阅读说明：本技术 基于改进模拟退火算法的电池soc估算方法及系统 (Battery SOC estimation method and system based on improved simulated annealing algorithm ) 是由 刘国平 王静哲 张小兵 刘鹏 王媛媛 于世超 孔江涛 孙海宁 赵锋 袁玉宝 陈贺 于 2019-09-11 设计创作，主要内容包括：本发明提供了一种基于改进模拟退火算法的电池SOC估算方法,通过设置并行计算的改进模拟退火实时算法和改进模拟退火修正算法,来计算电池当前SOC。同时本发明还提供了基于改进模拟退火算法的电池SOC估算系统,包括判断模块、六大获取模块、两大计算模块和结果输出模块,以实现上述基于改进模拟退火算法的电池SOC估算方法。本发明一方面通过获取大量的电池历史实验数据构建成电池历史数据库,并将其电池外部特性参数进行整合,保证了估算精度；另一方面通过设置改进模拟退火实时算法和改进模拟退火修正算法两部分,以提高电池SOC计算的实时性,并提高计算精度。(The invention provides a battery SOC estimation method based on an improved simulated annealing algorithm, which is used for calculating the current SOC of a battery by setting an improved simulated annealing real-time algorithm and an improved simulated annealing correction algorithm which are calculated in parallel. Meanwhile, the invention also provides a battery SOC estimation system based on the improved simulated annealing algorithm, which comprises a judgment module, six acquisition modules, two calculation modules and a result output module, so as to realize the battery SOC estimation method based on the improved simulated annealing algorithm. On one hand, the invention constructs a battery history database by acquiring a large amount of battery history experimental data and integrates the external characteristic parameters of the battery, thereby ensuring the estimation precision; on the other hand, the real-time performance of the SOC calculation of the battery is improved and the calculation precision is improved by arranging an improved simulated annealing real-time algorithm and an improved simulated annealing correction algorithm.)

基于改进模拟退火算法的电池SOC估算方法及系统

技术领域

本发明涉及动力电池管理技术领域，特别涉及一种基于改进模拟退火算法的电池SOC估算方法；同时，本发明还涉及一种基于改进模拟退火算法的电池SOC估算方法及系统。

背景技术

随着全球环境的急剧恶化和能源的日趋紧张，电动汽车越来越受到人们的重视和青睐。动力电池是电动汽车的能量源，对整车整体性能起着决定性作用，是电动汽车的核心部分。为了保证电池性能良好、提高使用安全性并延长使用寿命，就需要对电池进行有效的管理，前提是必须准确而又可靠地得知电池的荷电状态(state of charge，SOC)。SOC为动力电池中按照规定放电条件可以释放的容量占可用容量的百分比，其是表征动力电池组能量余量的重要参数，是电动车可续驶里程的关键指示，是整车控制系统制定最优能量管理策略的重要依据。因此，如何准确地估算动力电池的SOC是电动汽车的关键技术。

然而，SOC为电池内部特性，无法直接对其进行测量，只能通过对其电压、电流、温度、内阻、电容等一些直接测量的外部特性参数预测得到。并且，动力电池的SOC与电池材料体系、生产工艺、应用环境等诸多因素相关，呈现非线性特征，从而给SOC的估算带来很大的困难。因此，虽然用于电池SOC估算方法种类之多，但是当前应用的各种SOC估算方法都存在部分缺陷，不能完全满足电池的实际使用要求。

电流积分法，即在Ah积分的基础上加入一些影响因子的校正，长期使用会导致测量误差不断累积扩大；放电试验法是最可靠的SOC估算方法，其原理为，采用恒定电流进行连续放电，放电电流与时间的乘积即为剩余电量,但是不能用来计算处于工作状态下的动力电池；开路电压法与放电试验法一样，并不适用于运行中的电池SOC估算；安时积分法没有从电池内部解决电量与电池状态的关系，只是从外部记录进出电池的能量，不可避免地使电量的计量可能因为电池状态的变化而失去精度；神经网络法计算周期长难以满足SOC实时在线、高精度估算的要求，同时长期使用估算同一组电池的SOC值，其准确性也会大打折扣；最常用的Kalman滤波法估算SOC的精度很大程度上取决于电池模型的准确程度，工作特性本身就呈高度非线性化的动力电池，在Kalman滤波法中经过线性化处理后难免存在误差，如果模型建立得不够准确，其估算的结果也并不一定可靠，同时该方法涉及的算法非常复杂，计算量极大，所需要的计算周期较长，并且对硬件性能要求苛刻。

