一种基于开路电压的电池容量估计方法
阅读说明：本技术 一种基于开路电压的电池容量估计方法 (Battery capacity estimation method based on open-circuit voltage ) 是由 郑岳久 沈安琪 崔一凡 陆天溪 晏莉琴 吕桃林 解晶莹 于 2020-05-22 设计创作，主要内容包括：本发明提出了一种基于开路电压的电池容量估计方法。其方法包括如下步骤：S1：建立一阶RC等效模型,利用带遗忘因子的递归最小二乘法进行参数在线辨识,估算出电池的欧姆内阻与OCV；S2：绘制SOC与OCV关系的标定曲线图,将OCV代入标定曲线图,获得对应的SOC；S3：根据电量变化与对应SOC变化的线性关系,绘制电量与SOC关系的拟合曲线图,将SOC代入并利用加权最小二乘法,获得对应的斜率值,即为电池容量的第一容量值；S4：通过离散化Arrhenius寿命模型估计获得电池容量的第二容量值；S5：使用卡尔曼滤波算法将第一容量值和第二容量值进行融合估计,获得电池容量的第三容量值。本发明的好处是通过采用加权最小二乘法的方法来进行容量估计以提高其估计精度。与现有的基于开路电压进行容量估计的方法相比,本发明具有较高的容量精度。(The invention provides a battery capacity estimation method based on open-circuit voltage. The method comprises the following steps: s1: establishing a first-order RC equivalent model, performing parameter online identification by using a recursive least square method with forgetting factors, and estimating the ohmic internal resistance and the OCV of the battery; s2: drawing a calibration curve graph of the relation between the SOC and the OCV, and substituting the OCV into the calibration curve graph to obtain a corresponding SOC; s3: drawing a fitting curve graph of the relation between the electric quantity and the SOC according to the linear relation between the electric quantity change and the corresponding SOC change, substituting the SOC into the fitting curve graph and obtaining a corresponding slope value, namely a first capacity value of the battery capacity by using a weighted least square method; s4: estimating and obtaining a second capacity value of the battery capacity through a discretized Arrhenius life model; s5: and performing fusion estimation on the first capacity value and the second capacity value by using a Kalman filtering algorithm to obtain a third capacity value of the battery capacity. The method has the advantage that the capacity estimation is carried out by adopting a weighted least square method so as to improve the estimation precision. Compared with the existing method for estimating the capacity based on the open-circuit voltage, the method has higher capacity precision.)
