电池SOC加速修正方法、电池管理系统及用电装置与流程

电池soc加速修正方法、电池管理系统及用电装置
技术领域
1.本技术涉及电池技术领域，具体涉及电池soc加速修正方法、电池管理系统及用电装置。


背景技术：

2.由于双扩展卡尔曼滤波算法对soc的修正能力与其精度相互影响，为了保障双扩展卡尔曼滤波算法对于soc估计的高精度，通常收敛性较差，并且，若单独采用一个扩展卡尔曼滤波（ekf）算法对soc估计，存在ekf算法精度和收敛性矛盾的问题。


技术实现要素：

3.本技术提供一种电池soc加速修正方法、电池管理系统及用电装置，用于解决现有双卡尔曼滤波算法对soc估计的高精度收敛性差的问题。
4.本技术提供了电池soc加速修正方法，包括步骤：构建电池的电路模型，对所述电路模型进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器以运行双扩展卡尔曼滤波算法；采用安时积分计算在某时间区间t0内的电池实际变化的第一安时量q1，采用所述双扩展卡尔曼滤波算法计算在所述时间区间t0内的soc变化量所对应的安时量q2；计算q1和q2之间的差异变化速率为abs(q
2-q1)/t0，当abs(q
2-q1)/t0大于修正速率阈值w时，判定soc存在较大误差，且所述双扩展卡尔曼滤波算法在对soc进行修正；判断soc修正方向，并向当前soc提供修正量以加速电池soc修正。
5.在一些实施例中，在构建电路模型的步骤中，所述电路模型的状态空间模型满足：，，，，，
其中，u
p
表示rc环节两端的电压，q表示电池当前最大可用容量，ro表示欧姆电阻，且ro表示电池端电压的瞬时突变，u
oc
表示电压源，r
p
表示极化内阻，c
p
表示极化电容，r
p
和c
p
表征电池的极化过渡过程；i
t
表示电池输出电流，i
t
在放电时为正值，i
t
在充电时为负值；k表示第k步中各变量的值，表示采样时间，且表示k到（k+1）的时间，为常数值；表示电池状态的值，表示所有电池模型参数，和分别表示步骤k中电池模型状态和参数无关的过程噪声；表示的协方差矩阵，表示的协方差矩阵，和均用来表示模型误差；表示第k步的观测噪声，表示的协方差矩阵，、和均用来表示观测误差。
6.在一些实施例中，所述双扩展卡尔曼滤波算法的步骤包括：双扩展卡尔曼滤波算法初始化，初始化方程满足：，其中，为电池实验数据计算出的参数初始化值，表示电池状态的初始化值，表示参数滤波器的初始系统参数协方差矩阵，表示状态滤波器的初始系统参数协方差矩阵。
7.在一些实施例中，双扩展卡尔曼滤波算法初始化后，所述双扩展卡尔曼滤波算法的步骤还包括：计算参数过滤器的预测方程，预测方程满足：，t表示参数滤波的采样时间，表示参数滤波器的步长，；计算参数滤波器的观测更新方程，观测更新方程满足：，k表示卡尔曼增益，y表示实测电压，符号
“‑”
表示变量的预测值，符号“^”表示变量的估计值，t表示状态滤波器的采样时间，表示状态滤波器的步长，。
8.在一些实施例中，计算参数滤波器的观测更新方程后，所述双扩展卡尔曼滤波算法的步骤还包括：计算状态滤波器的预测方程，预测方程满足：；计算状态滤波器的观测更新方程，观测更新方程满足：，
，，，，，，，，，，其中，a表示状态转移矩阵，h表示观测矩阵，状态滤波器采样时间t小于参数滤波器采样时间t。
9.在一些实施例中，当电池放电时，获取soc
计算
，若q2》q1，判定真实soc《soc
计算
，将soc
计算
减去修正量。
10.在一些实施例中，当电池放电时，获取soc
计算
，若q2《q1，判定真实soc》soc
计算
，将soc
计算
加上修正量。
11.在一些实施例中，若soc误差小于2%，soc
计算
的修正量等于2%。
12.本技术还提供一种电池管理系统，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法。
13.本技术还提供一种用电装置，包括如上所述的电池管理系统。
14.本技术的有益效果在于，提供一种电池soc加速修正方法、电池管理系统及用电装置，该电池soc加速修正方法通过构建电池的电路模型，对电路模型进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器，运行双扩展卡尔曼滤波（dekf）算法；利用安时积分计算在某一时间区间t0内的电池实际变化第一安时量q1与dekf算法在此时间区间t0内的soc
