一种基于PF算法的电池动力系统SOC估算方法[发明专利]

(12)发明专利申请

(10)申请公布号 CN 110376534 A(43)申请公布日 2019.10.25

(21)申请号 2018111166.0(22)申请日 2018.09.25

(71)申请人 安徽贵博新能科技有限公司

地址 230088 安徽省合肥市高新区望江西

路800号动漫基地C4#楼408(72)发明人 张旭　翟培　赵静　孙路　(74)专利代理机构 合肥天明专利事务所(普通

合伙) 34115

代理人 金凯(51)Int.Cl.

G01R 31/388(2019.01)G01R 31/3(2019.01)G01R 31/367(2019.01)

权利要求书1页 说明书4页 附图1页

()发明名称

一种基于PF算法的电池动力系统SOC估算方法

(57)摘要

本发明公开了一种基于PF算法的电池动力系统SOC估算方法，属于电池管理系统技术领域，包括构建电池动力系统的状态空间方程；在SOC的有效范围内，随机设定电池动力系统的初始SOC；在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初始SOC进行实时计算。本发明在SOC的估计中使用粒子滤波算法，可以将SOC值作为一个状态量进行观测，可利用闭环观测器的误差反馈特性，规避测量噪声和漂移误差的影响，避免产生累积误差。而且该方法不依赖与电池动力系统准确的SOC初始值，可在有限迭次数内收敛于真实值，避免了由于初始值不准确带来的误差。

CN 110376534 ACN 110376534 A

权　利　要　求　书

1/1页

1.一种基于PF算法的电池动力系统SOC估算方法，其特征在于，包括：构建电池动力系统的状态空间方程；在SOC的有效范围内，随机设定电池动力系统的初始SOC；在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初始SOC进行实时计算。

2.如权利要求1所述的基于PF算法的电池动力系统SOC估算方法，其特征在于，所述在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初始SOC进行实时更新，包括：

S1、对N个随机粒子进行初始化，并设置k=1，i=1，1≤i≤N，其中k表示采样时刻；S2、利用所述电池动力系统的状态空间方程，分别计算初始化后N个随机粒子的权值；S3、将N个随机粒子的权值进行归一化处理，得到归一化权重值；S4、判断粒子权值是否小于设定的权重阈值；S5、若是，则重新执行步骤S1；S6、若否，则利用归一化权值更新系统的观测值；S7、令i= i+1，并判断是否满足i3.如权利要求1所述的基于PF算法的电池动力系统SOC估算方法，其特征在于，在所述电池动力系统处于上电初始状态时，还包括：

实时采集所述电池动力系统中电池电压和温度；根据所述电池电压和温度，对照OCV-SOC表格查找所述电池动力系统的SOC初值；基于所述电池动力系统的SOC初值，利用安时积分法实时计算所述电池动力系统的SOC值。

4.如权利要求3所述的基于PF算法的电池动力系统SOC估算方法，其特征在于，在所述电池动力系统处于上电初始状态时，还包括：

将所述利用安时积分法计算的电池动力系统SOC值与采用所述粒子滤波器计算的电池动力系统SOC值进行做差处理；

判断得到的差值是否大于设定值；若是，则将所述利用安时积分法计算的电池动力系统SOC值作为电池动力系统的估算值；

若否，则将所述粒子滤波器计算的电池动力系统SOC值作为电池动力系统的估算值。5.如权利要求1所述的基于PF算法的电池动力系统SOC估算方法，其特征在于，所述构建电池动力系统的状态空间方程基于电池等效电路模型建立。

6.如权利要求5所述的基于PF算法的电池动力系统SOC估算方法，其特征在于，还包括：通过电池老化实验，获得所述电池动力系统中电池循环次数与电池标称容量衰减之间的关系函数；

在采用所述粒子滤波器计算电池动力系统SOC过程中，利用电池循环次数对所述电池动力系统的状态空间方程进行更新。

2

CN 110376534 A

说　明　书

一种基于PF算法的电池动力系统SOC估算方法

1/4页

技术领域

[0001]本发明涉及电池管理系统技术领域，特别涉及一种基于PF算法的电池动力系统SOC估算方法。

背景技术

[0002]电池荷电状态(State of Charge,SOC)的估计直接关系到电池的使用情况，尤其是对纯电动汽车，其值估计的精度直接关系动力启程的续航里程。在传统电池管理系统(Battery management systems,BMS)应用中，对于SOC的估计，通常采用以安时积分为主，OCV-SOC关系表校正为辅的方法即开路电压(Open-Circle-Voltage,OCV)与电池SOC之间存在的对应关系。由于该方法主要依赖开关的安时积分结果，在运行过程中受到电流测量噪声、电流传感器漂移、初始SOC不准确等方面的影响，形成累积误差，导致SOC估计精确度随工作时间的增加而不断降低。虽然该方法中采用了OCV-SOC关系表进行校正的机制，但是由于要求测量电流只有接近于0时才能进行校正，导致除停车时间外，有效校正次数过少，特别是在实际充放电过程中，几乎难以实现有效的校正。另一方面，将电流接近0时的端电压值作为OCV值也不准确，会引入新的系统误差。发明内容

