法律状态公告日
法律状态信息
法律状态
2019-12-31
授权
授权
2017-11-10
实质审查的生效 IPC(主分类):G01R31/36 申请日:20170510
实质审查的生效
2017-10-13
公开
公开
技术领域
本发明属于新能源汽车技术领域,具体涉及一种车载动力电池SOC值估计方法及系统。
背景技术
研究表明,汽车保有量将继续呈较快的上升趋势,消耗了大量能源,对环境带来了很大的压力和破坏。当前,发展节能与新能源汽车已经成为了汽车业界的共识,而电动汽车正是这一发展方向上的排头兵。车载动力电池作为电动汽车的供能部件,是电动汽车技术发展的重点和难点。
动力电池的SOC值是动力电池的重要性能指标。当前为了研究电池的SOC值,实验室一般采用放电实验法,采用恒定电流进行连续放电,通过放电电流与时间的乘积来估测SOC,但往往需要大量的时间,而且不适合在线测量;而最常用的电量累积方法安时法是由日本的CHUGOKU Electric Power Co.Inc.的Technical Reseafch Centcr提出的。它是一种混合动力电动汽车蓄电池荷电状态SOC的研究方法,即通过计算一段时间内电流和充放电时间的积分,计算变化电量的百分比,进而估测电池的SOC值,但此方法往往时间越长累计误差越大,可能会造成汽车行驶的危险工况。
申请号为201610541768.9的发明专利,基于电池在不同温度下,电池参数的不同建立待测电池参数的数据查询库,并根据当前电池温度引入电池参数,再带入自适应无迹卡尔曼算法中以获取SOC值;该方法虽然一定程度上改善了温度对电池SOC值估计的影响,但电池在运行时特别是大电流放电时,温度变化较大,需要不断更新电池参数,计算量较大,同时带入卡尔曼算法中运算时势必造成时间上的滞后,无法做到实时在线的估计。
因此建立新的电池SOC值估计方法是十分必要的。
发明内容
本发明的目的是在城市工况下为电池SOC值的实时在线预测及报警的方法。主要是由智能交通技术通过GPS显示汽车所处位置并获取道路交通信息,再结合在此位置下以往采集和训练的大量放电数据预测汽车下一步的放电策略,接着通过使电池模型的输入电流为0A来模拟电池的静置过程,由ECU计算出电池的开路电压,然后通过SOC-OCV关系曲线得到实时的电池SOC值,并根据预测的SOC值进行预警。
本发明的技术方案是采用一种车载动力电池SOC值估计系统及其监测方法,主要包括:信号检验模块,ECU控制器及报警装置。
所述的信号检验模块包括车载设备(GPS)及电流传感器;
所述的报警装置包括继电器,车载电池及报警灯;车载电池用于给ECU和继电器供电。
所述的ECU控制器(电子控制单元)分为输入模块,存储模块,运算模块,输出模块;所述的输入模块通过CAN总线获取汽车行驶过程中由电机控制器MCU中的电流传感器检测到车载电源的电流信号以及车载设备GPS检测的汽车所处位置。所述的存储模块,用于存储汽车在GPS检测到的汽车所处位置的放电工况。所述的运算模块包括虚拟静置仿真模块和放电工况预测模块。
所述的虚拟静置仿真模块:构建准确的动力电池数学模型,首先进行电池的机理分析,得到电池的数学模型,再进行simulink建模,接着做电池实验,根据实验数据做参数辨识,得到的参数带入模型,再分析模型精度,与实验进行对比,使得模型能够准确仿真电池各阶段放电工况。即在电池放电过程中,将电池放电的电流信号输入到电池模型能准确拟合出电池端电压的变化情况。再将准确的动力电池数学模型输入到ECU当中去,并在T时刻令输入电流为0A,通过ECU计算出当电流为0A,24小时后电池端电压U,即虚拟静置之后得到的开路电压。计算时间受ECU的计算能力和模型复杂程度的影响,大小记为t。