计算变化量所对应的第二安时量q2，得到q1和q2二者之间的差异变化速率abs(q
2-q1)/t0，当差异变化速率abs(q
2-q1)/t0大于修正速率阈值w时，判断此时soc存在较大误差，判定dekf算法正在对soc进行修正，再判断soc修正方向，根据soc修正方向，向当前soc提供修正量以加速电池soc的修正。本技术该电池soc加速修正方法的修正方案可重复触发，在具有较大误差时可以快速修正soc，通过dekf算法能够实现电池参数的在线辨识，可以减少实验室参数标定工作量，减少电池老化后参数改变带来的soc估计误差影响；采用dekf和安时积分对比的方法，能够改善ekf算法精度和收敛性矛盾的问题。
附图说明
15.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，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。
16.图1是戴维宁模型的电路原理示意图；图2是双扩展卡尔曼滤波算法的实现流程示意图；图3是本技术电池soc加速修正方法的流程示意图。
具体实施方式
17.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域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，都属于本技术保护的范围。此外，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本技术，并不用于限制本技术。在本技术中，在未作相反说明的情况下，使用的方位词如“上”和“下”通常是指装置实际使用或工作状态下的上和下，具体为附图中的图面方向；而“内”和“外”则是针对装置的轮廓而言的。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。
18.本技术实施例提供一种电池soc加速修正方法、电池管理系统及用电装置，该电池soc加速修正方法包括：构建电池的电路模型，对电路模型进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器，运行双扩展卡尔曼滤波算法，即运行dekf算法；采用安时积分计算在某一时间区间t0内的电池实际变化第一安时量q1，采用双扩展卡尔曼滤波算法计算在该时间区间t0内的soc变化量所对应的第一安时量q2；计算q1和q2二者之间的差异变化速率abs(q
2-q1)/t0，当abs(q
2-q1)/t0大于修正速率阈值w时，判定soc存在较大误差，且判定dekf算法正在对soc进行修正；再判断soc修正方向，根据soc修正方向给当前soc一个修正量以加速电池soc的修正过程。本技术该电池soc加速修正方法，通过dekf算法能够实现电池参数的在线辨识，可以减少实验室参数标定工作量，减少电池老化后参数改变带来的soc估计误差影响；采用dekf和安时积分对比的方法，能够改善ekf算法精度和收敛性矛盾的问题；该电池soc加速修正方法的修正方案可重复触发，在具有较大误差时可以快速修正soc。
19.本技术实施例提供的电池soc加速修正方法，尤其为一种基于双扩展卡尔曼滤波
和安时积分耦合的电池soc加速修正方法，包括步骤如下：步骤1：构建电池的电路模型，对电路模型进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器，运行双扩展卡尔曼滤波算法；本技术实施例中，在本步骤1中，通过构建电路模型描述电池充放电特性，通过相关测试标定电路模型初始参数，建立双扩展卡尔曼滤波器并采用双扩展卡尔曼滤波算法即dekf算法进行电池的soc估计，其中一个扩展卡尔曼滤波即ekf用于在线辨识等效电路参数，另一个扩展卡尔曼滤波即ekf用于实时估计电池状态，电池状态包括电池的极化电压和电池soc。
20.本技术实施例中，在本步骤1中，在构建电池的电路模型，对电路模型进行离散化处理的步骤中，电路模型相当于将电池内部反应看作是包含多个电子元件的电路；电路模型包括但不限于为rint模型、戴维宁模型即thevenin模型、pngv模型和多阶rc模型，在具体实施例的应用过程中，可以根据实际应用场景选取合适的上述任一种模型。