CN110045292 A提供的基于大数据和bp神经网络的锂离子电池SOC预测方法，采集电池外部特征参数建立电池SOC大数据的数据集；建立训练集和测试集；构建多重bp神经网络预测模型；将数据集分别放入不同参数的bp神经网络预测模型中，得到测量精度；根据不同参数的bp神经网络预测模型所得到的测量精度进行分析，得到预测结果。

CN110068772 A涉及一种基于改进分数阶模型的锂离子电池荷电状态估计方法，属于电池技术领域，包括步骤：S1：选定待测动力电池，收集整理该动力电池的技术资料，建立该动力电池的改进分数阶电池模型，并确定该动力电池荷电状态状态估计所需的模型参数；S2：在25℃下对被测电池进行电流倍率为C/20的充放电实验和电化学阻抗谱EIS实验，进而建立充放电开路电压、电池模型参数的实验数据库，模拟多种实车工况，建立工况测试实验数据库；S3：对EIS数据进行参数辨识得到电池模型参数，通过数据拟合获取OCV与SOC之间的映射关系；S4：将动力电池的改进分数阶电池模型结合FEKF算法对电池进行SOC状态估计。

CN110082684 A公开了一种基于加权多新息扩展卡尔曼滤波的锂电池SOC估计方法，包括：利用二阶戴维南等效电路模型作为锂电池的等效电路模型；通过基尔霍夫定律建立二阶戴维南等效电路模型的电气特性表达式；根据安时积分法和电气特性表达式建立二阶戴维南等效电路模型的状态空间方程，并离散化状态空间方程；通过电流脉冲实验对二阶戴维南等效电路模型的参数进行识别，通过恒流充放电实验建立OCV和SOC之间的函数关系；基于粒子滤波算法中粒子权值计算思想，计算多新息拓展卡尔曼滤波器中不同时刻对应新息的重要性；根据每个重要性，计算每一重要性对应新息的权重，并重新合理分配多新息扩展卡尔曼中每个新息的权重。

虽然用于电池SOC估算方法种类之多，但各种方法都存在着一定的缺陷，难以满足SOC实时在线、高精度估算的要求。鉴于此，如何能够提高电池SOC计算的实时性，并提高计算精度，成为本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明旨在提出一种基于改进模拟退火算法的电池SOC估算方法，以提高电池SOC计算的实时性，并提高计算精度。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于改进模拟退火算法的电池SOC估算方法，包括下列步骤：

S1：判断电池是否处于工作状态；若是，则执行S3；若否，则执行S2；

S2：获取电池历史数据库的数据；获取所述电池中电芯的数据；根据改进的模拟退火修正算法，得到所述电池当前的OCV-SOC曲线、当前SOC所用权值和当前SOC；

S3：获取电池历史数据库的数据；获取所述电池中电芯的数据；根据改进的模拟退火修正算法和改进的模拟退火实时算法，得到所述电池当前的OCV-SOC曲线、当前SOC所用权值和当前SOC。

进一步地，基于改进模拟退火算法的电池SOC估算方法，包括下列步骤：

S1：判断电池是否处于工作状态；若是，则执行S3；若否，则执行S2；

S2：获取电池历史数据库的充电数据及放电数据；获取所述电池的历史充电数据及放电数据；根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；

获取所述电池中电芯的开路电压和所述电池中电芯的环境温度；根据所述电池中电芯的开路电压和所述电池当前的OCV-SOC曲线，得到所述电池当前SOC；

S3：获取所述电池历史数据库的充电数据及放电数据；获取所述电池的历史充电数据及放电数据；根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；

获取所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流和所述电池的环境温度；获取所述电池当前SOC权值；获取所述电池的上一次SOC；根据所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值和改进的模拟退火实时算法，计算得到所述电池当前SOC；

所述改进的模拟退火实时算法的计算公式为：

式中，SOC(t)为当前电池容量，σ_i为充放电倍率对结果影响的修正系数、σ_T为充放电温度对结果影响的修正系数、Q_c为电池容量、i_k为当前SOC与上一次SOC间充、放电电流，I(t)为电池当前电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。

