本发明属于锂离子电池soc预测领域，具体涉及一种锂电池soc估计方法和系统。
背景技术：
锂离子电池是电动车辆的动力来源，锂离子电池的荷电状态即soc作为电池的一个重要参数，直接决定了产品的性能，同时，通过电池的荷电状态，可以更有效的使用电池，防止电池的过充过放，更加安全可靠地使用电池，另一方面电池使用循环次数的增加，会造成电池容量的衰减。
目前业界常用的算法是在特定的温度下采用扩展卡尔曼滤波算法进行soc估计，没有考虑不同温度，以及电池循环次数对电池输出特性的影响。
技术实现要素：
为解决上述技术问题，本发明提供一种锂电池soc估计方法和系统，具有估值准确的特点。
一种锂电池soc估计方法，其特征在于，包括如下步骤：
步骤一：建立锂电池等效电路模型；
步骤二：根据锂电池等效电路模型，计算电池电压与电池充放电电流的关系、以及电池电量与电池充放电电流的关系；
步骤三：实时测量电池等效模型中电路参数在不同温度下的参数值，将不同温度下的电路参数值进行拟合得到拟合曲线；
步骤四：通过标准卡尔曼空间模型建立电池容量衰减状态转移方程和测量方程；
步骤五：根据实际电池的ocv_soc曲线，得到锂电池初始soc数值，根据标准卡尔曼空间模型结合锂电池初始soc数值，对锂电池soc进行粗估值；
步骤六：建立扩展卡尔曼空间模型，将衰减状态转移方程和测量方程作为衰减输入量，将根据拟合曲线得到的电路参数的初始值作为电路参数输入量，采用扩展卡尔曼空间模型，得到下一状态的电路参数预估值；
步骤七：根据下一状态的电路参数预估值和电池电压与电池充放电流的关系，计算得到电池充放电电流，根据电池电量与电池充放电电流的关系和锂电池soc的粗估值得到soc电量下一状态的预估值。
步骤一中，所述等效电路模型包括电压源em、电池内阻r0和rc电路模块，所述电压源em的一端依次串连有rc电路模块和电池内阻r0，所述rc电路模块包括极化电阻r1和等效电容c1，所述极化电阻r1和等效电容c1并联连接。
步骤二中，电池电压与电池充放电电流的关系式计算方法步骤如下：
a1)：根据等效电路模型和基尔霍夫电压定律得到关系式
em＝e ir0 u1(1)
其中，所述为em电压源电压，e为开路电压即电池电压，i为电池充放电电流，r0为电池内阻，u1为rc电路模块两端电压；
a2)：根据欧姆定律得到rc电路模块两端电压u1与电池充放电电流i之间的关系为：
根据公式(2)可得，
设定时间常数τ＝r1c1，u1(0)为初始电压，解微分方程得到
从而得到，
步骤二中，所述电池电量与电池充放电电流的关系式为
其中，sock 1为k 1状态时的荷电状态值，sock为k状态时的荷电状态值，qk 1为k 1的电池电荷量，q0为电池总电荷量，δt为采样时间，i为电池充放电电流。
步骤三中，所述电路参数包括开路电压e、电池内阻r0、极化电阻r1和等效电容c1，所述拟合曲线为根据测量温度和对应的电路参数值进行拟合。
步骤四中，所述电池容量衰减状态转移方程为：
其中，
cqk 1为k 1时刻电池容量，
cqk为k时刻电池容量，
步骤六中，所述扩展卡尔曼滤波状态空间模型如下：
状态方程为：xk 1＝f(xk,μk) wk(8)
观测方程为：yk＝h(xk,μk) vk(9)
式中f(xk,μk)为非线性转移函数，h(xk,μk)为非线性测量函数，所述f(xk,μk)和h(xk,μk)可根据所述拟合曲线获得；
xk为状态变量，uk为输入变量，wk为过程噪声，vk为观测噪声。
定义
初始化：当k＝0时
x0|0＝e[x0]x0为初始状态，x0|0为初始期望值。
