一种电动矿卡磷酸铁锂电池SOC估计方法

本发明涉及电动矿卡磷酸铁锂电池soc估计，具体涉及一种电动矿卡磷酸铁锂电池soc估计方法。

背景技术：

1、矿用车辆作为矿山生产的重要设备之一，承载着从矿石开采到矿石运输的关键任务，在绿色矿山生产中至关重要。磷酸铁锂电池因其安全性高、循环寿命长、高温性能好等优点，被应用于纯电动矿卡领域。电池的荷电状态（stateofcharge，soc）是描述电池的一个常用且重要的指标，实时监测电池的荷电状态可以有效避免动力电池过充过放的问题，实现对电池的精确管理和控制，保障纯电动矿卡电池系统的安全性和稳定性。纯电动矿卡长距离爬坡工况下，电池持续大电流放电，引起电池内部极化现象。电池持续大电流放电极大的影响了电池soc的准确性。因此，获得准确性高和鲁棒性强的矿用车辆电池soc估计具有重要意义。

2、锂离子电池模型包括电化学模型、等效电路模型和经验模型，其中，等效电路模型是一种模拟电池内部化学和物理过程的表示方法，它由电阻、电容以及电压源等基本电子元件构建，以便于捕捉并再现电池在运作时产生的各种极化现象和电压行为，常见的等效电路模型主要包含以下四种类型：rint模型、thevenin等效电路模型、pngv(partnershipforanewgenerationofvehicles）模型以及多阶电阻-电容（resistor-capacitance，rc）环路模型。

3、rint模型仅由电动势和电阻两个元件构成，具有参数辨识便捷性及计算高效性等显著优势。然而，该模型在充放电动态过程中未充分考虑极化现象，导致soc估计存在量化偏差以及精度不足。thevenin模型则在rint模型的基础上，串联一个用于描述电池极化反应的rc网络，常被称为一阶rc等效电路模型。文献“黄莉莉,任星星,苗博博.基于改进rint模型锂离子电池soc估计[j].电池工业,2022,26(04):177-180”通过对rint模型加以改进，把电池内阻划分为欧姆内阻和极化内阻，以此来对电池的soc进行估计。文献“yaos,xiaom,chengj,etal.studyonthéveninequivalentcircuitmodelingofzinc-nickelsingle-flowbattery[j].internationaljournalofelectrochemicalscience,2018,13(5):4455-4465（姚s，肖m，程j等．锌镍单液流电池的戴维南等效电路建模研究[j]．国际电化学科学杂志，2018，13(5)：4455-4465）”提出了一种优化的thevenin模型。他们根据脉冲特性（hybridpulsepowercharacteristic，hppc）测试数据，首先运用参数识别原理结合最小二乘曲线拟合方法，确定了改进模型的参数，然后建立模型电压的离散数学模型。结果表明改进模型对电池恒流放电的堆电压具有更高的精度和更准确的预测。pngv模型是在thevenin等效电路模型的基础上进一步优化和完善得到的高精度模型。该模型增加了一个电容，从而能够更好反应电池瞬态行为。然而，随着rc网络模块数量的增加，虽然模型的准确度得以提升，但其数学计算的复杂度也随之显著增加。目前最为常用的电池模型为锂离子电池二阶rc等效电路模型。文献“wangj,duj,tanb,etal.establishmentofalithium-ionbatterymodelconsideringenvironmentaltemperatureforbatterystateofchargeestimation[j].journaloftheelectrochemicalsociety,2023,170(12):120507（王j，杜j，谭b等．面向电池荷电状态估计的考虑环境温度的锂离子电池模型建立[j]．电化学学会会志，2023，170(12)：120507提出了一种带温度校正的二阶rc等效电路模型，通过调整估计参数，为模型参数建立了多项式系数数据表，以加快soc估算过程的计算时间。实验结果表明，温度校正模型可以提高不同温度条件下的soc估计精度，它比没有温度校正的模型具有更低的soc估计误差。等效电路模型能够通过测量电压和电流的响应来估计电池内部状态，然而在极端工作条件下，该模型对电池行为的模拟精度可能显著降低。因此，在针对电池特性及工程应用需求进行建模时，设计高精度的等效电路模型显得尤为重要。