其中，值得注意的是，若无上一次SOC，则按照下述公式计算：

式中，SOC(t₀)为初始时刻电池的SOC，一般为100％。

进一步的，S3后还包括

S4：SOC校验；SOC校验的公式为：

式中，U_t为电压；

若S3中SOC减去S4中SOC≤0.0001，则得到所述电池当前SOC；若S3中SOC减去S4中SOC＞0.0001，则再次计算SOC直至S3中SOC减去S4中SOC≤0.0001，得到所述电池当前SOC。

进一步的，S3包括下列步骤：

S31：获取所述电池的历史充电数据和放电数据的个数；若所述电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；

S32：计算

式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，k∈(R|[1:1:50])；

若tempmbl(i)_k＝0，则

得到OCV-SOC曲线和所述电池当前SOC所用权值；

若tempmbl(i)_k≠0，则执行S33；

S33：计算最优解，得到OCV-SOC曲线和所述电池当前SOC所用权值；

式中，t为电池充放电次数，

K是物理学中的玻尔兹曼常数。

进一步的，所述预设的历史充电数据和放电数据个数阈值为50。

同时，本发明还提供了一种基于改进模拟退火算法的电池SOC估算系统，以实现上述一种基于改进模拟退火算法的电池SOC估算方法。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于改进模拟退火算法的电池SOC估算系统，包括：

第一判断模块，用于判断电池是否处于工作状态；

第一获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的开路电压、所述电池中电芯两端电压和所述电池中电芯两端电流；

第二获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的环境温度；

第三获取模块，连接于所述第一计算模块，用于获取所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；

第四获取模块，连接于所述第一判断模块，用于获取电池历史数据库的充电数据及放电数据；

第五获取模块，连接于所述第一判断模块，用于获取所述电池的历史充电数据和放电数据；

第六获取模块，连接于所述第一判断模块，用于获取所述电池中两端回路电流；

第七获取模块，连接于所述第一判断模块，用于获取所述电池的上一次SOC；

第一计算模块，连接于所述第四获取模块和所述第五获取模块，用于根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，计算得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值；

第二计算模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块、所述第六获取模块和所述第七获取模块，用于根据所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值、所述电的上一次SOC和改进的模拟退火实时算法，计算得到所述电池当前SOC；

结果输出模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第二计算模块，用于输出所述电池当前SOC；

所述改进的模拟退火实时算法的计算公式为：

式中，SOC(t)为当前电池容量，SOC(t₀)为当前电池容量，σ_i为充放电倍率对结果影响的修正系数、σ_T为充放电温度对结果影响的修正系数、Q_c为电池容量、i_k为当前SOC与上一次SOC间充放电电流，I(t)为当前电池电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。

进一步的，所述电池当前SOC所用权值包括：K₀、K₁、K₂、K₃、K₄及Q_c。

进一步的，还包括第三计算模块，连接于所述第二计算模块，用于SOC校验；SOC校验的公式为：

式中U_t为电压，K₀、K₁、K₂、K₃、K₄为校验参数；

若第二计算模块得到的所述电池当前SOC减去第三计算模块得到的所述电池当前SOC≤0.0001，则将第二计算模块得到的所述电池当前SOC发送至结果输出模块；若第二计算模块得到的所述电池当前SOC减去第三计算模块得到的所述电池当前SOC＞0.0001，则再次计算SOC直至第二计算模块得到的所述电池当前SOC减去第三计算模块得到的所述电池当前SOC≤0.0001，则将第二计算模块得到的所述电池当前SOC发送至结果输出模块。

进一步的，还包括第八获取模块，连接于所述第一判断模块，用于获取若所述电池的历史充电数据和放电数据的个数；

第二判断模块，连接于所述第八获取模块，用于判断所述电池是否为新电池；若所述电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；

