一种电动汽车动力电池荷电状态滚动时域估计方法

技术领域

本发明属于汽车控制技术领域，涉及一种电动汽车动力电池荷电状态滚动时域估计方法，具体涉及一种运用混合逻辑建模与滚动时域估计对电动汽车动力电池荷电状态进行估计的方法。

背景技术

新能源汽车是汽车产业转型升级的重要方向。近年来，锂离子电池因其能量密度高、输出功率大、充放电寿命长等一系列的优点，成为了电动汽车电池的主要选择。由于汽车对于电量的大量需求，通常选择将多个单体电池组成大型电池组，由此带来的安全问题也逐渐凸显出来。出于安全考虑，大部分电动汽车使用电池电量的范围会限制在10％～90％荷电状态(State of Charge,SOC)区间甚至于更少。由此可见，至少存在着五分之一的电池电能一直处于未被激活的闲置状态，得不到有效的利用。这些未利用的电能不仅提高了电池的成本，同时也缩短了电池的续航能力。因此，如果有方法可以精确地获取电池的荷电状态，便可以充分利用汽车电池的更多电能，对于增加电池的续航能力，延长电池使用寿命，降低电动汽车电池组成本有着十分重要的作用。

在现有方法中，基于安时积分法的电池荷电状态估计面临误差累积问题；开路电压方法需要对汽车电池进行搁置检测，无法满足汽车行驶过程的SOC估计需求；基于模型的SOC估计方法将算法与模型结合，相较于前两种方法易获得较高的估计精度，但提高算法的鲁棒性和实时性一直是SOC估计领域的难题。

CN110161423A公开了一种基于多维度耦合模型的动力锂电池状态联合估计方法，通过建立电池的电-热-老化的耦合模型，并测试电池的充放电量估算电池的SOH(State ofHealth)值，以此对模型参数进行修正，再结合滚动时域估计策略估计电池的SOC。但此方法在建立耦合模型时需要大量的实验数据，增加了算法实现难度，且其采用六阶多项式来建模SOC与开路电压的关系，增加了模型的复杂度，会降低算法的时效性。

CN104773086A公开了一种使用滚动时域回归分析来估计电池阻抗参数的方法和系统，通过对电池输入和输出的测量，估计电路模型中的参数。但此方法通过对开路电压的估计来推算SOC，这会导致SOC的估计精度严重依赖于SOC与开路电压的关系，进而影响SOC的估计精度和鲁棒性。

CN108318823A公开了一种基于噪声跟踪的锂电池荷电状态估算方法，通过构建电池的非线性状态空间方程，结合非线性滚动时域估计策略，估计电池SOC。但此方法对于SOC与开路电压的非线性关系使用高阶多项式描述，引入的非线性会增加算法的复杂度，导致算法实时性降低。

发明内容

针对现有技术存在的上述问题，本发明提供了一种电动汽车动力电池荷电状态滚动时域估计方法。该方法具有计算效率高、模型简单、对电池模型精度要求不高的特点，并能够显式处理动力电池中各变量的物理约束，且可以减少因为模型参数摄动而产生的估计误差，从而提高SOC估计的精度和可靠性。

本发明的目的是通过以下技术方案实现的：

一种电动汽车动力电池荷电状态滚动时域估计方法，包括如下步骤：

步骤一：建立电池的等效电路模型；

步骤二：用分段线性函数描述电池开路电压U

U

其中，k

步骤三：用混合逻辑模型描述步骤二中的分段线性函数关系：

其中，z

步骤四：考虑动力电池的物理约束，建立SOC估计问题的数学描述，即基于电池的动力学方程及其约束条件，利用可测量的电池端电压U

C'

D'

y＝U

u＝i

满足步骤三给出的约束条件及电池变量的物理约束；

其中，X为由所有z

步骤五：设计滚动时域估计策略，实现对动力电池SOC的估计，具体步骤如下：

(1)根据电池模型与测量数据，设置初始化的参数Q、P

(2)当滚动估计时间T未超过N时，使用下式求解优化问题：

满足步骤四中给出的电池动力学方程及其约束条件；

所得优化解为：

根据估计结果，通过状态的递推公式，计算当前状态的估计值：

其中，W

(3)当滚动估计时间T超过N时，使用下式求解优化问题：

满足步骤四中给出的电池动力学方程及其约束条件；

其中P

P

所得优化解为：

根据估计结果，通过状态的递推公式，计算当前状态的估计值：

(4)使用下式计算下一时刻状态的先验估计：

(5)在获得新的数据集之后，根据滚动估计时间T和滚动估计长度N的大小关系判断重新返回(2)或(3)进行数据更新，进行循环计算。

相比于现有技术，本发明具有如下优点：

1、本发明易于实现，不需要额外的传感器，成本较低；

2、本发明利用分段线性化方法并结合混合逻辑模型描述SOC与开路电压之间存在的非线性关系，能够有效简化电池模型，算法时效性更好；

3、本发明能够显式处理电池状态的物理约束，使得估计结果更加合理；

4、本发明通过对系统扰动的重构，能够有效提高对电池SOC的估计精度。

附图说明

图1为动力电池的等效电路模型；

图2为SOC与OCV的非线性关系图；

图3为本发明的滚动时域估计策略流程图；

图4为本发明对应于40℃的环境温度下算法的实验结果；

图5为本发明对应于10℃的环境温度下算法的实验结果。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种电动汽车动力电池荷电状态滚动时域估计方法，所述方法包括如下步骤：