4、然而，发明人通过搭建实验平台测试发现：电动矿卡在露天矿山长距离爬坡工况下，磷酸铁锂电池持续大电流放电，导致电池内部极化现象加剧，引发显著的迟滞效应，严重影响了电池荷电状态（stateofcharge，soc）的估计精度；而且发明人采用递推最小二乘法（recursiveleastsquares，rls）进行实时在线辨识电池动态模型参数时发现，当递推运算持续进行时，随着累积数据量的指数级增长，该算法在后期参数辨识阶段易出现数据饱和效应，难以对最新观测数据实施有效修正离线识别也会存在；采用扩展卡尔曼滤波算法（ekf算法）估计电动矿卡磷酸铁锂电池soc时发现，在复杂的工况中，系统的不确定性和噪声水平较高，ekf算法一般会存在鲁棒性差的问题，且纯电动矿卡运行过程中，电池会受到不同的工况、温度、震动等多种因素的影响，这些因素会导致电池系统的不确定性增加，当模型精度不足时，ekf算法的估计误差会显著增大。

技术实现思路

1、本发明要解决的技术问题是：提供一种电动矿卡磷酸铁锂电池soc估计方法，通过动态调整历史数据权重以削弱对当前参数估计的累积影响，该方法也能够实现电动矿卡磷酸铁锂电池soc的精确估计。

2、为了解决上述技术问题，本发明采用的技术方案为：一种电动矿卡磷酸铁锂电池soc估计方法，包括以下步骤：

3、步骤1、建立考虑迟滞的二阶等效电路模型作为电池模型；

4、步骤2、提出ffrls算法辨识模型参数，实时辨识每一时刻的电阻和电容参数值；

5、步骤3、根据步骤2获得的模型的辨识参数，对磷酸铁锂电池soc进行估计。

6、步骤1中考虑迟滞的二阶rc等效电路模型具体构建方法如下：

7、将电池充放电过程中的迟滞特性引入二阶rc等效电路模型，建立考虑迟滞的二阶rc等效电路模型，如图3所示等效电路模型，在该模型中，将迟滞电压模型与二阶rc模型串联，代表电池端电压，代表电池的开路电压；代表欧姆内阻；、分别表示电池的电化学极化内阻和电容，、分别表示浓差极化电阻和电容，两个rc环的电压总和构成了电池的极化电压；用于表征电池的充放电迟滞电压。电池的测量电压和工作电流分别用和表示，当为正值时，表明电池处于充电状态；反正，当为负值时，电池处于放电状态。

8、迟滞模型的状态空间方程如式(311)-式(315)所示：

9、(311)，

10、(312)，

11、(313)，

12、(314)，

13、(315)，

14、式中，表示电池端电压，表示电池的开路电压；表示欧姆内阻；和分别表示电池的电化学极化内阻和电容，和分别表示浓差极化电阻和电容，两个rc环的电压总和构成了电池的极化电压；表示电池的充放电迟滞电压；表示电池的工作电流（放电为正，充电为负），表示电池欧姆内阻的压降；和分别表示电池迟滞电压近似表征的电阻和电容，为最大迟滞电压；

15、离散化后如式(316)所示：

16、(316)，

17、式中，和分别表示离散时间的采样步数索引和采样周期；

18、离散化后的模型输出为：

19、(317)。

20、与现有技术相比，本发明的效果如下：本发明建立考虑迟滞的二阶rc等效电路模型，并采用ffrls对模型参数进行在线辨识，实现了欧姆内阻和极化参数的实时更新，能够提高辨识精度。通过对比不同工况下的端电压精度，验证了考虑迟滞的二阶rc等效电路模型优于未考虑迟滞的模型，其端电压均方根误差与平均绝对误差均控制在2%以内，提出的sage_husa自适应卡尔曼滤波算法能够精确实时估计电池soc，误差波动较小实现高精度强鲁棒性的soc估计，在四种复杂工况下，对比了ekf、ukf以及sage_husa自适应卡尔曼滤波算法的soc估计结果。结果表明，ekf和ukf虽能实现soc估计，但存在一定偏差。相比之下，sage_husaakf误差波动较小且具有适用性，可以实现高精度强鲁棒性的soc估计。在四种复杂工况下，sage_husaakf算法的均方根误差和平均绝对误差均低于1%。