第四计算模块，连接于所述第二判断模块，用于计算

式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，k∈(R|[1:1:50])；

若tempmbl(i)_k＝0，则输出OCV-SOC曲线和所述电池当前SOC所用权值；

若tempmbl(i)_k≠0，则执行S33；

第六计算模块，连接于所述第五计算模块，用于计算最优解；得到的OCV-SOC曲线，

和所述电池当前SOC所用权值；

其中t为电池充放电次数，

K是物理学中的玻尔兹曼常数。

进一步的，所述预设的历史充电数据和放电数据个数阈值为50。

相对于现有技术，本发明具有以下优势：

本发明一方面通过获取大量的电池历史实验数据构建成电池历史数据库，并将其电池外部特性参数进行整合，保证了估算精度；另一方面通过设置并行计算的改进模拟退火实时算法和改进模拟退火修正算法两个部分，以提高电池SOC计算的实时性，并提高计算精度。改进模拟退火实时算法计算简便快捷，计算用时为毫秒级别，可以快速实时跟踪电池电量，实时电池SOC，能够满足用户能实时看到电池的剩余电量。改进模拟退火修正算法是基于大数据分析的算法，需要用到电池历史数据库里的大量其他电池充放电实验数据，及对应所在电池的历史充放电记录，最终得出实时算法所需的数据；其通过更新OCV-SOC曲线和电池当前SOC权值，能够避免电池多次充放电后产生的由于其本身特性变化所造成实时计算时的累计误差。其次，采用本发明的计算方案，可以使得电池当前SOC计算误差不超过0.2％，进而实现对电池的有效管理，提升客户体验；最后，能够保证电池性能良好，提高其使用安全性，延长使用寿命，降低电动汽车的运行成本。

附图说明

为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例1基于改进模拟退火算法的电池SOC估算方法的流程示意图；

图2为本发明实施例1基于改进模拟退火算法的电池SOC估算系统的结构框图；

图3为本发明实施例2得到的“新电池”的OCV-SOC曲线。

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、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本领域技术人员知道，本发明的实施方式可以实现一种系统、装置、设备、方法或计算机程序。因此，本发明可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制意义。

本发明中，电动车的电池包是由许多电芯通过串并联组合而成，所以本发明中用到的电流为回路电流除以并联电芯数m，即为流过电芯的电流；电池电压由电芯串联得到，所以本发明中电压为电芯两端电压；SOC是电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，所以无需区分是电池的SOC还是电芯的SOC，两者是一致的。

本发明中，OCV-SOC曲线即电压-电量曲线。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

本发明涉及基于改进模拟退火算法的电池SOC估算方法，其主要设计思想在于：通过设置改进模拟退火实时算法和改进模拟退火修正算法两个部分来提高电池SOC计算的实时性，并提高计算精度。

通过该整体设计思想的设置，能够快速实时跟踪电池电量，实时电池SOC；同时能够避免电池多次充放电后产生的由于其本身特性变化所造成实时计算时的累计误差，最终达到能够满足用户能实时看到电池的剩余电量、提升用户体验的目的。

实施例1

在本发明的基于改进模拟退火算法的电池SOC估算方法使用之前，需要构建一个电池历史数据库，该电池历史数据库中需要提前输入大量的电池历史实验数据，存储于存储器中。这些实验数据为电池外部特性参数，其具体电池外部特性参数可根据需求而具体设定。本实施例中，这些实验数据包含了电池各种状态运行的电压、电流，以及在相应的状态下的荷电状态与容量等数据。进而，将这些电池外部特性参数进行整合，保证了估算精度。具体地，在试验时通过测量电池在不同状态下充放电的电压、电流，通过对电流进行积分，得到电池的OCV-SOC曲线和Q_c，再通过对曲线的差值拟合得到K₀至K₄。具体地，试验过程中，通过传统的安时积分法，计算绘制不同状态下的电池OCV-SOC曲线，通过对该曲线的差值拟合得到K₀至K₄。其中，差值拟合方法可以直接由matlab、lingo、spass等数学软件直接实现，即将OCV-SOC曲线放入软件中运行环境下，点击差值拟合功能即可得到相关数据。

基于如上设计思想，本发明的其中一种具体限定方案中，基于改进模拟退火算法的电池SOC估算方法(如图1所示)包括下列步骤：

S1：判断电池是否处于工作状态，具体地，可检测电池回路中是否有电流，若有电流则为工作状态，若无电流或者较小电流(如小于10mA甚至更小)则电池处于非工作状态，即休眠状态；若是，则执行S3；若否，则执行S2；

S2：并行运行改进的模拟退火实时算法和改进的模拟退火修正算法，计算得到所述电池当前SOC。其中，改进的模拟退火修正算法为：读取存储器电池历史数据库中其他电池实验数据中的充电数据及放电数据；读取待检测电池的历史充电数据和放电数据；将所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据输入改进的模拟退火修正算法进行计算，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值。优选的，读取所述待检测电池的历史充电数据和放电数据的个数不低于五十次，若该电池全生命周期内充电数据和放电数据的个数不足50次，则读取该电池全生命周期内的充电数据和放电数据。其中，得到的所述电池当前的OCV-SOC曲线应用于改进的模拟退火实时算法，以实时计算SOC。

