WO2018188321A1

WO2018188321A1 - 一种增强电池状态估计鲁棒性的方法

Info

Publication number: WO2018188321A1
Application number: PCT/CN2017/108286
Authority: WO
Inventors: 冯代伟; 黄平江; 李永强
Original assignee: 绵阳世睿科技有限公司
Priority date: 2017-04-13
Filing date: 2017-10-30
Publication date: 2018-10-18
Also published as: CN107064816A

Abstract

一种增强电池状态估计鲁棒性的方法，包括如下步骤：步骤一、根据电池特性建立电池数学模型；步骤二、通过增加冗余状态变量对电池数学模型进行调整；步骤三、采用系统状态估计方法对调整后的电池数学模型中的所有状态变量进行在线估计。该方法通过对电池模型增加一个或几个、有物理意义或没有物理意义的系统状态变量，并相应改变电池数学模型方程，可以在存在模型偏差和系统噪声的情况下，有效提高电池状态估计精度、加快估计偏差的收敛速率和增强估计算法的参数适配性，获得了很好的估计效果，且通过测试验证了该方法的有效性。

Description

一种增强电池状态估计鲁棒性的方法

技术领域

本发明属于电池技术领域，具体涉及一种增强电池状态估计鲁棒性的方法。

背景技术

电池管理系统对电池的温度、电压、电流等参数进行实时的采集，并基于预设的算法，避免电池的过充、过放。电池的状态估计是电池管理系统的核心内容。其准确估计一方面在用户层面提高了系统的易用性，汽车驾驶员可以在合理的时间范围内驾驶、保养车体；另一方面在电池内部层面，它可避免电池可能的永久性伤害，延长了锂离子动力电池的使用寿命。

电池状态估计最初是希望通过测量电池的电压来进行，因为电池的荷电状态与其开路电压有单调性的对应关系，然而由于电池极化动态等复杂特性的存在使得以电压估计电池状态的精度很低，难以满足实用性需求。为此，通过对电池进行建模并结合电池的电压和电流信号来估计电池状态是目前提高BMS估计精度的主要方法。

电池状态估计的方法从是否基于模型的角度讲，可分基于模型和非基于模型的方法。典型的非基于模型的方法是安时积分法，基于模型的方法中模型的类型包括电化学模型、神经网络模型、经验公式模型和电路模型。其中电路模型因能够一定程度上体现了电池的极化动态特性受到的关注较多，与其相关的电池状态估计方法基本上都集中在拓展卡尔曼滤波方法和其变形方法上。

鉴于电池特性的高度复杂性，任何电池模型都难以精确描述电池的特性，因为基于模型的电池状态估计方法，会因模型偏差而存在估计偏差。当受温度、充放电深度影响导致模型偏差较大时，电池状态的精度会明显降低。再者实际工况的噪声也难以精确建模，对电池状态估计也会带来明显的不利影响。鉴于此，需要找到一种强鲁棒性的电池状态估计方法，使得在即使存在模型偏差和噪声的情况下，也具有较高的估计精度。

发明内容

为了克服现有技术的上述缺点，本发明提出了一种增强电池状态估计鲁棒性的方法，旨在克服现有方法对模型偏差和系统噪声敏感的缺点，在即使存在模型偏差和系统噪声的情况下，也能对电池状态进行高精度的估计，提高估计的鲁棒性。

本发明解决其技术问题所采用的技术方案是：一种增强电池状态估计鲁棒性的方法，包括如下步骤：

步骤一、根据电池特性建立电池数学模型；

步骤二、通过增加冗余状态变量对电池数学模型进行调整；

步骤三、采用系统状态估计方法对调整后的电池数学模型中的所有状态变量进行在线估计。

与现有技术相比，本发明的积极效果是：本发明通过对电池模型增加一个或几个、有物理意义或没有物理意义的系统状态变量，并相应改变电池数学模型方程，可以在存在模型偏差和系统噪声的情况下，有效提高电池状态估计精度、加快估计偏差的收敛速率和增强估计算法的参数适配性。本发明获得了很好的估计效果，且通过测试验证了本发明方法的有效性。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为电池等效电路模型。

图2为鲁棒增强对模型偏差的容错能力。

图3为鲁棒增强对估计状态偏差的容错能力。

图4为鲁棒增强对估计方法参数适配性的影响。

具体实施方式

一种增强电池状态估计鲁棒性的方法，包括如下步骤：

步骤一、建立电池数学模型：

根据电池特性，建立合适的模型状态变量x，输入变量u，过程噪声w，量测噪声和模型参数θ，并建立电池系统方程：

y＝g(t,x,u,θ,v)

并进而转换成离散的形式：

x_k+1＝f(x_k,u_k,θ)+w_k

y_k=g(x_k，u_k，θ)+v_k

步骤二、给电池数学模型增加冗余态变量，并相应地调整电池数学模型：

对状态变量x进行增广：

式中的s为增广的状态变量，并相应调整电池模型如下：

步骤三、采用系统状态估计方法对调整后的电池数学模型中的所有状态变量进行在线估计：

式中m_k为采样时刻k时的电池输出量的测量值，L_k为所用估计方法的反馈增益。

需要说明的是：

本发明的电池模型，不限于任何形式，可以为电池等效电路模型、电化学模型等。

本发明给电池模型增加的冗余状态变量，不限定冗余状态变量的个数，可以为1个或多个，且不限定冗余变量的物理意义，可以是有具体物理意义的变量，也可以是无具体物理意义的变量。

