基于二进制编码的电池开路电压估算方法.pdf

本发明公开了基于二进制编码的电池开路电压预测方法，属于电动汽车技术领域，包括：一阶RC等效电路模型参数辨识阶段、电池开路电压预测阶段；一阶RC等效电路模型参数辨识阶段包括：步骤1，建立描述电池动态特性的一阶RC等效电路模型；步骤2，依据实际采集的电池电流及电压信号，基于最小二乘法预测模型参数；电池开路电压预测阶段包括：步骤3，建立描述电池静置特性的多阶RC等效电路模型；步骤4，以一阶RC等效电路模型参数辨识阶段辨识的R1C1作为基准R0C0；步骤5，令多阶RC等效电路模型中的RiCi＝2iR0C0；步骤6，依据最小二乘法辨识电池开路电压。本发明引入二进制编码原理预测电池开路电压，解决了多阶等效电路模型非线性度高，耦合性高不利于求解的问题。

权利要求书
1.  基于二进制编码的电池开路电压预测方法，其特征在于，包括：一阶RC等效电路模型参数辨识阶段和电池开路电压预测阶段；
所述一阶RC等效电路模型参数辨识阶段包括如下步骤：
步骤1，建立描述电池动态特性的一阶RC等效电路模型；所述一阶RC等效电路模型由描述电池动态特性的电阻R1、电容C1并联后再与欧姆内阻R0、电池开路电压Em串联组成；
步骤2，依据实际采集的电池电流及电压信号，基于最小二乘法预测电池模型参数，所述模型参数包括：电池开路电压Em，欧姆内阻R0，描述电池动态特性的电阻R1、电容C1；
所述电池开路电压预测阶段包括如下步骤：
步骤3，建立描述电池静置特性的多阶RC等效电路模型；所述多阶RC等效电路模型由若干个RiCi并联电路相串联后再与欧姆内阻R0、电池开路电压Em串联组成，其中i＝1,2,3…n；
步骤4，以所述一阶RC等效电路模型参数辨识阶段辨识的R1C1作为基准R0C0；
步骤5，令多阶RC等效电路模型表达式中的RiCi＝2iR0C0；其中i为描述电池静置特性的最佳阶次；
步骤6，依据最小二乘法辨识电池开路电压。

2.  根据权利要求1所述的基于二进制编码的电池开路电压预测方法，其特征在于，所述步骤1中的等效电路模型的表达式为：V=Em-VR0-VR1=Em-IR0-IR1(1-e-t/R1C1);]]>其中Em为电池开路电压，VR0为欧姆内阻R0上压降，VR1用于描述R1C1并联电路的压降，I为串联电流。

3.  根据权利要求1所述的基于二进制编码的电池开路电压预测方法，其特征在于，所述步骤3中的所述的多阶RC等效电路模型为：
V=Em-VR0-Σi=1nVRi=Em-IR0-Σi=1nIRi(1-e-t/RiCi);]]>
其中，VRi用于描述RiCi上的压降。