p0|0＝e[(x0-x0|0)(x0-x0|0)t]，p0|0为初始误差协方差。
k＝1,2,3…
更新下一状态，
状态变量更新：xk|k-1＝f(xk-1|k-1,uk)
误差协方差更新：
其中，pk|k-1为下一状态误差协方差，ak-1为转移矩阵，q过程噪声协方差。
卡尔曼增益更新：
kk为更新后的卡尔曼增益，
状态测量更新：xk|k＝xk|k-1 kk(yk-h(xk|k-1,uk))
误差协方差测量更新：pk|k＝(i-kkck)pk|k-1
一种锂电池估计系统，包括电池模型、信号源、卡尔曼滤波器、扩展卡尔曼滤波器和soc估计模块，所述信号源与所述电池模型的输入端连接，所述电池模型的输出端分别与卡尔曼滤波器、扩展卡尔曼滤波器和soc估计模块电连接，所述卡尔曼滤波器的输出量与扩展卡尔曼滤波器的输入端连接，所述扩展卡尔曼滤波器的输出端与soc估计模块电连接。
所述soc估计模块为模拟运算电路模块。
本发明公开了一种锂电池soc估计方法和系统，构建锂电池电路的等效模型，根据电路的等效模型得到锂电池soc与电池电压和电池电流的关系量，测试电路等效模型中电路参数在不同温度下的参数值并进行曲线拟合，根据标准卡尔曼滤波状态空间和ocv_soc曲线建立进行电池soc的粗估，并根据标准卡尔曼滤波状态空间进行电池衰减容量，将电池容量衰减和电路参数作为输入量，采用扩展卡尔曼状态空间得到下一状态的电路参数值，并依据电路参数值计算电池等效模型中的电压和电流值，依据电流值与soc的关系进行电池soc的精确估计，考虑温度变化和电池衰减状态，具有电池soc估计更加精确的有益效果。
附图说明
图1是锂电池等效电路图
图2是开路电压与温度soc之间模拟曲线图
图3是电池内阻与温度soc之间模拟曲线图。
图4是极化电阻阻与温度soc之间模拟曲线图。
图5是极化电容阻与温度soc之间模拟曲线图。
图6是锂电池估计系统的结构框图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施，而不是全部的实施，基于本发明的实施例，本领域普通技术人员在没有做、出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1-6所示，一种锂电池soc估计方法，包括如下步骤：
一种锂电池soc估计方法，其特征在于，包括如下步骤：
步骤一：建立锂电池等效电路模型；
步骤二：根据锂电池等效电路模型，计算电池电压与电池充放电电流的关系、以及电池电量与电池充放电电流的关系；
步骤三：实时测量电池等效模型中电路参数在不同温度下的参数值，将不同温度下的电路参数值进行拟合得到拟合曲线；
步骤四：通过标准卡尔曼空间模型建立电池容量衰减状态转移方程和测量方程；
步骤五：根据实际电池的ocv_soc曲线，得到锂电池初始soc数值，根据标准卡尔曼空间模型结合锂电池初始soc数值，对锂电池soc进行粗估值；
步骤六：建立扩展卡尔曼空间模型，将衰减状态转移方程和测量方程作为衰减输入量，将根据拟合曲线得到的电路参数的初始值作为电路参数输入量，采用扩展卡尔曼空间模型，得到下一状态的电路参数预估值；
步骤七：根据下一状态的电路参数预估值和电池电压与电池充放电流的关系，计算得到电池充放电电流，根据电池电量与电池充放电电流的关系和锂电池soc的粗估值得到soc电量下一状态的预估值。
步骤一中，所述等效电路模型包括电压源em、电池内阻r0和rc电路模块，所述电压源em的一端依次串连有rc电路模块和电池内阻r0，所述rc电路模块包括极化电阻r1和等效电容c1，所述极化电阻r1和等效电容c1并联连接。
