申请/专利权人：西安理工大学

申请日：2020-04-17

公开（公告）日：2024-03-22

公开（公告）号：CN111581904B

主分类号：G06F30/367

分类号：G06F30/367;G01R31/367;G01R31/392;G06F111/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.09.18#实质审查的生效;2020.08.25#公开

摘要：考虑循环次数影响的锂电池SOC及SOH协同估算方法，包括以下步骤：步骤1，构建考虑循环次数的锂电池等效电路模型；步骤2，模型参数的辨识；步骤3，将步骤1建立的模型进行仿真验证；步骤4，SOCSOH协同估算器构建。本发明方法能够最终实现锂电池全寿命范围内的电池荷电状态State‑of‑charge,SOC和健康状态State‑of‑health,SOH估计，对电动车辆电池管理系统的状态估算和能量管理具有重大意义，解决了在不同寿命循环引起的模型不准确而导致的状态估算误差较大等问题，有效提高了动力电池组的利用效率、保证了电池组的使用寿命。

主权项：1.一种考虑循环次数影响的锂电池SOC及SOH协同估算方法，其特征在于，包括以下步骤：步骤1，构建考虑循环次数的锂电池等效电路模型；步骤1中构建的锂电池等效电路模型，其数学关系式为： 式1中，Ut为电池端电压；UOCSOC,Cyc表示开路电压，是电池SOC和循环次数Cycle的函数；R0为欧姆内阻；R1和C1分别为电化学极化电阻和电化学极化分数阶电容；R2和C2分别为浓度极化电阻和浓度极化分数阶电容；为简洁起见，将参数R0Cyc,R1Cyc,C1Cyc,R2Cyc,C2Cyc写为R0,R1,C1,R2和C2，It表示工作电流；U1和U2分别表示电化学极化电压和浓度极化电压；步骤2，采用递推最小二乘法对模型参数的辨识；步骤2中模型的参数辨识，采用递推最小二乘法对模型参数进行辨识，得到在不同循环次数下的模型参数，具体公式包括：端电压进行拉普拉斯变换： 设，E＝Ut-UOC3模型传递函数为： 简化为： Tustin变换，将基于s平面的系统方程映射到z平面： 基于z平面的离散传递函数为：Gz-1＝[a3+a4z-1+a5z-2][1-a1z-1-a2z-2]7式7的离散传递函数转化为时域差分方程，结果为：El＝a1El-1+a2El-2+a3Il+a4Il-1+a5Il-28定义系统的数据变量Ψl和参数变量θl为： 则时域差分方程式8被重新写成：zl＝Ψlθl+eLs,l10式10所示系统，递推最小二乘算法的具体流程如下： 参数变量和误差协方差的初始化为： 采用式6的逆变换 那么，式7被重新写成： 对比式7和式14,我们可得到： 在上式2～15中，E为端电压与开路电压差值；τ＝RC表示时间常数，其中τ1＝R1C1，τ2＝R2C2；T为系统的采样间隔时间；a1,a2,a3,a4和a5为与模型参数相关的未知参数；Ψl表示系统数据变量；θl表示参数变量；式中zl表示系统的输出变量；eLs,l表示平稳零均值白噪声,角标l表示数据值为第l个采样时刻；G表示算法增益；F为状态估计值的误差协方差矩阵；这里ρ表示一个很大的数，可通过经验得到，令ρ为106，I表示单位矩阵；步骤3，在恒流工况下将步骤1建立的锂电池等效电路模型进行仿真验证；步骤4，构建考虑循环次数的协同估算器对锂电池SOC和SOH进行估计，步骤4中构建考虑循环次数的协同估算器对锂电池SOC和SOH进行估计，具体为：步骤4.1，建立锂电池系统离散的状态空间模型：根据模型的数学表达式，将锂电池荷电状态SOC、电化学极化电压U1、浓度极化电压U2、欧姆内阻R0以及容量的倒数1Ccap作为状态变量，选取可测量的电池端电压Ut作为观测量，建立状态预测方程与观测方程16所示， 首先，定义系统状态矩阵xk,定义系统输出yk和系统输入uk： 算法公式： 上式16～21中，ω为系统白噪声，均值为0，协方差为Q，υ为测量白噪声，均值为0，协方差为V；Ak-1为系统矩阵；Bk-1为控制矩阵；Ck为系统输出矩阵；uk为系统输入；TS为采样周期，P-和P+分别为状态估计协方差先验估计和后验估计，K为卡尔曼增益，e为新息矩阵，I为单位矩阵，η为库仑效率，并假设充电时为1，放电时为0.98，Ccap,k为当前循环下电池最大可用容量；Cfresh为电池出厂时的最大可用容量；Rfresh为电池第一个循环下的内阻；Reol表示电池寿命结束时的电池内阻；R0,k则为电池当前状态下的内阻；M表示开窗大小；H表示由开窗估计原理得到的新息实时估计协方差函数， 步骤4.2，针对步骤4.1所构建模型，使用自适应扩展卡尔曼滤波器进行锂电池SOC和SOH协同估计的具体估算过程：1初始化：在t0时刻，即k＝0时，设置状态观测器的初始值x0,P0,Q0,R0；2先验估计-预测：时间更新[状态从时间k-1+到时间k-的推算]对于k＝1,2,…，完成下面的先验估计时间更新操作，将状态和协方差估计从前一时刻k-1+推算到当前时刻k-，自适应扩展卡尔曼滤波器的时间更新方程表示如下：系统状态预估： 误差协方差预估： 其中，fxk-1,uk-1表示系统状态方程函数；3后验估计-修正：测量更新[状态从时间k-到时间k+的推算]此步骤用k时刻的测量值yk校正状态估计和协方差估计，估计结果分别用和表示，自适应扩展卡尔曼滤波器的测量更新方程表示如下：新息矩阵： 卡尔曼增益矩阵： 自适应噪声协方差匹配： 系统状态修正： 误差协方差修正： 4时间尺度更新将时刻k+的状态和协方差矩阵作为输出，准备k+1时刻的状态估计。

全文数据：

权利要求：

百度查询： 西安理工大学 考虑循环次数影响的锂电池SOC及SOH协同估算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD