的在线估算都是其配套BMS能量管理中不可或缺的一部分。

锂离子是目前领先的电池技术，由于其复杂的反应，需要可靠的配套BMS设备，其中SOC的估算至关重要。由于可靠的SOC估算的必要性和紧迫性需求，围绕锂离子电池组应用中的SOC估算问题，近年来相关科研工作者做了大量研究工作，有效提高了其使用过程中的安全性和能量利用效率。由于SOC是电池的内部状态参数，无法通过直接测量得到，只有通过测量电压、电流和温度等参数进行间接估算。目前，国内外相关研究工作者在电池SOC估算方面取得了一定研究进展，提出了安时积分(Ampere hour，Ah)法、开路电压(OpenCircuit Voltage，OCV)法、卡尔曼滤波(Kalman Filter，KF)及其扩展算法、粒子滤波(Particle Filter，PF)和神经网络(Neural Network，NN)等估算方法。由于受充放电电流、温度、内阻、自放电、老化等诸多因素影响，尚无准确度高的方法实现SOC在线估算，动力锂离子电池组仍然缺少有效的系统化方法用于SOC估算。

构建具有在线SOC估算模型，运用基于电池等效模拟的多元参数估算理论成为锂离子电池组SOC准确估算的重要途径，在提高精度和降低计算量间寻求最佳平衡点，不断优化和改进。通过在国家知识产权局库中查询与本项目相关的发明专利，已有专利只针对锂离子电池单体SOC估算做出申请，关于锂离子电池动力成组SOC估算未见报道。通过查阅国家相关标准，针对锂离子电池组SOC估算问题，未有明确系统化估算方法和全面有效的解决方案。

发明内容

本发明的目的是克服现有方法的不足，提供一种动力锂离子电池组SOC估算方法，解决锂离子电池动力成组应用的SOC准确估算问题。

本发明主要通过工作特性实验获得电池开路电压、温度和工作电流等关键因素变化规律，使用现代控制理论思想，利用电池特性的电子元器件等效模拟，改进现有电池等效模型，通过增加电阻和电容增强特征描述的方式提出S-ECM模型，实现动力锂离子电池特性的准确模型表达；构建RP-UKF估算模型，改善卡尔曼估计流程，结合S-ECM状态空间描述，利用精简粒子处理优化线性化处理机制，结合工作电压反馈和平衡状态SOB计算，解决单体间不平衡对估算的影响，实现动力锂离子电池组SOC在线准确估算。

本发明是基于等效电路模型和卡尔曼滤波算法相结合方式，实现的动力锂离子电池组SOC在线估算方法，具有较强的环境适用性。针对动力锂离子电池工作特征，本发明进行针对性等效电路模型S-ECM构建，实现电池工作过程的准确表达。本发明电池等效模型S-ECM中电动势来源于理想电压源U_OC，两端增加并联大电阻R_S以表征自放电效应，通过串联内阻R_Ω表征欧姆效应，利用一阶RC并联电路表征极化效应，增加并联电容C_e以描述表面效应，改进增加串有反向二极管的电阻R_d和R_c并联电路以表征充放电内阻差异，进一步提高了工作状态描述的准确性；本发明构建精简粒子无迹卡尔曼滤波器RP-UKF，进行动力锂离子电池组SOC估算递归运算，实现单体间平衡状态SOB影响下成组SOC值综合求取。针对动力工况特点，本发明RP-UKF估算模型在卡尔曼估计算法基础上，通过前端融入精简粒子变换过程，改进了线性化处理机制，解决了泰勒级数展开高阶项丢失引发的估算偏移问题；针对成组工作单体间不一致性问题，本发明RP-UKF估算模型后端融入单体间平衡状态SOB影响，综合求取锂离子电池动力成组工作综合SOC值，进一步提高估算精度。本发明可对动力锂离子电池组SOC值进行在线准确估算，具有计算简洁、工况适应性好和精度高的优点。