改进的实时退火实时算法为：读取所述电池中电芯的开路电压和所述电池中电芯的环境温度；读取改进的模拟退火修正算法得到的所述电池当前的OCV-SOC曲线。根据所述电池中电芯的开路电压，找到所述当前开路电压于所述电池当前的OCV-SOC曲线中相对应SOC，即为所述电池当前SOC；

S3：并行运行改进的模拟退火实时算法和改进的模拟退火修正算法，计算得到所述电池当前SOC。其中，改进的模拟退火修正算法为：读取存储器电池历史数据库中其他电池实验数据中的充电数据及放电数据；读取待检测电池的历史充电数据和放电数据；将所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据输入改进的模拟退火修正算法进行计算，得到所述电池当前的OCV-SOC曲线和所述电池当前SOC所用权值。优选的，读取所述待检测电池的历史充电数据和放电数据的个数不低于五十次，若该电池全生命周期内充电数据和放电数据的个数不足50次，则读取该电池全生命周期内的充电数据和放电数据。其中，得到的所述电池当前SOC所用权值应用于改进的模拟退火实时算法，以实时计算SOC。

改进的实时退火实时算法为：读取所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流和所述电池的环境温度；读取所述电池当前SOC权值；将所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值输入改进的模拟退火实时算法，计算得到所述电池当前SOC；

具体地，所述改进的模拟退火实时算法的计算公式为：

式中，SOC(t)为当前电池容量，SOC(t₀)为当前电池容量，σ_i为充放电倍率对结果影响的修正系数、σ_T为充放电温度对结果影响的修正系数、Q_c为电池容量、i_k为当前SOC与上一次SOC间充放电电流，I(t)为当前电池电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。

首先，本发明通过获取大量的电池历史实验数据构建成电池历史数据库，并将其电池外部特性参数进行整合，保证了估算精度；其次，本发明的基于改进模拟退火算法的电池SOC估算方法分为两个部分，第一部分为改进的模拟退火实时算法，第二部分为改进的模拟退火修正算法，以提高电池SOC计算的实时性，并提高计算精度。

同时，本发明考虑到由于电池本身的特性，电池在休眠状态下，无电流或者电路很小，电池两端电压较高，当电池处于工作状态时，电流很大，电压随之降低。同等SOC的电池，工作电流越大，电池两端电压越低。因此，根据电池的工作状态或休眠状态进行区分，再进行电池当前SOC权值的计算，增加本发明的准确性。

其次，改进模拟退火实时算法计算简便快捷，计算用时为毫秒级别，可以快速实时跟踪电池电量，实时电池SOC，能够满足用户能实时看到电池的剩余电量。改进模拟退火修正算法是基于大数据分析的算法，需要用到电池历史数据库里的大量其他电池充放电实验数据，及对应所在电池的历史充放电记录，最终得出实时算法所需的数据；其通过更新OCV-SOC曲线和电池当前SOC权值，能够避免电池多次充放电后产生的由于本身特性变化所造成实时计算时的累计误差。

再次，虽然改进模拟退火修正算法的计算时间稍长，但是在这段时间内，若没有极端工况，可以认为电池的容量、电压与荷电状态关系等物理特性并未发生改变，即电池特性未发生改变，实时算法所需的数据即为电池当前的准确数据，且在这段时间内没有产生累计误差。通过改进的模拟退火修正算法，用电池近期数据对比电池历史数据库中的历史试验数据，遍历搜索得出最接近的一组历史试验数据，其中，K₀至K₄以及Q_c均相当于包含在这组数据中。

最后，采用本发明的计算方案，在正常工作条件下可以使得电池当前SOC计算误差不超过0.2％，进而实现对电池的有效管理，提升客户体验；最终达到保证电池性能良好、提高使用安全性、延长使用寿命和降低电动汽车的运行成本的目的；本发明具有很高的实用性，可在实际中得到广泛应用。

为了进一步提高基于改进模拟退火算法的电池SOC估算方法的估算精度，在本发明的其中一种具体实施方式中，所述电池当前SOC所用权值的参数包括：K₀、K₁、K₂、K₃、K₄及Q_c。

