一種估計電動車輛的動力電池的荷電狀態(tài)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電動車輛的動力電池管理系統(tǒng)，尤其涉及動力電池管理系統(tǒng)估計動力 電池的荷電狀態(tài)的方法。
【背景技術(shù)】
[0002] 在電動車輛中，其動力電池的荷電狀態(tài)（stateofcharge，簡稱S0C，用符號z表 示）作為對電動車輛的能量進行管理的決策因素之一，對于優(yōu)化電動車輛的能量管理、提 高動力電池容量和能量的利用率、避免動力電池過充電和/或過放電、提高動力電池的使 用安全性、延長動力電池的使用壽命均有重要作用。但是，S0C是動力電池的隱含狀態(tài)量， 難以直接通過測試或計算得出，只能通過估計方法估計得出。
[0003] 目前，常用的估計動力電池的荷電狀態(tài)S0C的方法有如下兩類：
[0004] 第一、非基于電池模型估計動力電池的荷電狀態(tài)S0C的方法
[0005] 常用的非基于電池模型估計動力電池的荷電狀態(tài)S0C的方法為安時積分法。采用 該方法對動力電池荷電狀態(tài)S0C進行估計時，必須精確地測量出被估計的動力電池的荷電 狀態(tài)S0C的初始值、充放電電流及額定容量。但是，在實際操作中，動力電池的荷電狀態(tài)S0C 的初始值及額定容量的測量精度會因為動力電池的溫度、充放電倍率的變化及電池老化等 原因而降低；充放電電流的測量精度易受測量用的電流傳感器的測量精度的影響，而電流 傳感器的測量精度易因受到噪聲、溫度漂移及其他未知的隨機干擾而降低。故在進行積分 計算的過程中，計算結(jié)果容易因參數(shù)的測量精度低而形成誤差，且該誤差在長期積累后，越 來越大，進而易導(dǎo)致計算得到的荷電狀態(tài)S0C的估計精度較低。
[0006] 第二、基于電池模型估計動力電池的荷電狀態(tài)S0C的方法
[0007] 基于電池模型估計動力電池的荷電狀態(tài)S0C的方法主要利用安時積分法與電池 模型融合，將動力電池的荷電狀態(tài)S0C作為狀態(tài)量建立起標準的狀態(tài)空間模型，從而對動 力電池的荷電狀態(tài)S0C進行估計。該方法可直接應(yīng)用多種基于電池狀態(tài)空間模型的濾波 方法，如卡爾曼濾波器（Kalmanfilter，簡稱KF)，其包括擴展卡爾曼濾波器（extended Kalmanfilter，簡稱EKF)、自適應(yīng)擴展卡爾曼濾波器（adaptiveextendedKalman filter，簡稱AEKF)以及中心差分卡爾曼濾波器（centraldifferenceKalmanfilter，簡 稱CDKF)等。應(yīng)用EKF對電池狀態(tài)空間模型進行線性化處理，雖然提高了動力電池的荷電 狀態(tài)S0C的估計精度，但是，在對電池狀態(tài)空間模型進行線性化處理時，勢必會引入線性誤 差。為避免此類誤差，有效提高動力電池的荷電狀態(tài)S0C的估計精度，本領(lǐng)域技術(shù)人員應(yīng)用 CDKF對動力電池的荷電狀態(tài)S0C進行非線性估計。另外，為解決應(yīng)用EKF對動力電池的荷 電狀態(tài)S0C進行估計時，估計精度對初始值的設(shè)置依賴性過強的問題，本領(lǐng)域的技術(shù)人員 應(yīng)用AEKF實現(xiàn)噪聲協(xié)方差的自適應(yīng)估計；為解決應(yīng)用EKF對動力電池的荷電狀態(tài)S0C進行 估計時，對建模精度要求過高的問題，本領(lǐng)域的技術(shù)人員采用Hinfinity濾波器來實現(xiàn)在 建模不精確時對動力電池的荷電狀態(tài)S0C的精確估計。這樣，雖然能夠有效抵抗電流、電流 傳感器的測量噪聲及環(huán)境的隨機干擾，并對動力電池的荷電狀態(tài)S0C的不精確初始值進行 矯正，但是，由于各種濾波器自身的特點，在使用過程中很容易出現(xiàn)因為初始值設(shè)置不合適 或是隨機干擾的產(chǎn)生而使濾波器產(chǎn)生估計發(fā)散，嚴重降低動力電池的荷電狀態(tài)SOC的估計 精度及其穩(wěn)定性。
