一種soc估值方法及其系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明設(shè)及電池領(lǐng)域，尤其設(shè)及一種S0C估值方法及其系統(tǒng)。
【背景技術(shù)】
[0002] 電池的剩余電量(S化te of化a巧e，S0C)在某一層面直接反應(yīng)電動(dòng)汽車的續(xù)航里 程，是電池管理系統(tǒng)中比較重要的一個(gè)模塊，因此對(duì)于電池 S0C的準(zhǔn)確估計(jì)就顯得很重要。
[0003] 目前，電池的剩余電量估計(jì)方法主要分為兩大類:直接法與間接法。直接法是指通 過實(shí)驗(yàn)設(shè)備直接測(cè)量當(dāng)前電池剩余容量；間接法主要通過電池內(nèi)部的物化特性，在估計(jì)過 程中需要高精度的設(shè)備因此在實(shí)際中很難實(shí)現(xiàn)。安時(shí)積分法(Ah integration method，簡(jiǎn) 稱Ah法）、開路電壓法（Open-circuit voltage method,簡(jiǎn)稱OCV法）、內(nèi)阻法（Resistance method)等屬于間接法。
[0004] 但是，安時(shí)積分法在計(jì)算過程中會(huì)產(chǎn)生累積誤差，導(dǎo)致計(jì)算得到的S0C隨充放電時(shí) 間增加誤差增大，同時(shí)安時(shí)積分法計(jì)算S0C初始值的準(zhǔn)確性很難確定;開路電壓法需要長(zhǎng)時(shí) 間的靜置達(dá)到電池內(nèi)部電壓穩(wěn)定，在實(shí)際汽車運(yùn)行過程中難W實(shí)現(xiàn)；內(nèi)阻法存在著估算內(nèi) 阻的困難，在硬件上也難W實(shí)現(xiàn)。此外，還可通過人工神經(jīng)網(wǎng)絡(luò)算法(Adificial化ural 化twork Algorithm)、卡爾曼濾波算法化alman filter algorithm,簡(jiǎn)稱KF)等間接法進(jìn)行 估算電池 S0C，但神經(jīng)網(wǎng)絡(luò)算法由于其系統(tǒng)設(shè)置困難，且在電池管理系統(tǒng)中應(yīng)用成本高，不 具備優(yōu)勢(shì);而卡爾曼濾波算法在計(jì)算S0C的過程中會(huì)出現(xiàn)跳變現(xiàn)象并且不能保存，此算法不 能保證S0C的準(zhǔn)確性和穩(wěn)定性。
[0005] 因此，亟需設(shè)計(jì)一種S0C估值方法，W提高S0C的準(zhǔn)確性和穩(wěn)定性。

【發(fā)明內(nèi)容】

[0006] 有鑒于此，本發(fā)明的目的在于提供一種S0C估值方法及其系統(tǒng)，旨在解決現(xiàn)有技術(shù) 中S0C的準(zhǔn)確性不高和穩(wěn)定性較低的問題。
[0007] 本發(fā)明提出一種S0C估值方法，包括：
[000引利用卡爾曼濾波算法計(jì)算S0C初始值；
[0009] 將所述S0C初始值賦值作為安時(shí)積分算法計(jì)算S0C值，并保存所述S0C值，同時(shí)利用 卡爾曼濾波算法計(jì)算S0C值；
[0010] 判斷由上述兩種算法計(jì)算得到的S0C值是否在預(yù)設(shè)誤差值內(nèi)；
[0011] 如果在預(yù)設(shè)誤差值內(nèi)，則輸出由安時(shí)積分算法計(jì)算得到的S0C值。
[0012] 優(yōu)選的，所述預(yù)設(shè)誤差值為±2.5%，通過邸PROM保存在經(jīng)過初始值賦值后由安時(shí) 積分算法計(jì)算得到的S0C值。
[0013] 優(yōu)選的，所述方法還包括：
[0014] 如果不在預(yù)計(jì)誤差值內(nèi)，則繼續(xù)將所述S0C初始值賦值作為安時(shí)積分算法計(jì)算S0C 值，并保存所述S0C值，同時(shí)利用卡爾曼濾波算法計(jì)算S0C值；
[0015] 繼續(xù)判斷由上述兩種算法計(jì)算得到的S0C值是否在預(yù)設(shè)誤差值內(nèi)；
[0016] 如果在預(yù)設(shè)誤差值內(nèi)，則輸出由安時(shí)積分算法計(jì)算得到的SOC值。