[0003]本发明的目的在于提供一种基于PF算法的电池动力系统SOC估算方法，以提高电池SOC估计的准确性。

[0004]为实现以上目的，本发明采用一种基于PF算法的电池动力系统SOC估算方法，包括：

[0005]构建电池动力系统的状态空间方程；[0006]在SOC的有效范围内，随机设定电池动力系统的初始SOC；[0007]在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初始SOC进行实时计算。

[0008]进一步地，所述在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初始SOC进行实时更新，包括：[0009]S1、对N个随机粒子进行初始化，并设置k＝1，i＝1，1≤i≤N，其中k表示采样时刻；[0010]S2、利用所述电池动力系统的状态空间方程，分别计算初始化后N个随机粒子的权值；

[0011]S3、将N个随机粒子的权值进行归一化处理，得到归一化权重值；[0012]S4、判断粒子权值是否小于设定的权重阈值；[0013]S5、若是，则重新执行步骤S1；[0014]S6、若否，则利用归一化权值更新系统的观测值；[0015]S7、令i＝i+1，并判断是否满足i3

CN 110376534 A[0017]

说　明　书

2/4页

S9、若否，则利用N个随机粒子的权值计算系统的观测值；

[0018]S10、令k＝k+1，并重新执行步骤S2。[0019]进一步地，在所述电池动力系统处于上电初始状态时，还包括：[0020]实时采集所述电池动力系统中电池电压和温度；[0021]根据所述电池电压和温度，对照OCV-SOC表格查找所述电池动力系统的SOC初值；[0022]基于所述电池动力系统的SOC初值，利用安时积分法实时计算所述电池动力系统的SOC值。

[0023]进一步地，在所述电池动力系统处于上电初始状态时，还包括：

[0024]将所述利用安时积分法计算的电池动力系统SOC值与采用所述粒子滤波器计算的电池动力系统SOC值进行做差处理；[0025]判断得到的差值是否大于设定值；[0026]若是，则将所述利用安时积分法计算的电池动力系统SOC值作为电池动力系统的估算值；

[0027]若否，则将所述粒子滤波器计算的电池动力系统SOC值作为电池动力系统的估算值。

[0028]进一步地，所述构建电池动力系统的状态空间方程基于电池等效电路模型建立。[0029]进一步地，通过电池老化实验，获得所述电池动力系统中电池循环次数与电池标称容量衰减之间的关系函数；

[0030]在采用所述粒子滤波器计算电池动力系统SOC过程中，利用电池循环次数对所述电池动力系统的状态空间方程进行更新。[0031]与现有技术相比，本发明存在以下技术效果：本发明采用粒子滤波器(PF)实时估计电池动力系统的SOC值，由于粒子滤波器是一种闭环观测器，可用于对非线性系统的状态进行观测，在SOC的估计中使用粒子滤波算法，可以将SOC值作为一个状态量进行观测，可利用闭环观测器的误差反馈特性，规避测量噪声和漂移误差的影响，避免产生累积误差。而且该方法不依赖与电池动力系统准确的SOC初始值，可在有限迭次数内收敛于真实值，避免了由于初始值不准确带来的误差。

附图说明

[0032]下面结合附图，对本发明的具体实施方式进行详细描述：

[0033]图1是一种基于PF算法的电池动力系统SOC估算方法的流程图；

[0034]图2是结合PF算法和安时积分方法计算电池动力系统SOC值的流程图。

具体实施方式

[0035]为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以。[0036]如图1所示，本实施例公开了一种基于PF算法的电池动力系统SOC估算方法，包括如下步骤S101至S103：[0037]S101、构建电池动力系统的状态空间方程；[0038]S102、在SOC的有效范围内，随机设定电池动力系统的初始SOC；

4

CN 110376534 A[0039]

说　明　书

3/4页

S103、在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初

始SOC进行实时计算。[0040]需要说明的是，本实施例中将SOC值作为一个状态量，并采用粒子滤波器进行观测，利用闭环观测器的误差反馈特性，规避测量噪声和漂移误差的影响，避免产生累积误差，提高了电池动力系统SOC值估计的准确性。[0041]其中，步骤S1中，电池动力系统的状态空间方程是基于简化的电池等效电路模型建立的，具体过程为：

