基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法.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CN113341330A(43)申请公布日2021.09.03(21)申请号202110569518.7(22)申请日2021.05.25(71)申请人西南大学地址400715重庆市北碚区天生路2号(72)发明人李长明曾庆欣(74)专利代理机构重庆航图知识产权代理事务所(普通合伙)50247代理人胡小龙(51)Int.Cl.G01R31/388(2019.01)G01R31/367(2019.01)G01R31/36(2019.01)G01R31/396(2019.01)G01R31/00(2006.01)权利要求书3页说明书15页附图12页(54)发明名称基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法(57)摘要本发明公开了一种基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，包括如下步骤：步骤一：OCV静态修正；步骤二：卡尔曼滤波在线估算。本发明基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，结合锂硫动力电池的特性，以安时积分为基础，在上电时依据OCV‑SOC曲线的特点以及电池静置时长进行静态修正，在充放电过程中依据动态电压与SOC和瞬态电流的关系以及上电时间长短对安时积分得到的SOC进行卡尔曼滤波动态修正，能够有效提高锂硫动力电池的SOC的估算精度。CN113341330ACN113341330A权利要求书1/3页1.一种基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，其特征在于：包括如下步骤：步骤一：OCV静态修正11)整车唤醒后，判断本次上电是否为初次上电；若是，则SOC值和静置时间均采用默认值；若否，则读取上次下电时存储的SOC值，并获取静置时间；12)判断电芯电压的有效性；若有效，则执行步骤13)；若在设定时间范围内仍未获得有效电芯电压数据，则将整车唤醒后获得的SOC值作为OCV静态修正后的SOC(k0)，执行步骤14)；13)以整车唤醒后获得的SOC值和静置时间计算SOC范围修正系数和静置时间修正系数；计算OCV曲线下的SOC，以SOC范围修正系数和静置时间修正系数修改SOC，得到经OCV静态修正后的SOC(k0)；14)输出经OCV静态修正后的SOC(k0)；步骤二：卡尔曼滤波在线估算21)以OCV静态修正后的SOC(k0)作为在线估算的初始SOC(k‑1)；22)判断从k‑1时刻到k时刻期间的电流测量值的有效性；若无效，则令SOC(k)＝SOC(k‑1)，执行步骤26)；若有效，则执行步骤23)；23)以安时积分预估SOC并得到SOCah(k)；24)判断k时刻的电压测量值的有效性；若无效，则直接将SOCah(k)作为k时刻的SOC(k)，执行步骤26)；若有效，则执行步骤25)；25)对SOCah(k)进行卡尔曼滤波处理，得到k时刻的SOC(k)；26)以SOC(k)作为锂硫动力电池在k时刻的SOC估算值，并输出SOC(k)；27)判断整车是否下电；若是，则存储SOC(k)；若否，则令k＝k+1，循环步骤22)至步骤27)，直至整车下电。2.根据权利要求1所述基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，其特征在于：所述步骤13)中，所述静置时间修正系数为：wtsleeptm＝funcsleeptm(Tsleep)所述SOC范围修正系数为：wtocvsocrange＝funcocvsocrange(SOCREAD)其中，wtsleeptm为静置时间修正系数；Tsleep为静置时间，即整车上次下电到本次唤醒的时间间隔；funcsleeptm()为静置时间与静置时间修正系数之间的映射关系；wtocvsocrange为SOC范围修正系数；SOCREAD为读取的上次下电时存储的SOC值；funcsocrange()为读取的SOC与SOC范围修正系数之间的映射关系。3.根据权利要求2所述基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，其特征在于：OCV曲线下的SOC为：SOCOCV＝funcOCV(V)经OCV静态修正后的SOC(k0)为：2CN113341330A权利要求书2/3页其中，V为电芯电压；funcOCV()为OCV‑SOC映射曲线关系；SOCOCV为由电芯电压通过OCV‑SOC映射曲线关系获得的SOC值。4.根据权利要求1所述基于OCV修正和卡尔曼滤波算法的锂硫动力电池SOC估算方法，其特征在于：所述步骤23)中，η(k‑1)＝funceff(I(k‑1)，SOC(k‑1))其中，SOCah(k)为k时刻依据安时积分得到的预估SOC；SOC(k‑1)为k‑1时刻的SOC值；η(k‑1)为k‑1时刻的库伦效率，该效率在放电时基本恒定，在充电时受SOC影响；I(