[0008] 綜上可見，現(xiàn)有的估計動力電池的荷電狀態(tài)S0C的方法，估計精度低且不穩(wěn)定。

【發(fā)明內(nèi)容】

[0009] 為提高電動車輛的電池管理系統(tǒng)對動力電池的荷電狀態(tài)S0C的估計精度及估計 穩(wěn)定性，本發(fā)明提出一種估計電動車輛的動力電池的荷電狀態(tài)的方法，該方法包括如下步 驟：
[0010] 步驟一、在所述動力電池充放電的過程中，對動力電池的端電壓ut和充放電電流 k進行采樣，且采樣時間間隔為At;
[0011] 步驟二、建立所述動力電池的系統(tǒng)模型；
[0012] 步驟三、估計所述動力電池的荷電狀態(tài)：
[0013] 首先，根據(jù)所述動力電池的系統(tǒng)模型建立所述動力電池的狀態(tài)方程和觀測方程，
[0014]
[0015] 其中，
[0016] xk為所述動力電池在k時刻的系統(tǒng)估計狀態(tài)，
[0017] xki為所述動力電池在k-Ι時刻的系統(tǒng)估計狀態(tài)，
[0018] yk為所述動力電池在k時刻的系統(tǒng)觀測矩陣，
[0019] Θk為所述動力電池在k時刻的系統(tǒng)參數(shù)，
[0020] ?k為所述動力電池在k時刻的系統(tǒng)狀態(tài)白噪聲，其均值為零，協(xié)方差矩陣為Qk，
[0021] uk為所述動力電池在k時刻的系統(tǒng)輸入信息，
[0022] vk為所述動力電池在k時刻的系統(tǒng)測量白噪聲，其均值為零，協(xié)方差矩陣為Rk，
[0023] f(xki，ΘkukD為所述動力電池在k時刻的狀態(tài)函數(shù)，
[0024] h(xk，Θk，Uk)為所述動力電池在k時亥IJ的觀測函數(shù)；
[0025] 接著，依次采用安時積分法以及采用狀態(tài)觀測器⑶KF、AEKF和Hinfinity配合所 述動力電池的系統(tǒng)模型分別對所述動力電池的荷電狀態(tài)進行估計得到所述動力電池的荷 電狀態(tài)的估計值zk,Ah，zk, mKF,zk,AEKF^Pzk, Hinf;
[0026] 然后，對zk,Ah,zk,_zk,AEKF^PzMinf進行加權(quán)計算得到所述動力電池的荷電狀態(tài)的 估計值zk，且
[0027] Zk- w1ZkjAh+W2Zk, CDKF+W3Zk, AEKF+W4Zk, Hinf
[0028] 其中，Wpw2,w#Pw4為加權(quán)系數(shù)，且wi+Wjj+wfwf1。
[0029] 采用該估計方法估計電動車輛的動力電池的荷電狀態(tài)SOC時，采用多種方法分別 對動力電池的荷電狀態(tài)S0C進行估計，并對估計結(jié)果進行加權(quán)計算得出最終的估計值。該 估計值的精度可達到2 %以內(nèi)，且大部分達到1 %以內(nèi)，極大地提高了動力電池的荷電狀態(tài) S0C的估計精度；該估計值不易發(fā)散，有效地提高了動力電池荷電狀態(tài)S0C的估計穩(wěn)定性。
[0030] 優(yōu)選地，在所述步驟一中，采集數(shù)據(jù)時，采樣時間間隔△t為均值，以提高動力電 池的荷電狀態(tài)S0C的估計精度。