[0042]在实验室条件下，在不同温度下进行电池OCV与SOC的标准实验，测量电池动力系统在不同温度下电池的容量变化关系，不同温度下电池SOC-OCV的变化特性，HPPC工况下电池内阻的变化特性，OCV与电池组内阻R之间的关系曲线以及电池容量随循环次数的变化特性，以此建立电池的状态空间方程：SOCk＝SOCk-1+ik·Δt/Q，其中，Q表示电池标称容量，ik是k时刻的电流，.表示乘积，Δt表示采样时间间隔。观测方程：yk＝OCV(SOCk)+ikR，其中R是电池组的欧姆内阻，OCV表示电池开路电压表示为SOC的函数，yk表示电池采样电压。[0043]进一步地，本实施例还包括：

[0044]通过电池老化实验获取电池循环次数N与电池标称容量衰减时间的关系函数，并在执行粒子滤波算法中，利用电池当前的循环次数更新电池容量；[0045]为了提高电池状态估计的精度，利用更新后的电池容量，更新电池动力系统的状态空间方程；[0046]利用更新后的电池动力系统状态空间方程，基于粒子滤波算法，对电池动力系统的SOC值进行估计。[0047]进一步地，上述步骤S3：在粒子滤波器中，利用电池动力系统的状态空间方程对电池动力系统的初始SOC进行实时更新。具体包括如下步骤：[0048]S1、对N个随机粒子进行初始化，并设置k＝1，i＝1，1≤i≤N，其中k表示采样时刻；[0049]S2、利用所述电池动力系统的状态空间方程，分别计算初始化后N个随机粒子的权值；

[0050]需要说明的是，随机粒子的权值计算公式为：

[0051][0052]

其中，Ω表示观测噪声，yk表示电池管理系统BMS采样电压，表示第i个随机粒子S3、将N个随机粒子的权值进行归一化处理，得到归一化权重值；

需要说明的是，权值归一化公式为：

S4、判断粒子权值是否小于设定的权重阈值，该权重阈值取值范围为(0,1)；S5、若是，则重新执行步骤S1；S6、若否，则利用归一化权值更新系统的观测值；系统观测值的更新公式为：

更新后的电池电压，exp()表示指数函数，表示第i个粒子当前的权值。

[0053][00][0055][0056][0057][0058][0059][0060]

5

CN 110376534 A[0061][0062][0063][00][0065][0066][0067][0068]

说　明　书

表示电池状态空间方程。

4/4页

其中，

S7、令i＝i+1，并判断是否满足i其中，xk表示估计电池状态，表示第i个粒子当前更新的电池状态。

S10、令k＝k+1，并重新执行步骤S2。

[0069]进一步地，如图2所示，本实施例在所述电池动力系统未上电时，还包括：[0070]实时采集所述电池动力系统中电池电压和温度；[0071]根据所述电池电压和温度，对照OCV-SOC表格查找所述电池动力系统的SOC初值；[0072]基于所述电池动力系统的SOC初值，利用安时积分法实时计算所述电池动力系统的SOC值。

[0073]在所述电池动力系统工作初期，还包括：

[0074]将所述利用安时积分法计算的电池动力系统SOC值与采用所述粒子滤波器计算的电池动力系统SOC值进行做差处理；[0075]判断得到的差值是否大于设定值，该设定值取5％；[0076]若是，则将所述利用安时积分法计算的电池动力系统SOC值作为电池动力系统的估算值；

[0077]若否，则将所述粒子滤波器计算的电池动力系统SOC值作为电池动力系统的估算值。

[0078]需要说明的是，该设定值为本领域技术人员经过大量实验得出的一个用于与安时积分法测量SOC值与粒子滤波算法测量SOC值之差进行比较的经验值。[0079]需要说明的是，为了避免粒子滤波算法在初始SOC值不准确的情况下，导致SOC计算误差过大问题，在上电初期，利用安时积分法通过SOC-OCV表获取电池初始SOC；当采用PF算法计算的电池SOC与采用安时积分法计算的电池SOC误差在设定范围内时，以PF算法计算的SOC为主，当采用PF算法计算的电池SOC与采用安时积分法计算的电池SOC误差不在设定范围内时，以安时积分法计算的SOC为主。在其他阶段则采用PF算法计算电池SOC。该方法具有简单、易于实现的特点，简化的电路模型是结合电池OCV-SOC曲线和动态行车数据建立，保证了模型精度。该发明中的方法无需数据存储，不涉及矩阵计算，对实际的电池管理系统具有较小的计算负担。

[0080]以上所述仅为本发明的较佳实施例，并不用以本发明，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。

6

CN 110376534 A

说　明　书　附　图

1/1页

图1

图2

7