所述的放电工况预测模块:在城市工况下,同一驾驶员的驾驶习惯往往是不变的,因此在同一路段行驶时电池的放电过程也是相同的;通过结合智能交通技术实现信息交换能够预测下阶段电池放电工况。所述的智能交通技术能够通过GPS记录的汽车所处位置并实现交通信号指示灯与车辆之间的信息交换;根据位置信息,所述的ECU存储模块对该位置的电池放电工况的数据进行采集和训练。当车辆在该路段行驶时,所述的ECU运算模块根据位置和存储模块中的放电工况数据计算出下一阶段的电池放电工况。以通过红绿灯为例,GPS显示汽车处于红绿灯路口,通过智能交通技术接收交通信号指示灯的信息,如当前为红灯,x秒后转为绿灯,可以预测驾驶员将由匀速行驶紧急制动,也可以轻松得知x秒后驾驶员将会重新起步加速;根据存储模块储存的放电工况数据能够预测出驾驶员起步加速的行为;最后通过所述的ECU运算模块计算出t时间之后的电池放电情况。
第一阶段,在T1时刻,预测出t时间之后的电池放电情况,记为T2时刻,其中T2=T1+t。然后在T2时刻令输入电流为0A,进行虚拟静置,通过ECU计算出当输入电流为0A,静置一段时间、待电解液浓度分布均匀电池端电压U2的大小,仿真时间为t。由此得出的U2即为T2时刻预测的实时在线的电池开路电压的大小。
第二阶段,修正T1+Δt时刻之前的电池放电情况,以真实的电池放电情况替代预测出的Δt时间范围的电池放电情况,并在此基础上预测t时间之后的电池放电情况,即为T3时刻,其中T3=T1+Δt+t=T2+Δt。然后在T3时刻令输入电流为0A,进行虚拟静置,通过CPU仿真出当输入电流为0A,静置一段时间、待电解液浓度分布均匀后电池端电压U3的大小,仿真时间为t。由此得出的U3即为T3(T2+Δt)时刻预测的实时在线的电池开路电压(OCV)的大小。所述Δt即为每次估计所间隔的时间,可令Δt=1min。
重复第一和第二阶段,在采集和训练的放电数据足够多,预测下阶段电池放电工况足够准确的情况下,可以避免由于ECU仿真计算造成的时间t的滞后。
最后通过电池的SOC-OCV关系曲线得到在线的实时电池SOC值。
所述的输出模块与车载12v电池及继电器连接,输出模块根据运算模块所得结果控制继电器,即当当电池的SOC值等于20%时继电器闭合,报警灯启动,提醒驾驶员尽快充电,同时避免长距离驾驶。
本发明的有益效果是:
1、本发明的最终落脚点在于通过开路电压来预测电池SOC值,具有较高的准确性;
2、本发明避免了使用开路电压法时,需要离机和长时间静置的缺陷,做到了在线估计;
3、一般的电池SOC预测方法采用较复杂的算法,而算法的计算时间一般被忽略了,只能做到在线的电池SOC值估计,而本发明通过预测下阶段的电池放电工况有效地弥补了这一缺陷,实现了实时的估计;
4、汽车在不断运行过程中还在不断积累放电数据,积累和训练的放电数据越多,预测下阶段的电池放电工况越准确,误差越小,所求SOC值会越精确;同时当预测电池工况输入下一环节进行虚拟静置后立即引入实际工况进行校准,并继续预测t时间之后的电池工况,防止了预测误差的扩散和加剧。
附图说明
图1为本发明结构示意图
图2为t时间之后的电池放电情况预测图
图3为在图2基础上的虚拟静置仿真图
图4为电池的SOC-OCV关系曲线图
图5为动力电池的SOC实时在线估计流程图
图1中,1-车载72V电池;2-电流传感器;3-车载GPS;4-ECU;5-继电器;6-报警装置;7-车载12V电源。
具体实施方式
下面结合附图具体实施例对本发明作进一步详细说明,但本发明的保护范围并不限于此。
如图1所示一种车载动力电池SOC值估计系统,包括:信号检验模块,ECU控制器及报警装置。
所述的信号检验模块包括车载设备GPS及电流传感器;
所述的报警装置包括继电器,车载12V电池及报警灯;车载12V电池给所述ECU控制器供电。
所述的ECU控制器(电子控制单元)包括输入模块,存储模块,运算模块,输出模块;所述的输入模块通过CAN总线获取汽车行驶过程中由电机控制器MCU中的电流传感器检测到车载电源(本发明实施例为车载72V电源)的电流信号以及车载设备GPS检测的汽车所处位置。所述的存储模块,用于存储汽车在GPS检测到的汽车所处位置的放电工况。所述的运算模块包括虚拟静置仿真模块和放电工况预测模块。