附图说明

图1是本发明的结合S-ECM模型和RP-UKF算法的SOC估算结构图；

图2是本发明的动力锂离子电池组的SOC估算模型实施例示意图；

图3本发明的动力锂离子电池OCV-SOC关系曲线图；

图4是本发明的不同倍率放电电压特性曲线图；

图5是本发明的不同温度放电容量变化特性图。

具体实施方式

以下将对本发明的结合S-ECM模型和RP-UKF算法的动力锂离子电池组SOC估算方法结合附图作进一步的详细描述。本发明针对锂离子电池动力成组应用时SOC估算问题，运用S-ECM模拟电池工作过程并构建状态空间方程，通过RP-UKF实现动力锂离子电池组SOC估算，利用平衡状态SOB反馈修正估算过程，构造SOC估算模型系统方案。为了更好的体现本发明，在本实施例中仅以航空锂离子电池组为例进行说明，但本领域技术人员应该熟知，根据本发明的技术思想可以实现多种动力锂离子电池组的SOC估算。以下对动力锂离子电池组SOC估算方法的实现步骤进行详细说明。

参见图1，本发明的动力锂离子电池组SOC估算方法中所用的S-ECM模型具有：电压源等效U_OC，表征电池开路电压；兆欧级大电阻R_S，表征电池自放电效应；毫欧级小电阻R_Ω，表征电池欧姆内阻；R_P为电池极化电阻，C_P为电池极化电容，R_P和C_P的并联电路反应电池极化过程的产生和消除；U_L为电池与外电路接通后的端电压；参数R_d是放电时的放电内阻，表征在放电时锂离子电池单体所表现出的内阻差异，参数R_c是充电时的充电内阻，表征在放电时锂离子电池单体所表现出的内阻差异；C_e是电池的表面效应电容。针对S-ECM电路结构分析，应用电路学分析方法，设C_e上的压降为V_Ce，U_OC是开路电压，当电池开路时有U_OC＝V_Ce＝U_L，根据模型和基尔霍夫定律，电池在放电时的状态方程如下式所示。

在锂离子电池处于充电状态时，各电路元器件端电压间的表征关系如下式所示，其他方程结构不变。

U_L＝U_OC(SOC)-i(t)R_Ω-U_p-i(t)R_d>

通过使用所获得的充放电过程状态空间模型，可以确立估算过程的基础方程构架，结合图1中模块化SOC估算计算处理过程，用于后续的SOC估算研究。

参见图2，本发明的动力锂离子电池组SOC估算方法中所用的RP-UKF算法具有以下各子计算处理模块，具体实现步骤如下所述。首先，步骤1中，测量工作电流和温度信号作为SOC估算系统的输入，参数I为工作电流，采用1C₅A电流进行放电，在本实施例中，针对额定容量为45Ah的航空锂离子电池组，选用均值为45方差为1并符合高斯分布的放电电流；参数T代表工作温度，应考虑动力锂离子电池组在充放电过程中的发热现象以及良好的散热条件，在本实施例中，选取动力锂离子电池组工作温度均值为35℃方差为1的随机温度信号。

之后是步骤2，设定状态空间方程系数，通过设计模块P为参数输入矩阵子模块实现集成化参数矩阵输入，各参数的求取过程通过图3中OCV-SOC关系曲线进行多项式曲线拟合方式实现；横轴代表SOC值，纵轴代表OCV值，通过间歇放电与搁置的方式，实现其关系离散点的获取，通过曲线拟合的方式，获得二者准确关系。通过获得电池的开路电压OCV与电池的荷电状态SOC之间的关系即OCV-SOC曲线，实现SOC估算准确的初始参数设定与修正，通过以下方式来考察电池的开路电压和荷电状态之间的关系：①以1C₅A电流进行预放电至放电截止电压，在本实施例中，选取放电截至电压为2.8V；②静置1小时；③以0.2C₅A恒流充电至充电截至电压，在本实施例中，选取充电截至电压为4.15V，然后进行恒压补充电至电流降低至补充电截至电流，在本实施例中，选取补充电截至电流为2.5A；④静置1小时；⑤以1C₅A电流放电12min；⑥静置1小时，记录OCV值；⑦跳转⑤，循环操作5次；⑧以0.2C₅A恒流充电至4.15V，然后进行恒压补充电至电流降低为2.5A。通过上述步骤获得OCV-SOC曲线如图3所示。