步骤二中，电池电压与电池充放电电流的关系式计算方法步骤如下：
a1)：根据等效电路模型和基尔霍夫电压定律得到关系式
em＝e ir0 u1(1)
其中，所述为em电压源电压，e为开路电压即电池电压，i为电池充放电电流，r0为电池内阻，u1为rc电路模块两端电压；
a2)：根据欧姆定律得到rc电路模块两端电压u1与电池充放电电流i之间的关系为：
根据公式(2)可得，
设定时间常数τ＝r1c1，u1(0)为初始电压，解微分方程得到
从而得到，
步骤二中，所述电池电量与电池充放电电流的关系式为
其中，sock 1为k 1状态时的荷电状态值，sock为k状态时的荷电状态值，qk 1为k 1的电池电荷量，q0为电池总电荷量，δt为采样时间，i为电池充放电电流。
步骤三中，所述电路参数包括开路电压e、电池内阻r0、极化电阻r1和等效电容c1，所述拟合曲线为根据测量温度和对应的电路参数值进行拟合。
步骤四中，所述电池容量衰减状态转移方程为：
其中，
cqk 1为k 1时刻电池容量，
cqk为k时刻电池容量，
步骤六中，所述扩展卡尔曼滤波状态空间模型如下：
状态方程为：xk 1＝f(xk,μk) wk(8)
观测方程为：yk＝h(xk,μk) vk(9)
式中f(xk,μk)为非线性转移函数，h(xk,μk)为非线性测量函数，所述f(xk,μk)和h(xk,μk)可根据所述拟合曲线获得；
xk为状态变量，uk为输入变量，wk为过程噪声，vk为观测噪声。
定义
初始化：当k＝0时
x0|0＝e[x0]x0为初始状态，x0|0为初始期望值。
p0|0＝e[(x0-x0|0)(x0-x0|0)t]，p0|0为初始误差协方差。
k＝1,2,3…
更新下一状态，
状态变量更新：xk|k-1＝f(xk-1|k-1,uk)
误差协方差更新：pk|k-1＝ak-1pk-1|k-1akt-1 q
其中，pk|k-1为下一状态误差协方差，ak-1为转移矩阵，q过程噪声协方差。
卡尔曼增益更新：
kk为更新后的卡尔曼增益，
状态测量更新：xk|k＝xk|k-1 kk(yk-h(xk|k-1,uk))
误差协方差测量更新：pk|k＝(i-kkck)pk|k-1
一种锂电池估计系统，包括电池模型2、信号源4、卡尔曼滤波器3和扩展卡尔曼滤波器4，所述信号源1与所述电池模型2的输入端连接，所示电池模型2的输出端分别与卡尔曼滤波器3和扩展卡尔曼滤波器4连接，所述卡尔曼滤波器3的输出量与扩展卡尔曼滤波器4的输入端连接。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
1.一种锂电池soc估计方法，其特征在于，包括如下步骤：
步骤一：建立锂电池等效电路模型；
步骤二：根据锂电池等效电路模型，计算电池电压与电池充放电电流的关系、以及电池soc与电池充放电电流的关系；
步骤三：实时测量电池等效模型中电路参数在不同温度下的参数值，将不同温度下的电路参数值进行拟合得到拟合曲线；
步骤四：通过标准卡尔曼空间模型建立电池容量衰减状态转移方程和测量方程；
步骤五：根据实际电池的ocv_soc曲线，得到锂电池初始soc数值，根据标准卡尔曼空间模型结合锂电池初始soc数值，对锂电池soc进行粗估值；所述ocv_soc曲线为电池开路电压与电池荷电状态的关系曲线，是通过测量获得的电池特性曲线；
步骤六：建立扩展卡尔曼空间模型，将衰减状态转移方程和测量方程作为衰减输入量，将根据拟合曲线得到的电路参数的初始值作为电路参数输入量，采用扩展卡尔曼空间模型，得到下一状态的电路参数预估值；