步骤一：建立动力电池的等效电路模型。

综合考虑模型的精度和模型复杂度，本发明选取二阶等效电路即双RC模型模拟锂离子电池充放电特性。需要说明的是，本发明的方法并不局限于二阶等效电路模型，同样适合于其他阶次和其他形式的等效电路模型。

如图1所示，U

根据模型可知，各元件电压之间的关系可以描述为：

U

极化电容之间的动态电压可以描述为：

而SOC可以表示为：

其中，C

由此，可以定义系统状态为：

输出为：

y＝U

输入为：

u＝i

结合上述公式，可以得出：

其中：

式中，x

步骤二：用分段线性函数描述电池开路电压与SOC的关系。

为测量电池开路电压(Open Circuit Voltage，OCV)与SOC之间的关系，电池先以恒流恒压方式充电至截止电压。将电池静置过一段时间之后，再以一定倍率对电流持续放电至特定SOC后，再静置一段时间，不断重复，直至电池放电至截止电压。在放电的整个过程中，电池端电压和负载电流均以10HZ频率进行同步采集。根据各静置点的SOC及其所对应的开路电压测量值，可获得如图2所示的开路电压与SOC的关系。

从图2中可以看出，OCV和SOC关系明显为非线性，为简化模型并保证精度，对其进行分段线性处理。分段时首先设定允许的误差上界，通过计算拟合误差来寻找满足误差要求的最小段数，将其记为n。每段上界为[a

U

其中，k

结合上述SOC-OCV的分段线性描述，步骤一中电池测量方程可重写为：

h((x(t),u(t))＝k

在此基础上，对状态空间方程(5)离散化处理，可以得到RC模型的离散状态空间方程为：

其中：

C

D

步骤三：用混合逻辑模型描述步骤二中的分段线性函数关系。

由于此时的开路电压与SOC之间的关系为分段线性函数，涉及到多模型的切换，将其描述为混合逻辑模型，可以简化估计模型。

首先将SOC-OCV的分段线性函数转换为混合逻辑的线性约束问题。

设逻辑变量δ

设每段对应的开路电压OCV为z

z

同时开路电压OCV的表达式为：

由此，可以得出关于变量z

其中，M对应于在每段的参数(k

SOC(即变量x中的x

δ

且δ

基于上述分析，可以将公式(7)描述的开路电压与SOC之间的分段线性关系转化为由式(17)～(19)描述的关于z

进一步，电池测量方程可描述为

步骤四：考虑动力电池的物理约束，建立SOC估计问题的数学描述。

在此基础上，考虑各个变量本身的物理约束。根据物理定义，SOC的范围为0～1，对于U

结合步骤三中给出的混合逻辑模型描述的测量方程，选取新的变量：

X＝[z x δ] (22)。

可以得到如下所示的新的状态空间方程与约束条件：

其中：

C'

D'

其中，Θ为具有适当维度的矩阵或向量，所有元素都为0。

至此，混合逻辑的状态空间数学模型搭建完成，由式(23)～(27)及其约束条件(17)、(18)、(19)与(21)给出，需要设计估计器，利用可测量的电池端电压(数学模型中的y)和充放电电流(数学模型中的u)，估计不可测量的SOC，并满足估计精度、实时性和鲁棒性的要求。

步骤五：设计滚动时域估计策略，实现对动力电池SOC的估计。

结合先前搭建好的模型，设系统化的初始状态为x

设定目标函数为

其中，Q为过程噪声协方差矩阵，R为测量噪声协方差矩阵，P

约束估计问题的求解是在满足约束条件的前提下，通过极小化目标函数，估计出系统在当前时域内的初始状态和作用在系统上的扰动，并由系统动态方程计算出系统当前状态的估计值。

根据滚动优化原理，将每个采样时刻的最新测量数据补充进测量输出序列

假设在T时刻优化问题存在最优解，记为

随着时间的推移，T值会越来越大，上述方法所需数据过多，导致计算量太大，采用近似滚动时域估计降低系统的计算量。

设定窗口长度N，即该方法只考虑最新的N组数据，从而有效避免了全信息滚动时域估计的数据过多问题。

将问题分为两部分，分别处理信息个数未达到N和超过N的部分，则对于超过N的部分，目标函数可以更新为：

定义到达代价函数为：

通常为了缩小数据，选择

P

由此问题便可重新描述为一个二次规划问题：

最优解记为

综上所述，本发明的实施步骤如图3所示，包括：

1、建立电池的数学模型；

2、将SOC-OCV曲线进行分段线性拟合；

3、将分段线性拟合曲线转换为混合逻辑模型的线性约束；

4、根据电池模型与测量数据，设置初始化的参数Q、P、R，初始的估计状态

5、当滚动估计时间未超过N时，使用式(30)求解优化问题所得优化解为：

根据估计结果，通过状态的递推公式，计算当前状态的估计值：

6、当滚动估计时间超过N时，使用式(32)求解优化问题所得优化解为：

根据估计结果，通过状态的递推公式，计算当前状态的估计值：

7、使用下式计算下一时刻的先验估计：

8、在获得新的数据集之后，根据滚动估计时间T和滚动估计长度N的大小关系判断重新返回第5步或第6步进行数据更新，进行循环计算。

最后选取40℃与10℃的电池数据进行实验验证，两组实验温度差异较大，但采用同样的SOC-OCV模型及参数，运行结果如图4和图5所示，可以看到本发明的方法对SOC的估计具有较高精度，且不同环境温度引起的电池参数偏差并未对SOC估计结果产生明显影响，检验了本发明方法对模型参数变化的鲁棒性。