技术领域
本发明属于电池容量估计领域，具体涉及一种用于提高电池容量估计精度的基于开路电压的电池容量估计方法。
背景技术
近年来，我国新能源汽车发展较快，尤其是纯电动汽车完全使用电力驱动，不会产生污染带来的尾气，其发展对环境保护、降低石油资源的消耗有着重要的意义。国家和地方政府对于纯电动汽车都有相应的补贴政策，这对于纯电动汽车的快速发展起到了非常大的推动作用。车用动力电池是电动汽车的主要动力源，并且在整车成本中占有较大比重，动力电池的自身性能和使用成本决定着电动汽车的未来，为了提高电池的工作性能和延长电池的使用寿命，车载BMS已成为当今电动汽车不可或缺的部分。电池的SOC和电池容量估计是BMS最核心的功能，其估算精度和实用性尤为重要。为了有效地管理电池，准确的电池容量估计是有十分有必要的。
电池容量在线估计的研究也比较多，Farmann等对目前的容量在线估计方法进行了详尽的综述与分类。但如果分析各类方法实现容量估计的根本途径，则可以发现目前主流的方法基本遵循两种不同的途径：第一种是从电池衰减规律出发进行容量估计，具体包括基于容量衰减模型的开环估计方法，基于衰减机理的IC/DV曲线法等。这种基于衰减模型的估计方法和基于IC/DV曲线的估计方法都是建立在已知电池衰减规律的基础上的，需要在线下进行寿命试验，且由于在线应用环境与试验条件不同，实际估计精度难以保证。第二种则是从容量定义出发进行估计，具体包括两点间累电量法，基于模型的闭环估计法等，它更适用于在线场合。两点间累计电量法相对更简单，其关键在于两个不同时刻SOC值的估计精度。基于模型的闭环估计算法的精度很大程度上取决于模型精度，且算法的计算量相对较大。
电池的容量衰减程度表征了电池寿命的长短，是衡量电池老化的重要参数之一，因此需要对电池的容量进行估计。目前对电池容量估计的研究方法也是多种多样的，本发明也提出了一种电池容量的估计方法。
发明内容
本发明在基于开路电压估计SOC的方法上进行改进，提供一种能够提高容量在线估计精度的方法。此方法有利于减小容量估计误差，更准确地评估电池的健康状态，提高以锂电池为动力源的新能源车的安全性。
本发明的目的可以通过以下技术方案来实现：
一种基于开路电压的电池容量估计方法，所述的方法包括如下步骤：
S1：建立样本电池的一阶RC等效模型,并利用带遗忘因子的递归最小二乘法(FFRLS)进行参数在线辨识，估算出所述样本电池的欧姆内阻与OCV；
S2：绘制SOC与OCV关系的标定曲线图，将所述OCV代入所述标定曲线图，获得对应的SOC；
S3：根据所述样本电池的电量变化与对应的SOC变化的线性关系，绘制电量与SOC关系的拟合曲线图，将所述SOC代入所述拟合曲线图，并利用加权最小二乘法，获得对应的斜率值，所述斜率值即为所述样本电池的电池容量的第一容量值；
S4：通过离散化Arrhenius寿命模型估计获得所述样本电池的电池容量的第二容量值；
S5：使用卡尔曼滤波算法将所述第一容量值和第二容量值进行融合估计，获得所述样本电池的电池容量的第三容量值。
优选的，所述的一种基于开路电压的电池容量估计方法，所述一阶RC等效模型的外特性方程如下：
其中：R1为极化内阻，τ1为时间常数，R0为欧姆内阻；
所述递归最小二乘法中的输出向量、观测向量、待估向量的表达式分别为：
其中：U1,k和Ut,k为输出向量，Ik为观测向量、OCVk和R0,k为待估向量。
优选的，所述的一种基于开路电压的电池容量估计方法，所述参数在线辨识的算法递归过程如下：
其中：yk为系统输出向量，为由观测值组成的测量向量，θk为包含待估参数的待估向量，ek为系统输出的估计误差，Kk为增益，Pk为协方差矩阵，λ为遗忘因子，且λ的取值范围根据定义在0到1之间；
所述R1和τ1为已知参数，根据所述R1和τ1的辨识值，通过查SOC表获得R1,k和τ1,k，将所述R1,k和τ1,k代入所述参数在线辨识的递推公式中，获得所述OCV，输出方程为：
yk＝U1,k+Ut,k＝OCVk-IkR0,k
其中：U1,k和Ut,k为输出向量，Ik为观测向量、OCVk和R0,k为待估向量。
优选的，所述的一种基于开路电压的电池容量估计方法，基于两点间累计电量法，通过充放电时的电量变化及对应的SOC变化，求得所述第一容量值Cbat，公式如下：
将上述公式变形并化为矩阵形式：
Y＝X0A+V
其中：A＝[k,b]为待求系数，V为随机误差项；
根据所述加权最小二乘法(WRLS)，获得
优选的，所述的一种基于开路电压的电池容量估计方法，若所述随机误差项V满足E(V)＝0,E(VTV)＝R，则当权重W＝R-1时，所述SOC误差的方差最小，此时待求系数为：