本发明采用的系统状态估计方法，不限定任何类型的估计方法，可以是Kalman估计、H_∞估计、滑模估计等。

本发明方法亦不限于哪种类型的电池。

为了详细说明本发明的技术内容，算法特点，实现目的与效果，下面将结合具体实施方式对系统运行流程进行详细说明。

结合图1本发明建立的增强电池状态估计鲁棒性的方法，包括以下步骤：

步骤1，采用等效电路模型对电池进行建模，并建立电池数学模型；

如图1所示为典型的电池等效电路模型，包括受电池荷电状态(State of Charge，SoC)控制的电池开路电压(Open Circuit Voltage，OCV)，即OCV(SoC)；描述电池等效内阻的R₀，描述电池电化学极化和浓差极化的二阶RC模型，即R₁C₁和R₂C₂。建立该电路模型对应的电池离散系统数学模型，其状态为：

数学模型的状态空间方程和输出方程分别为：

x_k+1＝Ax_k+BI_k+Fw_k (2)

其中w_k为过程噪声(即电流测量噪声)，v_k为电压测量噪声，y_k为系统输出，是用系统状态计算的图1所示电路的端口电压。结合图1中的电路模型，将SoC的变化范围取为0～100(以百分数表示)，式(2)中的各个矩阵如下所示：

其中Cap为电池容量，τ₁＝R₁C₁，τ₂＝R₂C₂，Δt为系统采样周期。

对某种电池，该模型所需的参数及数值如表1所示：

表1模型阻容参数

步骤2，增加数学模型的冗余状态变量，并相应地调整电池数学模型，具体如下：

电池SoC是电流I的积分，而I的测量值中包含会影响SoC估计精度的偏置电流I^b，将其作为系统的状态对原状态进行增广，并对其进行在线估计，该电路模型的系统状态变量取为：

其中

和

分别为对应阻容网络电容(或电阻)上的电压。将I-I^b作为输入电池的实际电流，其数值为正表示充电，离散的系统的状态空间方程和输出方程可分别写为：

相应地调整电池模型，式(8)和式(9)中的A^a，B^a和F^a分别为：

步骤3，在每个采样时刻，采用H_∞观测器对电池状态进行估计，具体如下：

首先设定H_∞观测器参数P₀，Q、W和V，

为单位阵，并结合电池当前电压的采样值m_k，在每个采样时刻k进行如下计算：

通过对该方法进行测试验证，测试结果如图2-4所示。从图2可以看出，当存在明显的模型偏差时，增强后对模型偏差的容错能力明显优于增强前，说明该增强鲁棒性的方法对模型偏差有很强的容错能力。从图3可以看出，当存在初始电池状态偏差时，增强后使估计值向实际值收敛的速度更快。如果估计器的估计效果对其参数值很敏感，则意味着该估计器在实际应用时容易出现调试困难或工作不稳定现象，因此可工程化的估计器其参数可用范围越宽越好，这就是参数适配性的问题。从图4可以看出，没有鲁棒增强时，某个参数W的取值合适与否严重影响电池状态的估计精度；而在鲁棒增强后，在W很宽的取值范围内，电池状态的估计精度几乎不受影响，说明该鲁棒增强方法会明显加大估计器参数取值范围，进而有效增加估计的参数适配性。

Claims

一种增强电池状态估计鲁棒性的方法，其特征在于：包括如下步骤：

步骤一、根据电池特性建立电池数学模型；

步骤二、通过增加冗余状态变量对电池数学模型进行调整；

步骤三、采用系统状态估计方法对调整后的电池数学模型中的所有状态变量进行在线估计。
根据权利要求1所述的一种增强电池状态估计鲁棒性的方法，其特征在于：所述电池模型包括电池等效电路模型、电化学模型。
根据权利要求2所述的一种增强电池状态估计鲁棒性的方法，其特征在于：步骤一所述根据电池特性建立电池数学模型的方法为：

(1)建立等效电路模型对应的电池离散系统数学模型，其状态变量为：

其中：SoC表示电池荷电状态，R₁C₁和R₂C₂表示电池电化学极化和浓差极化的二阶RC模型；

(2)建立数学模型的状态空间方程和输出方程：

X_k+1＝Ax_k+BI_k+Fw_k

其中：w_k为过程噪声，v_k为电压测量噪声，y_k为系统输出，R₀表示电池等效内阻，OCV(SoC)表示受电池荷电状态SoC控制的电池开路电压OCV，且：

其中：Cap为电池容量，τ₁＝R₁C₁,τ₂＝R₂C₂，Δt为系统采样周期。
根据权利要求3所述的一种增强电池状态估计鲁棒性的方法，其特征在于：步骤二所述通过增加冗余状态变量对电池数学模型进行调整的方法为：

将电流I的测量值中包含的会影响SoC估计精度的偏置电流I^b作为冗余状态变量，则电路模型的系统状态变量取为：

其中：
和
分别为对应阻容网络电容或电阻上的电压，将I-I^b作为输入电池的实际电流，其数值为正表示充电，离散的系统的状态空间方程和输出方程分别为：

其中，A^a，B^a和F^a分别为：
根据权利要求4所述的一种增强电池状态估计鲁棒性的方法，其特征在于：所述系统状态估计方法包括Kalman估计方法、H_∞估计方法、滑模估计方法。
根据权利要求5所述的一种增强电池状态估计鲁棒性的方法，其特征在于：步骤三所述采用系统状态估计方法对调整后的电池数学模型中的所有状态变量进行在线估计的方法为：在每个采样时刻，采用H_∞观测器对电池状态进行估计：

首先设定H_∞观测器参数P₀、Q、W和V，II为单位阵，并结合电池当前电压的采样值m_k，在每个采样时刻k进行如下计算：
根据权利要求1所述的一种增强电池状态估计鲁棒性的方法，其特征在于：所述冗余状态变量为1个或多个，为有具体物理意义的变量或无具体物理意义的变量。