4.  根据权利要求1所述的基于二进制编码的电池开路电压预测方法，其特征在于，所 述步骤5中所述的最佳阶次为7阶次。

说明书基于二进制编码的电池开路电压估算方法
技术领域
本发明属于电动汽车技术领域，具体涉及电动汽车动力电池开路电压估算。
背景技术
为了防止电动汽车动力电池组过充过放，延长电池组使用寿命，从而提高整车性能和安全性，一般要求电池管理系统能够实时准确的预估电池荷电状态(StateofCharge,SOC)。
目前，电池SOC估算方法包括电池容量测试法、安时积分法、开路电压法、卡尔曼滤波法、神经网络法和模糊控制算法等。电池容量测试法测试时间长、效率低，不适用于在线应用。神经网络法选择电池电压、充放电电流、环境温度、总放电量及内阻等参数作为输入，SOC作为输出，基于训练建立输入输出参数间的关系，实现了电池SOC的估算，但该方法的精度受输入参数、模型、训练数据和训练方法的影响。模糊控制法利用模糊推理的方法来估计电池的SOC，并以电池模型参数为模糊输入量，SOC为模糊输出量，该方法的精度受制于模糊推理系统的设计；卡尔曼滤波方法通过建立电池状态及测量方程，利用递推算法对电池组SOC实现最小方差意义上的最优估算，其估算精度受制于电池模型和电池开路电压与SOC间关系的描述精度；但上述算法由于运算量较大对系统处理器速度要求较高。电池开路电压与SOC间有唯一的对应关系，且与电池寿命影响不大，开路电压法精度较高，但需静止较长时间以达到平衡。安时积分法在电池管理系统中也得到了普遍应用，但该方法最大缺陷是，在实际应用场合电池的充放电效率难以测定，另外，因电池的自放电及老化导致容量衰减，无法确定SOC的初始值，同时还存在积分的累积误差等。
从上面的分析发现，因电池开路电压与SOC间存在唯一的对应关系，目前比较常用的电池SOC估算方法是安时积分法结合开路电压法或充电结束时SOC修正，但该算法的难点在于电池开路电压的预测。
针对磷酸铁锂电池，多阶RC等效电路模型因没有分支，结构简单，因而被广泛采用，另外，一阶RC等效电路模型即可恰当的描述磷酸铁锂电池使用过程中的动态特性。从电池电压静置曲线可以看出，电池开路电压预测模型中除了短时间常数的RC模块、还应包含若干更长时间常数的RC模块，多阶等效电路模型非线性度高，耦合效果不利于求解。
发明内容
针对上述多阶RC等效电路模型非线性度高、耦合效果不利于求解的问题，本发明提 出了基于二进制编码的电池开路电压预测方法。采用的技术方案为：
基于二进制编码的电池开路电压预测方法，包括：一阶RC等效电路模型参数辨识阶段和电池开路电压预测阶段；
所述一阶RC等效电路模型参数辨识阶段包括如下步骤：
步骤1，建立描述电池动态特性的一阶RC等效电路模型；所述一阶RC等效电路模型由描述电池动态特性的电阻R1、电容C1并联后再与欧姆内阻R0、电池开路电压Em串联组成；
步骤2，依据实际采集的电池电流及电压信号，基于最小二乘法预测电池模型参数；
所述电池开路电压预测阶段包括如下步骤：
步骤3，建立描述电池静置特性的多阶RC等效电路模型；多阶RC等效电路模型由若干个RiCi并联电路相串联后再与欧姆内阻R0、电池开路电压Em串联组成，其中i＝1,2,3…n；
步骤4，以所述一阶RC等效电路模型参数辨识阶段辨识的R1C1作为基准R0C0；
步骤5，令多阶RC等效电路模型表达式中的RiCi＝2iR0C0；其中i为描述电池静置特性的最佳阶次；
步骤6，依据最小二乘法辨识电池开路电压。
进一步地，所述步骤1中的等效电路模型的表达式为：
V=Em-VR0-VR1=Em-IR0-IR1(1-e-t/R1C1);]]>
其中Em为电池开路电压，为欧姆内阻R0上压降，用于描述R1C1并联电路的压降，I为串联电流。
进一步地，所述步骤2中所述的电池模型参数包括：电池开路电压Em，欧姆内阻R0，描述电池动态特性的电阻R1、电容C1。
进一步地，所述步骤3中的所述的多阶RC等效电路模型为：
V=Em-VR0-Σi=1nVRi=Em-IR0-Σi=1nIRi(1-e-t/RiCi);]]>
其中，用于描述RiCi上的压降。
进一步地，所述步骤5中所述的最佳阶次为7阶次。
和现有技术相比，本发明的有益效果：
本发明的有益效果是引入了二进制编码原理预测电池开路电压，解决了多阶等效电路模型非线性度高，耦合性高不利于求解的问题。
附图说明
图1为多阶RC等效电路模型原理图；
图2为电池电压静置阶段实测曲线；
图3为基于一阶RC等效电路模型预测及试验静置的电池开路电压；
图4为基于多阶RC等效电路模型预测及试验静置的电池开路电压；
图5为基于多阶RC等效电路模型预测及试验静置的电池开路电压的局部放大图。
具体实施方式
本发明提出的基于二进制编码的电池开路电压预测方法包括一阶RC等效电路模型参数辨识、电池开路电压预测。
上述一阶RC等效电路模型参数辨识阶段包括如下过程：
(1)首先建立描述电池动态特性的一阶RC等效电路模型；所述一阶RC等效电路模型由描述电池动态特性的电阻R1、电容C1并联后再与欧姆内阻R0、电池开路电压Em串联组成；一阶RC等效电路模型表达式为：
V=Em-VR0-VR1=Em-IR0-IR1(1-e-t/R1C1)---(1)]]>
其中Em为电池开路电压，为欧姆内阻R0上的压降，用于描述R1C1并联电路上的压降，I为串联电流；
(2)然后依据实际采集的电池电流及电压信号，基于最小二乘法预测电池模型参数，所述电池模型参数包括：Em，R0，R1，C1。
上述电池开路电压预测阶段包括如下过程：
(1)当电池进入静置阶段，如图2所示，电池电压先以较快的速率恢复，随后进入较平缓的恢复阶段，导致基于一阶RC等效电路模型预测及试验静置的电池开路电压存在较大偏差，如图3所示。
为此，建立描述电池静置特性的多阶RC等效电路模型；如图1所示，所述多阶RC等效电路模型由若干个RiCi并联电路相串联后再与欧姆内阻R0、电池开路电压Em串联组成，其中i＝1,2,3…n，多阶RC等效电路模型表达式为：
V=Em-VR0-Σi=1nVRi=Em-IR0-Σi=1nIRi(1-e-t/RiCi)---(2)]]>
其中用于描述RiCi并联电路上的压降；
(2)然后以一阶RC等效电路模型参数辨识阶段辨识的R1C1作为基准R0C0；
(3)再令多阶RC等效电路模型表达式中的RiCi＝2iR0C0，其中i为描述电池静置特性的最佳阶次，如图4和图5所示，当为7阶次时最佳；
(4)最后依据最小二乘法辨识电池开路电压。
多阶RC等效电路模型表达式可变成：
V=Em-IR0-Σi=07IRi(1-e-t/2iR0C0)---(3)]]>
利用一个有限项采样值A＝(a1,a2,...,aN)描述R0C0，其中aj表示R0C0网络在j时刻对单位阶跃响应的采样值，N为R0C0网络输出值达到稳定所需的时域长度。k时刻电池端电压的多阶RC等效电路模型表达式为：
Vk=Em-IkR0-Σi=07Ri(Ik-N+Σj=1N((Ik-j-Ik-j-1)·2i·aj))---(4)]]>
令Q=Σk=1M(Vmeasure,k-Vk)2=Σk=1M(Vmeasure,k-Em+IkR0+Σi=07Ri(Ik-N+Σj=1N((Ik-j-Ik-j-1)·2i·aj)))2,]]>其中Vmeasure,k为k时刻实测电池电压。
最小二乘法的含义即求解模型参数Em，R0，R1，C1，使Q(Em,R0,Ri)取得极值。而Q(Em,R0,Ri)取得极值的必要条件为其中求解的Em值即为电池开路电压。
以上仅用于描述本发明的技术方案，并不用于限定本发明的保护范围，在不违背本发明实质内容和精神的前提下，所作任何修改或等同替换等都将落入本发明的保护范围内。