一种估计电动汽车的动力电池的荷电状态的方法

摘要

本发明涉及电动汽车的动力电池管理系统。为提高估计精度，本发明提出一种估计电动汽车的动力电池的荷电状态的方法，采集动力电池的端电压、充放电电流及电池表面温度；根据其开路电压与荷电状态的对应关系解析得出开路电压模型，根据动力电池的动态电压系统输入矩阵、参数矩阵以及输出矩阵，建立其动态电压模型；对状态观测器进行时间更新和测量更新，得到系统状态的和系统状态估计误差的协方差矩阵在k时刻的先验估计值和后验估计值，循环上述更新操作，直至估计完成，得到动力电池的荷电状态SoC。采用该估计方法可将荷电状态SoC的估计精度提高到5％以内，并在动力电池的荷电状态SoC的设定值偏离其参考值时，将荷电状态SoC迅速收敛至其参考值。

主权项

一种估计电动汽车的动力电池的荷电状态的方法，其特征在于，该方法包括如下步骤：步骤1、在所述动力电池充放电的过程中，对该动力电池的端电压U_t、充放电电流i_L及电池表面温度T_em进行采样，采样时间间隔为Δt；步骤2、建立所述动力电池的开路电压模型和动态电压模型：根据所述动力电池的开路电压U_oc与荷电状态SoC、电池表面温度T_em三者之间的对应关系解析得出该动力电池的开路电压模型U_oc(z)，且U_oc(z)＝α₀+α₁z+α₂z²+α₃z³+α₄/z+α₅ln z+α₆ln(1‑z)其中，z为所述动力电池的荷电状态SoC的表示符号，α_j(j＝0,1,2,……,6)为所述动力电池的开路电压模型的拟合系数，且该拟合系数与电池表面温度T_em相关；根据所述动力电池的动态电压系统输入矩阵参数矩阵θ_n,k以及输出矩阵y_n,k，建立所述动力电池的动态电压模型，其中，E_L,k为所述动力电池的动态电压E_L在k时刻的值，E_L,k‑1为所述动力电池的动态电压E_L在k时刻前一个时刻的值，二者之间的时间间隔为一个采样时间间隔Δt，且E_L,k＝U_t,k‑U_oc(z_k),i_L,k为所述动力电池的充放电电流i_L在k时刻的值，i_L,k‑1为所述动力电池的充放电电流i_L在k时刻前一个时刻的值，二者之间的时间间隔为一个采样时间间隔Δt，为所述动态电压模型的模型参数，n为所述动力电池的等效电路中RC网络的阶数，且n为正整数，并采用最小二乘法辨识出所述动态电压模型的模型参数，得出所述动力电池的动态电压模型；步骤3、估计所述动力电池的荷电状态SoC：建立所述动力电池的状态方程和观测方程，$\left\{\begin{array}{c}{x}_k={\mathrm{Ax}}_{k-1}+{\mathrm{Bu}}_{k-1}+{\omega }_k\\ Y_k=U_{\mathrm{oc},k}-U_{D,k}-i_{L,k}{R}_i+{\rho }_k\end{array}\right.$其中，x_k为所述动力电池在k时刻的系统估计状态，且x_k＝[U_D,k,z_k]^T，U_D,k为所述动力电池在k时刻的极化电压，z_k为所述动力电池在k时刻的荷电状态，u_k‑1为所述动力电池在k‑1时刻的系统输入信息，ω_k为所述动力电池在k时刻的系统状态白噪声，其均值为零，协方差为Q_k，Y_k为所述动力电池在k时刻的系统观测矩阵，U_oc,k为所述动力电池在k时刻的开路电压，ρ_k为所述动力电池在k时刻的系统参数白噪声，其均值为零，协方差为R_k，$B=\left[\begin{array}{c}(1-\exp (-\frac{\mathrm{\Delta t}}{R_{D1}{C}_{D1}}))R_{D1}\\ (1-\exp (-\frac{\mathrm{\Delta t}}{R_{D2}{C}_{D2}}))R_{D2}\\ .\\ .\\ .\\ (1-\exp (-\frac{\mathrm{\Delta t}}{R_{\mathrm{Dn}}{C}_{\mathrm{Dn}}}))R_{\mathrm{Dn}}\\ -\frac{\mathrm{\Delta t}}{C_n}\end{array}\right];$对状态观测器中的X，P，Q，R进行初始化设置得到X₀、P₀、Q₀、R₀，其中，X₀为所述动力电池的系统状态X的初始值，P₀为所述动力电池的系统状态估计误差的协方差矩阵P的初始值，Q₀为所述动力电池的过程噪声Q的初始值，R₀为所述动力电池的观测噪声的协方差R的初始值；对所述状态观测器进行时间更新，且更新的时间长度为一个采样时间间隔Δt，得到所述系统状态X和所述系统状态估计误差的协方差矩阵P在k时刻的先验估计值和对所述状态观测器进行测量更新，得到所述系统状态X和所述系统状态估计误差的协方差矩阵P在k时刻的后验估计值和循环上述更新操作，得到所述动力电池的荷电状态SoC。