优选的，所述的一种基于开路电压的电池容量估计方法，k时刻的所述第一容量值为Cbat(nk)，k时刻的所述第二容量值为Ccap(nk)，所述第三容量值为CD(nk+1)，所述离散化Arrhenius寿命模型的外特性方程如下：
其中：ξ(n)为电池循环n次后的相对容量衰减量，单位为％；A为大于零的常数；Ea为激活能，单位为J/mol；R为气体常数，单位为J/(mol·k)；T为绝对温度，单位为K；n为循环次数；z为指数。
本发明的特点及有益效果在于：
本发明提出的一种基于开路电压的电池容量估计方法，与现有的基于开路电压进行容量估计的方法相比，本发明具有较高的容量精度。本发明以电路一阶RC模型为基础，利用带遗忘因子的最小二乘法辨识电池参数，可寻求参数的最优估计。考虑到SOC误差对电池容量估计的影响，接着使用加权最小二乘法估计电池容量，其可靠性强、精度高。最后用卡尔曼滤波法再融合估计电池容量，进一步提高了其容量估计的精度。
附图说明
图1是本发明中基于开路电压的电池容量估计方法的流程图；
图2是本发明中一阶RC等效模型的电路图；
图3是通过递归最小二乘法(FFRLS)辨识后的所述OCV曲线图；
图4是本发明中电量与SOC关系的拟合曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
以下，将参考附图1详细地解释本发明的优选实施例。
S1：如图2所示，建立样本电池的一阶RC等效模型,模型结构简单，计算复杂度相对较小，且一阶RC等效模型的外特性方程如下：
其中：R1为极化内阻，τ1为时间常数，R0为欧姆内阻；
基于一阶RC等效模型利用带遗忘因子的递归最小二乘法(FFRLS)进行参数在线辨识，为了提高参数在线辨识的算法的可靠性，将极化内阻R1和时间常数τ1作为已知参数，以估计样本电池的欧姆内阻R0和OCV，参数在线辨识的算法递归过程如下：
其中：yk为系统输出向量，为由观测值组成的测量向量，θk为包含待估参数的待估向量，ek为系统输出的估计误差，Kk为增益，Pk为协方差矩阵，λ为遗忘因子，且λ的取值范围根据定义在0到1之间；
同时，根据一阶RC等效模型的外特性方程，获得递归最小二乘法(FFRLS)算法中输出向量、观测向量、待估向量的表达式分别为：
其中：U1,k和Ut,k为输出向量，Ik为观测向量、OCVk和R0,k为待估向量。
基于样本电池的已知参数R1和τ1的辨识值，通过查当前SOC表可获得R1,k和τ1,k，将R1,k和τ1,k代入参数在线辨识的递推公式中，获得OCV，辨识结果如图3所示，OCV的输出方程为：
yk＝U1,k+Ut,k＝OCVk-IkR0,k
其中：U1,k和Ut,k为输出向量，Ik为观测向量、OCVk和R0,k为待估向量。
S2：绘制SOC与OCV关系的标定曲线图，将OCV代入标定曲线图，获得对应的SOC；
S3：基于两点间累计电量法，根据充放电时的电量变化及对应的SOC变化的线性关系，绘制如图4所示的电量与SOC关系的拟合曲线图，将SOC代入拟合曲线图，求得第一容量值Cbat，公式如下：
将上述公式变形并化为矩阵形式：
Y＝X0A+V
其中：A＝[k,b]为待求系数，V为随机误差项；
在考虑SOC误差的情况下，使用加权最小二乘法(WRLS)提高容量估计精度，用加权最小二乘法(WRLS)，获得
由加权最小二乘估计中的马尔可夫估计可知，若随机误差项V满足E(V)＝0,E(VTV)＝R，则当权重W＝R-1时，SOC误差的方差最小，此时待求系数为：
S4：通过离散化Arrhenius寿命模型估计获得样本电池的电池容量的第二容量值Ccap，离散化Arrhenius寿命模型的外特性方程如下：
其中：ξ(n)为电池循环n次后的相对容量衰减量，单位为％；A为大于零的常数；Ea为激活能，单位为J/mol；R为气体常数，单位为J/(mol·k)；T为绝对温度，单位为K；n为循环次数；z为指数。一阶RC等效模型的参数A、Ea/R、z要通过样本电池不同老化阶段的容量的真实结果拟合获得。
S5：使用卡尔曼滤波算法将第一容量值Cbat和第二容量值Ccap进行融合估计，即获取k时刻的第一容量值Cbat(nk)和k时刻的第二容量值Ccap(nk)，并利用卡尔曼滤波器进行融合，获得样本电池的电池容量的第三容量值CD(nk+1)，实现容量的融合估计。
具体的，步骤S5分为以下几个步骤：
S51状态变量时间更新如下：
S52误差协方差时间更新如下：
S53卡尔曼增益矩阵更新如下：
S54状态变量测量更新如下：
S55误差协方差测量更新如下：
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种应用数字孪生技术的锂离子电池寿命预测方法