21.在本技术实施例中，请参阅图1，选取戴维宁模型作为本技术实施例中的电路模型，在本步骤1中，利用基尔霍夫定律将电池的电路模型写成状态空间模型，状态空间方程满足：1，上式中，u
p
表示rc环节两端的电压，q表示电池当前最大可用容量，ro表示欧姆电阻，且ro表示电池端电压的瞬时突变，u
oc
表示电压源，r
p
表示极化内阻，c
p
表示极化电容，r
p
和c
p
表征电池的极化过渡过程，r
p
表示极化内阻，c
p
表示极化电容；i
t
表示电池输出电流，i
t
在放电时为正值，i
t
在充电时为负值；在本步骤1中，电池的电路模型的状态空间方程即式1代入下式2~式5：2，3，4，5，上式中，k表示第k步中各变量的值，作顶部或底部标签代表为状态和参数值，表示采样间隔时间，是k到（k+1）的时间，为常数值；和作为顶部或底部标签，表示电池状态的值，表示所有电池模型参数，作顶部或底部标签代表为状态和参数值；表
示步骤k中电池模型状态，表示步骤k中参数无关的过程噪声；的协方差矩阵是，的协方差矩阵是，和均用来表示模型误差；表示第k步的观测噪声，的协方差矩阵为，上述协方差矩阵、和均用来表示观测误差；由于该方法估计的电池参数较多，需要通过调整、、参数的值来实现算法的最优性能。
22.在本步骤1中，在对电池进行电路模型参数离线辨识的步骤中，采用基于实验数据的最小二乘函数拟合方法，获取电路模型参数随soc和温度的变化关系；在恒定环境舱的温度下，对电池进行额定倍率放电，在不同soc时对电池进行静置，通过获取电池静置时间段的电压响应，来拟合电路模型参数；辨识出来的电路模型参数用于给在线参数辨识的ekf提供初始值。
23.本步骤1中，在采用双扩展卡尔曼滤波器运行双扩展卡尔曼滤波算法即dekf算法，对电池状态和电池参数进行估计，其中一个扩展卡尔曼滤波器即ekf用于作为状态滤波器使用，另一个扩展卡尔曼滤波器即ekf用于作为参数滤波器使用。
24.在本步骤1中，双扩展卡尔曼滤波算法的运行步骤包括：双扩展卡尔曼滤波算法初始化，初始化方程满足：6，在上式6中，、、、均为算法的初始化值，为电池实验数据计算出的参数初始化值，可由电池实验数据计算出来，表示电池状态的初始化值，表示参数滤波器的初始系统参数协方差矩阵，表示状态滤波器的初始系统参数协方差矩阵，e（）表示取均值操作；在本步骤1中，双扩展卡尔曼滤波算法初始化后，双扩展卡尔曼滤波算法的运行步骤还包括：计算参数过滤器的预测方程，预测方程满足：7；上式7中，选取参数滤波的采样时间t，表示参数滤波器的步长，，通过参数滤波的预测方程计算得到和；在本步骤1中，在参数过滤器的预测方程的步骤之后，双扩展卡尔曼滤波算法的运行步骤还包括：计算参数滤波器的观测更新方程，观测更新方程满足：8，上式8中，k表示卡尔曼增益，y表示实测电压，符号
“‑”
表示算法中变量的预测值，符号“^”表示算法中变量的估计值，t表示状态滤波器的采样时间，表示状态滤波器的步
长，，由上式8得到后，用于之后状态滤波器的计算；在本步骤中，t秒后，参数过滤器返回执行上一步骤，更新电池参数；在计算参数滤波器的观测更新方程的步骤之后，还包括步骤：计算状态滤波器的预测方程，预测方程满足：9，由上式9计算得到和；在计算状态滤波器的预测方程的步骤之后，还包括以下步骤：计算状态滤波器的观测更新方程，观测更新方程满足：10，11，12，13，需要说明的是，和函数带有电池电路模型参数，满足：14，15，16，进一步地，17，18，19，
20，上式中，已知表示状态滤波器的步长，l表示参数滤波器的步长，a表示状态转移矩阵，h表示观测矩阵，状态滤波器采样时间t小于参数滤波器采样时间t，参数滤波器的更新速度比状态滤波器的更新速度慢，可以减少算法的运行时间；在本步骤中，步长k时电池soc可由上式10得到，t秒后，状态过滤器返回执行上一步骤以更新电池soc。
25.在本技术实施例中，需要介绍的还有ocv在线辨识方法，在状态滤波器中，完成状态滤波器的预测方程计算后，基于上式5和实际测量电压，计算当前预测的ocv如下：21，上式21中，yk代表采集的电芯电压，u
pk