[0031] 優(yōu)選地，在所述步驟二中，采用等效電路建立所述動力電池的系統(tǒng)模型，建模簡單 方便，且增強了對動力電池的荷電狀態(tài)S0C的估計誤差的校正能力。
[0032] 優(yōu)選地，在所述步驟三中，所述加權(quán)系數(shù)^，w2,w#Pw4均等于0. 25,以進一步提高 動力電池的荷電狀態(tài)S0C的估計精度及穩(wěn)定性。
[0033] 優(yōu)選地，在所述步驟三中，采用安時積分法對所述動力電池的荷電狀態(tài)進行估計 時，
[0034]
[0035] 其中，
[0036] Cn為所述動力電池的額定容量，
[0037] η為所述動力電池的充放電效率，
[0038]U為所述動力電池在k時刻的充放電電流，
[0039] zkliAh為動力電池在k-Ι時刻的荷電狀態(tài)的估計值。
[0040] 優(yōu)選地，在所述步驟三中，采用狀態(tài)觀測器CDKF對所述動力電池的荷電狀態(tài)進行 估計時，
[0041 ] 首先，定義sigma點
[0042]
[0043] 其中，
[0044] 4所述動力電池在k時刻的增廣狀態(tài)向量，
[0045] T表示矩陣轉(zhuǎn)置，
[0046] 為所述動力電池在k時刻的增廣狀態(tài)向量<產(chǎn)生的sigma點的集合，
[0047]L為所述動力電池在k時刻的增廣狀態(tài)向量< 的維數(shù)；
[0048] 接著，對所述狀態(tài)觀測器⑶KF中的x、xa、PlPPa進行初始化設(shè)置得到X。、#、if 和#，其中，
[0049] X。為所述動力電池的狀態(tài)向量X的初始值，
[0050] <為所述動力電池的增廣狀態(tài)向量xa的初始值，
[0051] #為所述動力電池的狀態(tài)向量估計誤差的協(xié)方差矩陣Px的初始值，
[0052] #為所述動力電池的增廣狀態(tài)向量估計誤差的協(xié)方差矩陣Pa的初始值；
[0053] 然后，構(gòu)造sigma點，并對所述狀態(tài)觀測器⑶KF進行時間更新，且更新的時間長度 為一個采樣時間間隔At，得到所述狀態(tài)向量X和所述狀態(tài)向量協(xié)方差矩陣Px在k時刻的 先驗估計值元和#、且
[0054]
[0055]
[0056]
[0057] 興十，
[0058] χ:_:為所述動力電池在k-1時刻的增廣狀態(tài)向量xL產(chǎn)生的Sigma點的集合，且 sigma點的數(shù)量n= 2L+1，
[0059] 尤:丨為所述動力電池在k-1時刻的增廣狀態(tài)向量的后驗估計值，
[0060] 5C「為所述動力電池在k時刻的增廣狀態(tài)向量％產(chǎn)生的第i個sigma點，
[0061] γ為中心差分半步長度，
[0062] 為所述動力電池在k-Ι時刻的增廣狀態(tài)向量估計誤差的協(xié)方差矩陣/^的后 驗估計值，
[0063]
%所述動力電池在k-Ι時刻的增廣狀態(tài)向量產(chǎn)生的第i個sigma點的狀態(tài)函數(shù)，
[0064] 3C二，為所述動力電池在k-Ι時刻的狀態(tài)向量xk1產(chǎn)生的第i個sigma點，
[0065] Θki為所述動力電池在k-Ι時刻的狀態(tài)向量Xki的系統(tǒng)參數(shù)，
[0066] uki所述動力電池在k-Ι時刻的輸入信息，
[0067]χ",為所述動力電池在k-Ι時刻的系統(tǒng)狀態(tài)白噪聲C0ki產(chǎn)生的第i個sigma點，
[0068] 元為所述動力電池在k時刻的狀態(tài)向量先驗估計值，
[0069] XG所述動力電池在k時刻的狀態(tài)向量X!^生的第i個sigma點，
[0070] 為一階統(tǒng)計特性的