本發(fā)明涉及一種電池系統(tǒng)剩余電量動(dòng)態(tài)估算及智能修正的方法，特別涉及一種車載鋰電池系統(tǒng)剩余電量動(dòng)態(tài)估算及智能修正方法。

背景技術(shù)：

準(zhǔn)確地估算并修正車載鋰電池系統(tǒng)剩余電量(SOC)有助于避免電池的過度充電與過度放電，保證電池的正常使用，延長電池的使用壽命。

鋰材料作為能量載體時(shí)，其負(fù)載的可用剩余電量不是一個(gè)固定常量，而是隨著溫度、充放電速率、自身電壓、靜置時(shí)間、電池使用時(shí)間(電池老化)等諸多方面的因素而有不同的動(dòng)態(tài)變化。在單次估算中產(chǎn)生的即使很微小的誤差，也會(huì)在電池反復(fù)充放電周期中產(chǎn)生積累，一輛汽車的正常使用壽命周期，對(duì)電池的通用充放電次數(shù)要求為1000-2000次左右，那么這些誤差會(huì)在這些次數(shù)中產(chǎn)生幾何級(jí)的增長。因此為了避免這種情況發(fā)生，對(duì)于車載鋰電池剩余電量估計(jì)的技術(shù)要求很高。

目前對(duì)于鋰電池剩余電量SOC的估算一般通用的有三種方法：安時(shí)積分法、開路電壓法、查表法、卡爾曼濾波法。

一、安時(shí)積分法：沒有考慮溫度、靜置時(shí)間、電池老化對(duì)剩余電量的影響，雖然其誤差率很小，但會(huì)產(chǎn)生累計(jì)誤差。

二、開路電壓法：沒有考慮充放電倍率、靜置時(shí)間對(duì)剩余電量的影響，通常只應(yīng)用在相對(duì)靜態(tài)的剩余電量修正、電池滿充滿放、電池均衡策略中。

三、查表法：獲得的數(shù)據(jù)是理論性數(shù)據(jù)，沒有考慮整車在動(dòng)態(tài)復(fù)雜工況中電池系統(tǒng)里每個(gè)電芯產(chǎn)生的實(shí)際偏差。

四、卡爾曼濾波法：缺乏對(duì)整車不同工況中電池剩余電量估算的精度的動(dòng)態(tài)調(diào)整和修正。

另外，前三種方法對(duì)電池剩余電量的估算沒有考慮到電池老化容量衰減(SOH)的因素，當(dāng)電池總?cè)萘肯陆岛?，假如仍參照新電池的電化學(xué)參數(shù)來估算，其誤差會(huì)越來越大。

由上述說明可知，目前估算車載鋰電池系統(tǒng)剩余電量仍采用單一方法來估算，會(huì)產(chǎn)生誤差與累計(jì)誤差，并且無法提供誤差修正方案，因此必須謀求更佳的解決方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種車載鋰電池系統(tǒng)剩余電量動(dòng)態(tài)估算及智能修正方法，能更精確的估算車載鋰電池系統(tǒng)的剩余電量，并提供智能修正。詳見下文描述：

一種車載鋰電池系統(tǒng)剩余電量動(dòng)態(tài)估算及智能修正方法，所述方法包括以下步驟：

1)把安時(shí)積分法、開路電壓法、查表法納入卡爾曼濾波系統(tǒng)中，使卡爾曼濾波優(yōu)化為擴(kuò)展式卡爾曼算法。

2)根據(jù)擴(kuò)展式卡爾曼算法基礎(chǔ)模塊，估算剩余電量；

3)根據(jù)開路電壓算法基礎(chǔ)模塊獲取剩余電量；

4)通過控制策略狀態(tài)機(jī)控制模塊，枚舉控制策略；

5)通過算法配置標(biāo)定模塊，為每個(gè)工況配置前兩種不同的基礎(chǔ)模塊，實(shí)現(xiàn)估算和修正的動(dòng)態(tài)運(yùn)行。

本發(fā)明提供的技術(shù)方案的有益效果是：本方法避免了用單種方法估算電池剩余電量而產(chǎn)生的誤差和累計(jì)誤差，并在不同工況下采用精度最高的最優(yōu)測量方法，另外隨著電池使用時(shí)間的增加，把電池總?cè)萘康乃p因素考慮進(jìn)整套估算方法內(nèi)，能保證電池在長時(shí)間使用后，剩余電量修正的持續(xù)性以及維持其估算精度的不變。

通過結(jié)合在本說明書中并成為其一部分的附圖和以下具體實(shí)施方式，本發(fā)明的上述特性和優(yōu)點(diǎn)將會(huì)得以更詳細(xì)的說明，且附圖和具體實(shí)施方式一起用來通過舉例的方式說明本發(fā)明的原理。

附圖說明

圖1為擴(kuò)展式卡爾曼基礎(chǔ)模塊圖；

圖2為控制策略和算法配置狀態(tài)機(jī)圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明實(shí)施方案作進(jìn)一步詳細(xì)描述。

為了避免了用單種方法估算電池剩余電量而產(chǎn)生的誤差和累計(jì)誤差，并根據(jù)電池不同狀態(tài)下實(shí)現(xiàn)最優(yōu)化的誤差修正方案，本發(fā)明實(shí)施例提供了一種車載鋰電池系統(tǒng)剩余電量動(dòng)態(tài)估算及智能修正方法，詳見下文描述：

參見圖1，本方法在常用的卡爾曼濾波系統(tǒng)中納入了安時(shí)積分法、開路電壓法、查表法，使之成為擴(kuò)展式卡爾曼算法，把電池電化學(xué)特性表(表格數(shù)據(jù)由實(shí)驗(yàn)室里獲取，包含四維條件參量，對(duì)電池在不同溫度、充放電倍率、靜置時(shí)間、電池衰減度進(jìn)行其電壓的取樣)作為理論性參考數(shù)據(jù)，結(jié)合實(shí)際測量溫度、實(shí)際測量充放電電流、實(shí)際測量電壓、靜置時(shí)間作為擴(kuò)展式卡爾曼濾波器的輸入端，并把上一次卡爾曼濾波的結(jié)果作為比較修正聯(lián)入此卡爾曼濾波器，獲取剩余電量。改進(jìn)后的本算法提高了車載鋰電池系統(tǒng)剩余電量估算的精確度。

參見圖2，本方法采用控制策略狀態(tài)機(jī)控制模塊和算法配置標(biāo)定模塊，根據(jù)整車及電池系統(tǒng)的不同工況(汽車啟動(dòng)、系統(tǒng)自檢、電量預(yù)警、車輛運(yùn)行、車輛熄火、電池均衡、睡眠喚醒、內(nèi)充電、外充電等)，組建枚舉型控制策略，并給每個(gè)工況配置前兩種不同的基礎(chǔ)模塊，實(shí)現(xiàn)估算和修正的動(dòng)態(tài)運(yùn)行。