代表电芯极化电压，由于在线辨识的ocv存在一定的噪声，所以需要对ocv进行滤波处理操作，将滤波后的ocv与代表磷酸铁锂电池的ocv平台区下界soc对应的ocv进行对比，下界soc一般为30%，并执行以下修正策略如下：dekf滤波器迭代得到实时电芯的欧姆电阻ro、极化内阻r
p
和极化电容c
p
；根据上式21得到实时的电芯ocv数据；进行磷酸铁锂电池的ocv测试，根据ocv平台区界限可知，当soc低于30%时候，ocv变化斜率开始变大，一般在5mv/1%或者以上，其中5mv是指电压，1%是指soc的值；当识别出的ocv
pre
≤3.26v，并在一段时间内ocv
pre
≤3.26v连续10s以上；电流i≥0.5a，保证电池处于放电电流状态；并且bms计算的soc范围在30%≤soc≤60%之间；满足以上条件时，将bms计算的soc修正到30%。
26.上述的ocv在线辨识方法，在一定程度上解决了ekf算法在ocv平台区无法对soc进行有效修正的缺陷。
27.本技术上述的电池soc加速修正方法，通过在本步骤1中采用双扩展卡尔曼滤波器运行双扩展卡尔曼滤波算法即dekf算法，对电池状态和电池参数进行估计，通过dekf算法能够实现电池参数的在线辨识，可以减少实验室参数标定工作量，减少电池老化后参数改变带来的soc估计误差影响。
28.步骤2：计算安时积分在某时间区间t0内计算的电池实际变化第一安时量q1，计算双扩展卡尔曼滤波算法在该时间区间t0内计算的soc变化量所对应的第一安时量q2；在步骤2中，以bms上电为起始时间点，在bms中，每隔一定的时间区间t0，计算q1和q2；q1和q2在放电时取正值，q1和q2在充电时取负值；步骤3：计算q1和q2的差异变化速率abs(q
2-q1)/t0，当abs(q
2-q1)/t0大于修正速率阈值w时，判定soc存在较大误差，双扩展卡尔曼滤波算法在对soc进行修正；步骤4：判断soc修正方向，根据soc修正方向，向当前soc提供修正量以加速修正过程；在本步骤4中，当电池放电时，若q2》q1，获取soc
计算
，判定真实soc《soc
计算
，将soc
计算
减去修正量；若q2《q1，获取soc
计算
，判定真实soc》soc
计算
，将soc
计算
加上修正量；在本步骤4中，基于电池soc精度要求进行修正量的设定，在某实施例中，若soc误差《2%，修正量等于2%。
29.在步骤2~步骤4中，通过采用dekf算法和安时积分对比的方法，能够改善ekf算法
精度和收敛性矛盾的问题；本技术该电池soc加速修正方法的修正方案可重复触发，在具有较大误差时可以快速修正soc。
30.本技术还提供一种电池管理系统，包括存储器以及处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的方法。
31.本技术还提供一种用电装置，包括如上的电池管理系统。
32.本技术提供的电池soc加速修正方法、电池管理系统及用电装置，该电池soc加速修正方法，通过构建电池的电路模型，对电路模型进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器，运行dekf算法；利用安时积分计算在某一时间区间t0内的电池实际变化第一安时量q1与dekf算法在此时间区间t0内的soc计算变化量所对应的第一安时量q2，得到q1和q2二者之间的差异变化速率abs(q
2-q1)/t0，当差异变化速率abs(q
2-q1)/t0大于修正速率阈值w时，判断此时soc存在较大误差，判定dekf算法正在对soc进行修正，再判断soc修正方向，根据soc修正方向给当前soc一个修正量以加速电池soc的修正过程。该电池soc加速修正方法，本技术该电池soc加速修正方法的修正方案可重复触发，在具有较大误差时可以快速修正soc。本技术电池soc加速修正方法，通过双扩展卡尔曼滤波算法即dekf算法能够实现电池参数的在线辨识，可以减少实验室参数标定工作量，减少电池老化后参数改变带来的soc估计误差影响；采用dekf和安时积分对比的方法，在一定程度上改善了ekf算法精度和收敛性矛盾的问题。