接着继续步骤3，设定动力锂离子电池组额定容量并实现工作电流库伦效率修正，参数Qn表示航空锂离子电池组的额定容量，在本实施例中，选用实验样本额定容量为45Ah；模块C_E为库伦效率修正子模块，输入为实时工作电流参数I和工作温度参数T，输出参数η为库伦效率；针对电流I的处理过程中，进行不同工作电流修正处理，在本实施例中，首先对工作电流取绝对值Abs(*)处理，然后按照方程Fcn1＝(3.905*u(1)*u(1)-123.6*u(1)+15033)/14967进行处理，该方程的曲线拟合及辨识通过图4不同倍率放电电压特性曲线拟合获得；针对温度T的处理过程，由于高度非线性特征，需要进行不同环境温度修正处理，在本实施例中，该关系的求取通过方程Fcn2＝-0.00000003637*u(1)*u(1)*u(1)*u(1)+0.000003521*u(1)*u(1)*u(1)-0.0001373*u(1)*u(1)+0.006311*u(1)+0.8873实现，该方程的获取通过图5放电容量变化特性曲线分析，进行曲线拟合和参数辨识方式获得；输出η通过两方程的乘积求取：η＝Fcn1*Fcn2，同时，通过观测示波器Scope实现其变化规律的在线监测。

接着继续步骤4，进行动力锂离子电池组SOC估算过程的修正处理，模块Meas为融合观测方程的修正过程，通过把参数η、I、Q_n、E₀、R、K₁、K₂、K₃和K₄作为输入，实现SOC估算及其误差协方差Error_Cov计算；输入信号I表示工作电流，符号η表示库伦效率，参数Q_n表示额定容量C，参数ΔT表示采样时间间隔，在本实施例中，设定参数ΔT＝0.001；通过方程Fcn1＝u(1)*u(4)/(u(3)*u(2))求取预测状态参数X(k+1)的一部分因子；通过一阶滞后过程Unit>

通过把状态量参数X(k)和观测方程系数参数E₀、R、I、K₁、K₂、K₃和K₄作为输入，通过方程Fcn2＝u(2)-u(3)*u(4)-u(5)/u(1)-u(6)*u(1)+u(7)*log(u(1))+u(8)*log(1-u(1))，结合观测噪声叠加，在本实施例中，噪声选取为均值为0且方差为0.00005的高斯白噪声，实现输出电压信号Y(k)的计算，通过实时判断实现低电压停止，在本实施例中，设定低电压判断阈值为2.8V，对应的计算公式如下式所示。

Y(k)＝E₀-Ri-K₁/X(k)-K₂*X(k)+K₃*log(X(k))+K₄*log(1-X(k))(4)

通过该步骤实现模型状态的预测环节以及输出电压的信号跟踪。

接着继续步骤5，依据KF估算原理进行SOC估算过程递推运算，模块Est为以KF为基础的SOC估算过程子模块，通过把参数η、I、Y(k)、Q_n、E₀、R、K₁、K₂、K₃和K₄作为输入，运用以KF为基础的估算流程，实现SOC估算及其误差协方差参数Error_Cov的计算；通过对输入变量I、η、Q_n、ΔT按方程Fcn1＝u(1)*u(4)/(u(2)*u(3))求取充放电过程SOC变化量ΔSOC，通过叠加上一时刻的SOC值，预测当期时刻SOC值I(k|k-1)，计算过程如下式所示。