步骤七：根据下一状态的电路参数预估值和电池电压与电池充放电流的关系，计算得到电池充放电电流，根据电池soc与电池充放电电流的关系和锂电池soc的粗估值得到soc电量下一状态的预估值。
2.根据权利要求1所述的锂电池soc估计方法，其特征在于：步骤一中，所述等效电路模型包括电压源(em)、电池内阻(r0)和rc电路模块，所述电压源(em)的一端依次串连有rc电路模块和电池内阻(r0)，所述rc电路模块包括极化电阻(r1)和等效电容(c1)，所述极化电阻(r1)和等效电容(c1)并联连接。
3.根据权利要求2所述的锂电池soc估计方法，其特征在于：步骤二中，电池电压与电池充放电电流的关系式计算方法步骤如下：
a1)：根据等效电路模型和基尔霍夫电压定律得到关系式
em＝e ir0 u1(1)
其中，所述为em电压源电压，e为开路电压即电池电压，i为电池充放电电流，r0为电池内阻，u1为rc电路模块两端电压；
a2)：根据欧姆定律得到rc电路模块两端电压u1与电池充放电电流i之间的关系为：
根据公式(2)可得，
设定时间常数τ＝r1c1，u1(0)为初始电压，解微分方程得到
从而得到，
4.根据权利要求1所述的锂电池soc估计方法，其特征在于：步骤二中，所述电池soc与电池充放电电流的关系式为
其中，sock 1为k 1状态时的荷电状态值，sock为k状态时的荷电状态值，qk 1为k 1的电池电荷量，q0为电池总电荷量，δt为采样时间，i为电池充放电电流。
5.根据权利要求1所述的锂电池soc估计方法，其特征在于：步骤三中，所述电路参数包括开路电压(e)、电池内阻(r0)、极化电阻(r1)和等效电容(c1)，所述拟合曲线为根据测量温度和对应的电路参数值进行拟合。
6.根据权利要求1所述的锂电池soc估计方法，其特征在于：步骤四中，所述电池容量衰减状态转移方程为：
所述电池容量衰减测量方程为：
其中，
cqk 1为k 1时刻电池容量，
cqk为k时刻电池容量，
7.根据权利要求1所述的锂电池soc估计方法，其特征在于：步骤六中，所述扩展卡尔曼滤波状态空间模型如下：
状态方程为：xk 1＝f(xk,μk) wk(8)
观测方程为：yk＝h(xk,μk) vk(9)
其中，f(xk,μk)为非线性转移函数，h(xk,μk)为非线性测量函数，所述f(xk,μk)和h(xk,μk)可根据所述拟合曲线获得；
xk为状态变量，uk为输入变量，wk为过程噪声，vk为观测噪声。
定义
初始化：当k＝0时
x0|0＝e[x0]x0为初始状态，x0|0为初始期望值。
p0|0＝e[(x0-x0|0)(x0-x0|0)t]，p0|0为初始误差协方差。
k＝1,2,3…
更新下一状态，
状态变量更新：xk|k-1＝f(xk-1|k-1,uk)
误差协方差更新：
其中，pk|k-1为下一状态误差协方差，ak-1为转移矩阵，q过程噪声协方差。
卡尔曼增益更新：
其中，kk为更新后的卡尔曼增益，
状态测量更新：xk|k＝xk|k-1 kk(yk-h(xk|k-1,uk))
误差协方差测量更新：pk|k＝(i-kkck)pk|k-1。
8.如权利要求1至7任一方法的锂电池估计系统，其特征在于：包括电池模型、信号源、卡尔曼滤波器、扩展卡尔曼滤波器和soc估计模块，所述信号源与所述电池模型的输入端连接，所述电池模型的输出端分别与卡尔曼滤波器、扩展卡尔曼滤波器和soc估计模块电连接，所述卡尔曼滤波器的输出量与扩展卡尔曼滤波器的输入端连接，所述扩展卡尔曼滤波器的输出端与soc估计模块电连接。
9.根据权利要求8所述的锂电池估计系统，其特征在于：所述soc估计模块为模拟运算电路模块。
技术总结