[0017] 另一方面，本發(fā)明還提供一種S0C估值系統(tǒng)，包括：
[0018] 初值模塊，用于利用卡爾曼濾波算法計(jì)算S0C初始值；
[0019] 賦值模塊，用于將所述S0C初始值賦值作為安時(shí)積分算法計(jì)算S0C值，并保存所述 S0C值，同時(shí)利用卡爾曼濾波算法計(jì)算S0C值；
[0020] 判斷模塊，用于判斷由上述兩種算法計(jì)算得到的S0C值是否在預(yù)設(shè)誤差值內(nèi)；
[0021] 輸出模塊，用于如果在預(yù)設(shè)誤差值內(nèi)，則輸出由安時(shí)積分算法計(jì)算得到的S0C值。
[0022] 優(yōu)選的，所述預(yù)設(shè)誤差值為±2.5%，通過邸PROM保存在經(jīng)過初始值賦值后由安時(shí) 積分算法計(jì)算得到的S0C值。
[0023] 優(yōu)選的，所述S0C估值系統(tǒng)還包括：
[0024] 循環(huán)模塊，用于如果不在預(yù)計(jì)誤差值內(nèi)，則繼續(xù)將所述S0C初始值賦值作為安時(shí)積 分算法計(jì)算S0C值，并保存所述S0C值，同時(shí)利用卡爾曼濾波算法計(jì)算S0C值;繼續(xù)判斷由上 述兩種算法計(jì)算得到的S0C值是否在預(yù)設(shè)誤差值內(nèi)；如果在預(yù)設(shè)誤差值內(nèi)，則輸出由安時(shí)積 分算法計(jì)算得到的S0C值。
[0025] 本發(fā)明提供的技術(shù)方案采用安時(shí)積分法和卡爾曼濾波算法相結(jié)合對(duì)電池進(jìn)行S0C 估算，既克服了安時(shí)積分法造成的累積誤差，又克服了卡爾曼濾波算法出現(xiàn)跳變現(xiàn)象，并且 可通過EEPR0M對(duì)S0C值進(jìn)行保存，能夠穩(wěn)定可靠的得到準(zhǔn)確S0C值。安時(shí)積分法計(jì)算S0C不具 有歷史繼承性是無記憶的，S0C計(jì)算與電池電流及初始S0C息息相關(guān);卡爾曼濾波算法計(jì)算 S0C具有歷史繼承性是W歷史數(shù)據(jù)為支撐的，S0C計(jì)算與電池的電壓息息相關(guān)，與初始值無 關(guān)可快速收斂到準(zhǔn)確值。本發(fā)明結(jié)合運(yùn)兩種方法的優(yōu)缺點(diǎn)并進(jìn)行改善可W得到準(zhǔn)確穩(wěn)定的 電池 S0C值。該方法適用于各種動(dòng)力電池的S0C估算，相比于其他方法本發(fā)明能夠動(dòng)態(tài)穩(wěn)定 的跟蹤S0C真實(shí)值，更適用于電動(dòng)汽車的S0C準(zhǔn)確穩(wěn)定輸出。
【附圖說明】
[00%]圖1為本發(fā)明一實(shí)施方式中S0C估值方法流程圖；
[0027] 圖2為本發(fā)明一實(shí)施方式中S0C估值系統(tǒng)結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0028] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[0029] 本發(fā)明【具體實(shí)施方式】提供了一種S0C估值方法，主要包括如下步驟：
[0030] S11、利用卡爾曼濾波算法計(jì)算S0C初始值；
[0031 ] S12、將所述S0C初始值賦值作為安時(shí)積分算法計(jì)算S0C值，并保存所述S0C值，同時(shí) 利用卡爾曼濾波算法計(jì)算S0C值；
[0032] S13、判斷由上述兩種算法計(jì)算得到的S0C值是否在預(yù)設(shè)誤差值內(nèi)；
[0033] S14、如果在預(yù)設(shè)誤差值內(nèi)，則輸出由安時(shí)積分算法計(jì)算得到的S0C值。
[0034] 本發(fā)明提供的一種S0C估值方法采用安時(shí)積分法(Ah integration method,簡(jiǎn)稱 Ah法)和卡爾曼濾波算法化alman filter algorithm,簡(jiǎn)稱KF)相結(jié)合對(duì)電池進(jìn)行SOC估算， 既克服了安時(shí)積分法造成的累積誤差，又克服了卡爾曼濾波算法出現(xiàn)跳變現(xiàn)象，并且可通 過邸PROM對(duì)SOC值進(jìn)行保存，能夠穩(wěn)定可靠的得到準(zhǔn)確SOC值。