通过把变量X(k|k-1)、E₀、R、K₁、K₂、K₃和K₄作为输入，按照方程Fcn3＝u(2)-u(3)*u(4)-u(5)/u(1)-u(6)*u(1)+u(7)*log(u(1))+u(8)*log(1-u(1))，求取输出电压预测值Yk|k-1，对应的计算公式如下式所示。

Y(k)＝E₀-Ri-K₁/X_k-K₂*X_k+K₃*log(X_k)+K₄*log(1-X_k)(6)

通过把变量X(k|k-1)、K₁、K₂、K₃和K₄作为输入，按照方程Fcn4＝u(2)/(u(1)*u(1))-u(3)+u(4)/u(1)-u(5)/(1-u(1))，求取观测矩阵H(k)，对应的计算公式如下式所示。

通过把观测矩阵H(k)、估算过程噪声方差R、观测过程噪声方差Q与估算误差协方差P(k|k)的一阶滞后的叠加值P(k|k-1)，代入方程Fun5＝u(3)*u(1)/(u(1)*u(3)*u(1)+u(2))，获得卡尔曼增益矩阵Kk，对应的计算公式如下式所示。

通过把变量输出电压Y(k)、电池SOC状态预测值X(k|k-1)、电压预测值Y(k|k-1)和卡尔曼增益K(k)作为输入，代入方程Fcn2＝u(2)+u(4)*(u(1)-u(3))，求取，完成对电池SOC的估算修正，同时，通过实时监测SOC值，当小于0.003时实行强制停止，对应的计算公式如下式所示。

X(k|k)＝X(k|k-1)+K(k)*[Y(k)-Y(k|k-1)](9)

在误差协方差P(k|k)，亦即参数Error_Cov的求取过程中，通过把观测矩阵H(k)、卡尔曼增益K(k)和误差协方差预测值P(k|k-1)作为输入，代入方程Fun6＝(1-u(2)*u(1))*u(3)，完成误差协方差的更新，对应的计算公式如下式所示。

P(k|k)＝[1-K(k)*H(k)]*P(k|k-1)(10)

通过把荷电状态估算值SOC、误差协方差矩阵Error_Cov作为该子模块输出，实现对估算过程的有效监测。

接着继续步骤6，输出工作电流、SOC估算值及其估算误差，在本实施例中，参数I为添加有高斯白噪声的模拟工况电流，参数Est_Error表示估算SOC值的误差，参数Y_k表示电压跟踪效果值，参数Est_Compare为SOC估算值与实际SOC值实时观测对比曲线，参数Error_Covariance为SOC估算误差协方差变化曲线。

综上所述，本发明先根据动力锂离子电池组工作特点，结合估算实时性与计算复杂度考虑，设计S-ECM电池等效模型；再进行OCV-SOC实验分析，并根据先验实验数据完成状态空间方程系数初始值设定；再根据不同工作电流和工作温度对工作过程和电池容量的影响，建立库伦效率修正方程并设定其方程系数，通过把实时测量工作电流和温度信号作为SOC估算系统输入，经过库伦效率修正过程，融入其对SOC估算过程的影响；再通过观测工作过程中的端电压，实现SOC估算的观测修正；继而通过使用以KF为基础的递归运算实现SOC状态实时估算，并通过观测电压与平衡状态SOC的修正处理，实现动力锂离子电池组SOC值综合估算；最后输出估算系统的工作电流、SOC估算值和估算偏差值，如此可高效、低成本和高准确度的进行动力锂离子电池组SOC估算，从而有利于快速、准确地进行动力锂离子电池组配套BMS设备中工作状态监测与能量管理。

本发明的以上实施例仅以航空锂离子电池组为例进行了动力锂离子电池组SOC估算的说明，但可以理解的是，在不脱离本发明精神和范围下本领域技术人员可以对其进行任意的改变和变化。