为了更进一步提高基于改进模拟退火算法的电池SOC估算方法的估算精度，在本发明的另一种具体实施方式中，S4后还包括S4：SOC校验。其中，SOC校验的公式为：

式中，U_t为电压；

若S3中SOC-S4中SOC≤0.0001，则得到SOC；若S3中SOC-S4中SOC＞0.0001，则再次计算当前SOC直至S3中SOC-S4中SOC≤0.0001，得到SOC。

为了进一步提高基于改进模拟退火算法的电池SOC估算方法的估算精度，在本发明的其中一种具体实施例中，S3包括下列步骤：

S31：获取所述电池的历史充电数据和放电数据的个数；若所述电池的历史充电数据和放电数据的个数小于预设的历史充电数据和放电数据个数阈值，则执行S32；若所述历史充电数据和放电数据个数不小于预设的历史充电数据和放电数据个数阈值，则执行S33；

S32：计算式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推，k∈(R|[1:1:50])；

若tempmbl(i)_k＝0，则

得到OCV-SOC曲线、K₀、K₁、K₂、K₃、K₄和Q_c；

若tempmbl(i)_k≠0，则执行S33；以更一步减小计算误差，提高电池SOC估算的准确性。

S33：计算最优解，得到OCV-SOC曲线、K₀、K₁、K₂、K₃、K₄和Q_c；

式中，t为电池充放电次数，

K是物理学中的玻尔兹曼常数。

优选的，所述预设的历史充电数据和放电数据个数阈值为50。当采集的数据大于等于50次后，所计算的结果精度较高。具体该阈值的设置，可根据实际情况设定。在不要求高精度的情况下，所述预设的历史充电数据和放电数据个数阈值要求可以降低；在要求更高计算精度的情况下，所述预设的历史充电数据和放电数据个数阈值要求亦随之增大。

本发明还提供了一种基于改进模拟退火算法的电池SOC估算系统，包括第一判断模块、第一获取模块、第二获取模块、第三获取模块、第四获取模块、第五获取模块、第六获取模块、第一计算模块、第二计算模块和结果输出模块(如图2所示)。具体地，

第一判断模块，用于判断电池是否处于工作状态；

第一获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的开路电压、所述电池中电芯两端电压和所述电池中电芯两端电流；

第二获取模块，连接于所述第一判断模块，用于获取所述电池中电芯的环境温度；

第三获取模块，连接于所述第一计算模块，用于获取所述电池当前的OCV-SOC曲线和电池当前SOC权值；

第四获取模块，连接于所述第一判断模块，用于获取电池历史数据库的充电数据及放电数据；

第五获取模块，连接于所述第一判断模块，用于获取所述电池的历史充电数据和放电数据；

第六获取模块，连接于所述第一判断模块，用于获取所述电池中两端回路电流；

第七获取模块，连接于所述第一判断模块，用于获取所述电池的上一次SOC；

第一计算模块，连接于所述第四获取模块和所述第五获取模块，用于根据所述电池历史数据库的充电数据及放电数据、所述电池的历史充电数据及放电数据和改进的模拟退火修正算法，计算得到所述电池当前的OCV-SOC曲线和K₀、K₁、K₂、K₃、K₄及Q_c；

第二计算模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第六获取模块，用于根据所述电池中两端回路电流、所述电池中电芯两端电压、所述电池中电芯两端电流、所述电池的环境温度、所述电池当前SOC权值和改进的模拟退火实时算法，计算得到所述电池当前SOC；

结果输出模块，连接于所述第三获取模块、所述第一获取模块、第二获取模块和所述第二计算模块，用于输出所述电池当前SOC；

所述改进的模拟退火实时算法的计算公式为：

式中，SOC(t)为当前电池容量，SOC(t₀)为当前电池容量，σ_i为充放电倍率对结果影响的修正系数、σ_T为充放电温度对结果影响的修正系数、Q_c为电池容量、i_k为当前SOC与上一次SOC间充放电电流(虽然为实时计算，但实际本次所述电池当前SOC与上次计算电池SOC有一定的时间间隔，i_k即为这段时间内电池的电流，其处于充电状态即为充电电流，其处于放电状态即为放电电流)、I(t)为当前电池电流；SOC(t-1)为电池上一次的SOC值，△t为本次计算与上次计算之间的时间差。