所述的虚拟静置仿真模块:构建准确的动力电池数学模型,首先进行电池的机理分析,得到电池的数学模型,再进行simulink建模,接着做电池实验,根据实验数据做参数辨识,得到的参数带入模型,再分析模型精度,与实验进行对比,使得模型能够准确仿真电池各阶段放电工况。即在电池放电过程中,将电池放电的电流信号输入到电池模型能准确拟合出电池端电压的变化情况。再将准确的动力电池数学模型输入到ECU,并在T时刻令输入电流为0A,通过ECU计算出当电流为0A,静置一段时间(本发明实施例优选24小时)、待电解液浓度分布均匀电池端电压U,即虚拟静置之后得到的开路电压。计算时间受ECU的计算能力和模型复杂程度的影响,大小记为t。
所述的放电工况预测模块:在城市工况下,同一驾驶员的驾驶习惯往往是不变的,因此在同一路段行驶时电池的放电过程也是相同的;通过结合智能交通技术实现信息交换能够预测下阶段电池放电工况。所述的智能交通技术能够通过GPS记录的汽车所处位置并实现交通信号指示灯与车辆之间的信息交换;根据位置信息,所述的ECU存储模块对该位置的电池放电工况的数据进行采集和训练。当车辆在该路段行驶时,所述的ECU运算模块根据位置和存储模块中的放电工况数据计算出下一阶段的电池放电工况。以通过红绿灯为例,GPS显示汽车处于红绿灯路口,通过智能交通技术接收交通信号指示灯的信息,如当前为红灯,x秒后转为绿灯,可以预测驾驶员将由匀速行驶紧急制动,也可以轻松得知x秒后驾驶员将会重新起步加速;根据存储模块储存的放电工况数据能够预测出驾驶员起步加速的行为;最后通过所述的ECU运算模块计算出t时间之后的电池放电情况。
如图5所示,一种车用动力电池的SOC实时在线估计方法的过程如下:
步骤一:构建准确的动力电池数学模型
首先进行电池的机理分析,得到电池的数学模型,再进行simulink建模,接着做电池实验,根据实验数据做参数辨识,得到的参数带入模型,再分析模型精度,与实验进行对比。使得模型能够准确仿真电池各阶段放电工况。然后将准确的动力电池数学模型输入到ECU中。
步骤二:采集电流信号并进行放电工况预测
如图2所示,通过CAN总线获取汽车行驶过程中由电机控制器MCU中的电流传感器检测到T1之前的电流信号,在T1时刻,通过智能交通技术与ECU存储模块(智能交通技术能够通过GPS记录的汽车所处位置并实现交通信号指示灯与车辆之间的信息交换;根据位置信息,所述的ECU存储模块对该位置的电池放电工况进行采集和训练。当车辆在该路段行驶时,所述的ECU运算模块根据位置和存储模块中的放电工况数据计算出下一阶段的电池放电工况。)预测出t时间之后的电池放电情况,记为T2时刻,其中T2=T1+t。
步骤三:对电池进行虚拟静置仿真
如图3所示,在T2时刻令ECU中动力电池数学模型的输入电流为0A,进行虚拟静置,通过ECU计算出当输入电流为0A,静置一段时间(本发明实施例优选24小时)、待电解液浓度分布均匀后电池端电压U2的大小,仿真时间为t。由此得出的U2即为T2时刻预测的实时在线的电池开路电压(OCV)的大小。
步骤四:修正步骤二的预测误差并重复步骤三
修正T1+Δt时刻之前的电池放电情况,以真实的电池放电情况替代预测出的Δt时间范围的电池放电情况,并在此基础上预测t时间之后的电池放电情况,即为T3时刻,其中T3=T1+Δt+t=T2+Δt。然后在T3时刻令ECU中动力电池数学模型的输入电流为0A,进行虚拟静置,通过ECU计算出当输入电流为0A,静置一段时间(本发明实施例优选24小时)、待电解液浓度分布均匀后电池端电压U3的大小,仿真时间为t。由此得出的U3即为T3(T2+Δt)时刻预测的实时在线的电池开路电压(OCV)的大小。
步骤五:通过SOC-OCV关系曲线得到电池的SOC值
根据计算得到的OVC,通过如图4所示电池的SOC-OCV关系曲线(电池的SOC-OCV关系曲线可以在实验室进行离线实验得到准确数据)得到在线的实时电池SOC值。
步骤六:监测电池SOC值并进行预警
所述的输出模块与继电器连接,输出模块根据运算模块所得结果控制继电器,即当电池的SOC值低于20%时,报警灯打开,提醒驾驶员尽快充电,同时避免长距离行驶。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
机译: 基于动态参数估算动力电池SOC的方法和系统
机译: 片上系统(SOC)应用的实时时钟架构和/或方法
机译: 片上系统(SOC)应用的实时时钟架构和/或方法