[0035] W下將對(duì)本發(fā)明所提供的一種S0C估值方法進(jìn)行詳細(xì)說明。
[0036] 請(qǐng)參閱圖1，為本發(fā)明一實(shí)施方式中S0C估值方法流程圖。
[0037] 在步驟S11中，利用卡爾曼濾波算法計(jì)算S0C初始值。
[0038] 在本實(shí)施方式中，在工程應(yīng)用中一般將卡爾曼濾波進(jìn)行離散化之后再進(jìn)行處理。 線性離散系統(tǒng)狀態(tài)空間方程主要包括狀態(tài)方程及輸出方程，狀態(tài)方程描述系統(tǒng)狀態(tài)變量與 輸入變量之間的關(guān)系，輸出方程描述系統(tǒng)輸出量與狀態(tài)變量、輸出量及輸入量，方程如下式 所示：
[0039]
( 1 )
[0040] 其中，式中xk、Uk、yk分別為k時(shí)刻系統(tǒng)的狀態(tài)變量、輸入量與矩陣，Bk代表輸入矩 陣、Ck表示輸出矩陣、化表示前饋矩陣。
[0041] 在本實(shí)施方式中，卡爾曼濾波估計(jì)利用輸出量yk與輸入量址得到的信息通過計(jì)算 更新未知狀態(tài)xk的最小均方差估計(jì)荀，荀為估計(jì)狀態(tài)的預(yù)測(cè)值?；癁榭柭鼮V波增益矩 陣，Pk為誤差協(xié)方差矩陣，I為單位矩陣。具體卡爾曼濾波算法遞推式如下：
[0042] 濾波方程初始條件：
[0043]
(2)
[0044] 其中E為狀態(tài)變量的方差，var表示系統(tǒng)的協(xié)方差。
[0045] 狀態(tài)估計(jì)時(shí)間更新：
[0054]誤差協(xié)方差測(cè)量更新：
[005引 Pk+i/k+i=(I-Hk+iCk+i)Pk+i/k (8)
[0056] 在本實(shí)施方式中，通常情況W上變量不能精確獲得，一般設(shè)置初值后根據(jù)系統(tǒng)測(cè) 試要求進(jìn)行調(diào)試?？柭鼮V波算法對(duì)于初值的不確定有較好的收斂性，能在很短的時(shí)間間 隔內(nèi)逼近到實(shí)值附近。
[0057] 在步驟S12中，將所述S0C初始值賦值作為安時(shí)積分算法計(jì)算S0C值，并保存所述 S0C值，同時(shí)利用卡爾曼濾波算法計(jì)算S0C值。
[005引在本實(shí)施方式中，通過邸PROM保存在經(jīng)過初始值賦值后由安時(shí)積分算法計(jì)算得到 的soc值。在本實(shí)施方式中，因安時(shí)積分法計(jì)算soc初值不能收斂，因此W卡爾曼濾波算法計(jì) 算的S0C作為安時(shí)積分S0C初始值，初始賦值之后，分別W卡爾曼濾波算法和安時(shí)積分法計(jì) 算 S0C。
[0059] 在本實(shí)施方式中，電動(dòng)汽車上應(yīng)用于電池管理系統(tǒng)中計(jì)算S0C普遍所用方法為安 時(shí)積分法。安時(shí)積分法是最常用的S0C估計(jì)方法。如果充放電起始狀態(tài)能夠確定且記為 S0C0，那么當(dāng)前狀態(tài)的S0C為：
[0060] (9)
[0061 ]其中Cn為電池額定容量，I為電池電流，η為充放電效率(也稱庫(kù)倫效率)充電機(jī)效 率有關(guān)。Ah積分法應(yīng)用中若電流測(cè)量不準(zhǔn)，將造成S0C計(jì)算誤差，長(zhǎng)期積累，誤差越來越大。 計(jì)算過程中要考慮電池充放電效率，在高溫狀態(tài)和電流波動(dòng)劇烈的情況下，誤差較大。Ah積 分法可用于所有電動(dòng)汽車電池，若電流測(cè)量準(zhǔn)確，有足夠的估計(jì)起始狀態(tài)的數(shù)據(jù)，它是一種 簡(jiǎn)單、可靠的S0C估計(jì)方法。相對(duì)于開路電壓法的長(zhǎng)期存放或靜置來獲取開路電壓，安時(shí)積 分法更加可靠。
[0062] 在步驟S13中，判斷由上述兩種算法計(jì)算得到的S0C值是否在預(yù)設(shè)誤差值內(nèi)。
[0063] 在本實(shí)施方式中，所述預(yù)設(shè)誤差值為±2.5%。本發(fā)明中卡爾曼濾波算法計(jì)算S0C 收斂性好，其計(jì)算的S0C值