电池荷电状态估算方法及电池管理系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112213644A(43)申请公布日2021.01.12(21)申请号202011060710.5(22)申请日2020.09.30(71)申请人蜂巢能源科技有限公司地址213200江苏省常州市金坛区华城中路168号(72)发明人韩冠超张颖孙先赏(74)专利代理机构北京润平知识产权代理有限公司11283代理人肖冰滨王晓晓(51)Int.Cl.G01R31/367(2019.01)G01R31/388(2019.01)G01R31/389(2019.01)权利要求书2页说明书7页附图2页(54)发明名称电池荷电状态估算方法及电池管理系统(57)摘要本发明涉及电池技术领域，提供了一种电池荷电状态估算方法，所述估算方法包括：获取电池的负载电流和端电压；采用所述负载电流、所述端电压和所述电池上一时刻的状态参数，采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数；所述状态参数包括：欧姆内阻、极化内阻和极化电容；采用所述负载电流、所述端电压和所述的状态参数，采用第二扩展卡尔曼滤波EKF算法确定所述电池的荷电状态。同时还提供了一种对应的电池管理系统。本发明提供的实施方式能够提升电池荷电状态估算的准确性。CN112213644ACN112213644A权利要求书1/2页1.一种电池荷电状态估算方法，其特征在于，所述估算方法包括：获取电池的负载电流和端电压；采用所述负载电流、所述端电压和所述电池上一时刻的状态参数，采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数；所述状态参数包括：欧姆内阻、极化内阻和极化电容；采用所述负载电流、所述端电压和所述状态参数，采用第二扩展卡尔曼滤波EKF算法确定所述电池的荷电状态。2.根据权利要求1所述的电池荷电状态估算方法，其特征在于，所述状态参数中的欧姆内阻、极化内阻和极化电容满足以下等效电路模型：所述电池为理想电压源，所述电池的欧姆内阻与所述理想电压源串联，所述极化内阻和所述极化电容并联后与所述理想电压源串联。3.根据权利要求2所述的电池荷电状态估算方法，其特征在于，所述采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数，包括：以所述电池上一时刻的状态参数作为预测状态；以所述负载电流、所述端电压和所述等效电路模型计算出的状态参数作为测量状态；基于所述状态参数的所述预测状态和所述测量状态，通过所述第一扩展卡尔曼滤波EKF算法，得到所述电池的状态参数。4.根据权利要求3所述的电池荷电状态估算方法，其特征在于，所述状态参数的初始值通过以下步骤获取：获取某一温度下，预设测试工况的第一试验数据；所述第一试验数据包括电流采集值和与所述电流采集值对应的电压采集值；将所述状态参数的初始值作为待标定参数，模型输入为所述电流采集值；模型计算值为端电压估计值，所述待标定参数、模型输入和模型计算值满足所述等效电路模型；以同一电流采集值对应的端电压估计值与电压采集值的均方误差最小为优化目标，采用遗传算法函数确定的最优值作为所述状态参数的初始值。5.根据权利要求1所述的电池荷电状态估算方法，其特征在于，所述采用所述负载电流、所述端电压和所述状态参数，采用第二扩展卡尔曼滤波EKF算法确定所述电池的荷电状态，包括：基于所述荷电状态的状态转移方程得到荷电状态的预测状态，所述状态转移方程为：式中：xk为包含荷电状态的第k个状态向量，η为库伦效率，Q为电池可用总容量，T为算法采样时间，Rp为电池的极化电阻，Cp为电池的极化电容；以所述负载电流、所述状态参数和所述等效电路模型计算出的估计开路电压，并根据所述估计开路电压对应的荷电状态作为测量状态；基于所述荷电状态的所述预测状态和所述测量状态，通过所述第二扩展卡尔曼滤波EKF算法，得到所述电池的荷电状态。6.根据权利要求5所述的电池荷电状态估算方法，其特征在于，所述第二扩展卡尔曼滤2CN112213644A权利要求书2/2页波EKF算法中的滤波器参数通过以下步骤确定：获取某一温度下，预设测试工况的第二试验数据；所述第二试验数据包括电流采集值和与所述电流采集值对应的电压采集值；基于所述电流采集值和电压采集值，采用安时积分法得到第一模型估计值，采用第二扩展卡尔曼滤波EKF算法得到第二模型估计值；以算法稳定性和精度要求为目标，调整所述滤波器参数，使所述第一模型估计值与所述第二模型估计值的均方误差最小。7.一种电池管理系统，其特征在于，所述电池管理系统包括：参数获取模块，用于获取所述电池的负载电流和端电压；第一计算模块，用于采用所述负载电流、所述端电压和所述电池上一时刻的状态参数，采用第一扩展卡尔曼滤波EKF算法确定所述电池的状态参数；所述状态参数包括：欧姆内阻、极化内阻和极化电容；以及第二计算模块，用于采用所述负载电