需要说明的是，本发明提供的基于改进模拟退火算法的电池SOC估算方法中的步骤，可以利用上述基于改进模拟退火算法的电池SOC估算系统中对应的模块、装置等予以实现，本领域技术人员可以参照所述系统的技术方案实现所述方法的步骤流程，即所述系统中的实施方式可理解为实现所述方法的优选例，在此不予赘述。

基于如上整体设计，下述实施例对该设计下的其中一部分具体应用进行详细说明。

实施例2

本实施例涉及一种基于改进模拟退火算法的电池SOC估算方法方法，为实施例1下的具体应用，具体包括下列步骤：

步骤一：

判断电池是否处于工作状态，若处于休眠状态则进入步骤二，若处于工作状态则进入步骤三；

步骤二：

读取电池中电芯开路电压及环境温度，读取电池当前的OCV-SOC曲线，根据电池中电芯开路电压找到其于电池当前的OCV-SOC曲线对应的SOC，得出电池当前SOC。电池当前OCV-SOC曲线由改进的模拟退火修正算法得出，具体步骤参照实施例1。

步骤三：

读取电池两端回路中的电流及电池中电芯两端电压、电池中电芯电流及电池的环境温度，读取当前电池SOC权值，读取上一次SOC值(若上一次SOC值为休眠状态值不影响计算结果)，带入改进的模拟退火实时算法以计算电池当前SOC，进一步进行消除本次内累计误差计算和SOC校验计算。

其中，改进的模拟退火实时算法公式如下：

式中，SOC(t)为当前电池容量，σ_i、σ_T、Q_c、i_k分别为：充放电倍率对结果影响的修正系数、充放电温度对结果影响的修正系数、电池容量、当前SOC与上一次SOC间充放电电流，SOC(t-1)为电池上一次的SOC值，I(t)为当前电池电流。

SOC校验的公式如下：

式中，U_t为电压，K₀、K₁、K₂、K₃、K₄为校验参数，其由改进的模拟退火修正算法计算得出。

若SOC(t)_计算-SOC(t)_校验≤0.0001，则保存并输出SOC即为所述电池当前SOC；否则只保存本次计算结果，再次计算当前SOC，直至SOC(t)_计算-SOC(t)_校验≤0.0001，则保存并输出SOC即为所述电池当前SOC。

步骤四：本步骤为改进的模拟退火修正算法，其与步骤二和步骤三中的改进的模拟退火实时算法同时进行。

步骤a、读取存储器中的其他电池实验数据中的充电数据和放电数据，执行步骤b；

步骤b、读取寄存器中的所在电池历史充电数据和放电数据，其充放电数据读取量为最近五十次充电数据和最近五十次放电数据。若电池历史充放电数据小于五十次，则认为电池属于“新电池”，则执行步骤c，否则执行步骤d；

步骤c、若电池属于新电池，则更新步骤二与步骤三中的寄存器内的所述电池当前的OCV-SOC曲线和K₀、K₁、K₂、K₃、K₄及Q_c，用于步骤二和步骤三中的改进的模拟退火实时算法实时计算SOC。本次改进的模拟退火修正算法计算结束。图3示出了本实施例得到的“新电池”的OCV-SOC曲线。

步骤d、若不属于“新电池”，则计算

计算结束后进入步骤e。

式中，tempmbl(i)为第i个临时目标量，QZC的i和j分别为存储器中第i个电池、同种电池中第j次充/放电，LSC(j)为当前电池第j次历史充/放电，当j>50时LSC(j)＝LSC(j-50)以此类推；其中k∈(R|[1:1:50])。

步骤e、若tempmbl(i)k＝0，则

输出OCV-SOC曲线、K₀、K₁、K₂、K₃、K₄及Q_c的值。本次改进的模拟退火修正算法计算结束。

步骤f、若tempmbl(i)_k≠0，则通过下式训练计算出最优解，进入步骤g；

式中，t为电池充放电次数，K是物理学中的玻尔兹曼常数。

步骤g、用新计算得到的OCV-SOC曲线，及K₀、K₁、K₂、K₃、K₄、Q_c的值，刷新步骤二与步骤三中的寄存器内的值，用于改进的模拟退火实时算法以进行SOC实时计算。本次改进的模拟退火修正算法计算结束。

步骤五：

显示步骤二或步骤三计算得到的所述电池当前SOC值，以及采集到的电池两端电压数据和电流数据。本次基于改进的模拟退火算法的SOC估算结束。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。