33.以上对本技术实施例所提供的电池soc加速修正方法、电池管理系统及用电装置进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种电池soc加速修正方法，其特征在于，包括步骤：构建电池的电路模型，对所述电路模型进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器以运行双扩展卡尔曼滤波算法；采用安时积分计算在某时间区间t0内的电池实际变化的第一安时量q1，通过所述双扩展卡尔曼滤波算法计算在所述时间区间t0内的soc变化量所对应的第二安时量q2；计算q1和q2之间的差异变化速率为abs(q
2-q1)/t0，当abs(q
2-q1)/t0大于修正速率阈值w时，判定soc存在较大误差，且所述双扩展卡尔曼滤波算法在对soc进行修正；判断soc修正方向，并向当前soc提供修正量以加速电池soc修正。2.如权利要求1所述的电池soc加速修正方法，其特征在于，在构建电池的电路模型的步骤中，所述电路模型的状态空间模型满足：，，，，，其中，u
p
表示电阻电容环节两端的电压，表示电池剩余电量的微分形式，q表示电池当前最大可用容量，r
o
表示欧姆电阻，r
o
表示电池端电压的瞬时突变，u
oc
表示电压源，r
p
表示极化内阻，c
p
表示极化电容，r
p
和c
p
表征电池的极化过渡过程，r
p
表示极化内阻，c
p
表示极化电容；ocv（）表示开路电压值，i
t
表示电池输出电流，i
t
在放电时为正值，i
t
在充电时为负值；k表示第k步中各变量的值，表示采样间隔时间，且表示k到（k+1）的时间，为常数值；表示电池状态的值，表示所有电池模型参数，表示步骤k中电池模型状态，表示步骤k中参数无关的过程噪声；表示的协方差矩阵，表示的协方差矩阵，和均用来表示模型误差；表示第k步的观测噪声，表示的协方差矩阵，、和均用来表示观测误差。3.如权利要求2所述的电池soc加速修正方法，其特征在于，所述双扩展卡尔曼滤波算
法的步骤包括：双扩展卡尔曼滤波算法初始化，初始化方程满足：，其中，为电池实验数据计算出的参数初始化值，表示电池状态的初始化值，表示参数滤波器的初始系统参数协方差矩阵，表示状态滤波器的初始系统参数协方差矩阵。4.如权利要求3所述的电池soc加速修正方法，其特征在于，双扩展卡尔曼滤波算法初始化后，所述双扩展卡尔曼滤波算法的步骤还包括：计算参数过滤器的预测方程，预测方程满足：，t表示参数滤波的采样时间，表示参数滤波器的步长，；计算参数滤波器的观测更新方程，观测更新方程满足：，k表示卡尔曼增益，y表示实测电压，符号
“‑”
表示变量的预测值，符号“^”表示变量的估计值，t表示状态滤波器的采样时间，表示状态滤波器的步长，。5.如权利要求4所述的电池soc加速修正方法，其特征在于，计算参数滤波器的观测更新方程后，所述双扩展卡尔曼滤波算法的步骤还包括：计算状态滤波器的预测方程，预测方程满足：；计算状态滤波器的观测更新方程，观测更新方程满足：，，，
，，，，，，其中，a表示状态转移矩阵，h表示观测矩阵，状态滤波器采样时间t小于参数滤波器采样时间t。6.如权利要求1所述的电池soc加速修正方法，其特征在于，当电池放电时，获取soc
计算
，若q2>q1，判定真实soc<soc
计算
，将soc
计算
减去修正量。7.如权利要求1所述的电池soc加速修正方法，其特征在于，当电池放电时，获取soc
计算
，若q2<q1，判定真实soc>soc
计算
，将soc
计算
加上修正量。8.如权利要求1所述的电池soc加速修正方法，其特征在于，若soc误差小于2%，soc
计算
的修正量等于2%。9.一种电池管理系统，其特征在于，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1~8任一项所述的方法。10.一种用电装置，其特征在于，包括如权利要求9所述的电池管理系统。

技术总结
本申请公开了电池SOC加速修正方法、电池管理系统及用电装置，方法包括步骤：构建电池的电路模型并进行离散化处理和参数离线辨识，建立双扩展卡尔曼滤波器以运行双扩展卡尔曼滤波算法；采用安时积分计算在某时间区间T0内的电池实际变化的第一安时量Q1，通过双扩展卡尔曼滤波算法计算在时间区间T0内的SOC变化量对应的第二安时量Q2；计算Q1和Q2之间的差异变化速率为abs(Q


技术研发人员：杨建 何超 张建彪 杨红新
受保护的技术使用者：章鱼博士智能技术（上海）有限公司
技术研发日：2023.06.13
技术公布日：2023/10/19