一种锂离子电池荷电状态-实际容量-可信容量在线检测方法及系统
本发明涉及电池管理领域,具体为一种锂离子电池荷电状态-实际容量-可信容量在线检测方法及系统,尤其涉及锂离子动力电池在线可信容量预测。
背景技术:
1、锂离子电池因兼具绿色环保、高能量密度、长循环寿命、低自放电率以及规模化生产带来的较低购买成本等优势,已在新能源汽车与储能领域获得广泛应用。由于锂离子电池的电极和电解液对空气中的氧气、水蒸气等极为敏感,通常采用密封封装工艺。在电池工作过程中,传感器只能直接采集电压、电流和温度,而无法直接获取隐性的电池参数、荷电状态、实际容量及可信容量。然而,这些状态量是锂离子电池老化状态预测、剩余寿命估计、电量均衡、剩余能量估计、充电控制、故障诊断等关键功能实现的核心依据,因此,在线准确检测锂离子电池的参数、荷电状态、实际容量及可信容量至关重要。
2、现有电池隐性状态量检测方法主要包括安时积分法、等效电路模型法和电化学模型法。安时积分法因计算量小、易于实现,曾是早期锂离子电池荷电状态、实际容量、可信容量预测的常用方法。但该方法在积分过程中无法有效分辨采样噪声与误差,导致累积误差不断增大,预测准确性随时间推移逐渐下降,难以满足当前电动汽车对隐性状态量的高精度检测需求。等效电路模型属于经验模型,无需考虑电池内部复杂的电化学过程,模型参数较少且易于辨识,因此在工程上得到广泛应用。然而,该模型存在机理描述不足的问题,缺乏直接反映锂离子电池温度特性的参数,由于电池参数、荷电状态、实际容量及可信容量受温度影响显著,导致该方法在高低温环境下的适应性下降;若引入温度修正项,又会增加计算复杂性。电化学模型是典型的机理模型,具有精度高、机理清晰等优点,但也存在偏微分方程求解困难、参数众多且辨识复杂、计算实时性难以保障等问题,目前仍极少用于锂离子电池工作过程中的隐性参数、荷电状态、实际容量及可信容量在线检测。
3、除上述传统模型与方法之外,近期提出的气液热电耦合模型作为一种新的锂离子电池模型,具有结构简单、参数较少且易于辨识的特点,能够兼顾长时间尺度的浓差极化与短时间尺度的电化学极化。然而,该技术采用离线参数辨识或联合参数辨识方式,削弱了气液热电耦合模型对动态充放电工况的适应性,以及尚未实现锂离子电池参数、荷电状态、实际容量及可信容量的准确在线检测。
技术实现思路
1、发明目的:本发明提出一种锂离子电池荷电状态-实际容量-可信容量在线检测方法及系统,旨在解决现有技术在这些隐性状态量的检测精度、计算量及动态工况适用性等方面的难题,以及提升锂离子电池隐性状态量的在线检测鲁棒性。
2、技术方案:本发明公开一种锂离子电池荷电状态-实际容量-可信容量在线检测方法,包括:
3、步骤1:基于气液热电耦合模型,推导气液热电耦合模型的开路电压预测方程、端电压预测方程;
4、(1);
5、(2);
6、其中,vk表示端电压;uk表示开路电压,v1,k表示电化学极化电压,tk表示开尔文温度,rω、r1、τ、k1和k2表示5个待辨识的参数,b和c为中间变量,δt为采样周期,ik表示电流,放电为正,充电为负;下标k表示当前采样时刻,下标k-1表示前一采样时刻,下标k+1表示下一采样时刻;
7、步骤2:获取锂离子电池不同荷电状态下的开路电压,以及开路电压对应的端电压、电流和温度,基于步骤1的预测方程,确定气液热电耦合模型的5个待辨识的参数,作为在线参数辨识方法的参数初值θ0;
8、步骤3:拟合获取锂离子电池开路电压u与荷电状态soc之间的映射函数u=g(soc);
9、步骤4:以5个待辨识的参数及实际容量作为参数向量θ,荷电状态和端电压作为状态向量x构建离散化状态方程,基于在线参数辨识方法分步在线预测气液热电耦合模型的参数、荷电状态实际容量。
10、进一步地,所述参数向量、状态向量以及离散化状态方程,具体如下:
11、(3);
12、(4);
13、(5);
14、式中,t表示转置操作,、为当前采样时刻k、下一采样时刻k+1的荷电状态,f为状态方程,η为库伦效率,为第k次采样的实际容量,为荷电状态方程的系统噪声,为电化学极化电压方程的系统噪声。
15、进一步地,所述在线参数辨识方法采用双扩展卡尔曼滤波算法、遗传算法、最小二乘算法、粒子滤波算法、模拟退火算法、蚁群算法、神经网络算法中的一种。
16、进一步地,在线参数辨识方法采用双扩展卡尔曼滤波算法进行分布在线预测气液热电耦合模型的参数、荷电状态实际容量。
17、进一步地,在利用双扩展卡尔曼滤波算法进行分布在线预测时,先将开路电压恒等变形为观测方程,根据观测方程分别计算状态雅可比矩阵、状态观测雅可比向量以及参数观测雅可比向量,具体为:
18、观测方程;
19、(6);
20、式中,yk为观测方程的估计值,为量测噪声;
21、状态雅可比矩阵:
22、(7);
23、状态观测雅可比向量:
24、(8);
25、式中,g’(sock)表示对g(sock)函数的sock变量求导数,表示求偏导数;
26、计算参数观测雅可比向量:
27、(9)。
28、进一步地,执行双扩展卡尔曼滤波算法标准步骤:
29、步骤s1:初始化,其中,表示状态向量初始值,表述参数向量初始值,t0表示温度初始值,表示状态协方差矩阵初始值,表示参数协方差矩阵初始值,表示状态的系统噪声协方差矩阵初始值,表示参数的系统噪声协方差矩阵初始值,表示状态量测噪声方差初始值,表示参数量测噪声方差初始值,u0表示开路电压初始值;
30、步骤s2:基于状态方程进行状态预测,其中,表示状态向量先验值,表示状态向量后验值,表示前一采样时刻的电流;
31、步骤s3:基于状态雅可比矩阵进行状态协方差预测,其中,表示状态的系统噪声协方差矩阵初始值,表示前一采样时刻的状态雅可比矩阵,表示前一采样时刻状态协方差后验值;
32、步骤s4:根据状态协方差预测结果以及状态观测雅可比向量计算状态卡尔曼增益,其中,表示状态量测噪声方差初始值;
33、步骤s5:进行状态更新、状态协方差更新:
34、;
35、;
36、其中,yk,采样表示k时刻电池采样的端电压,e表示单位矩阵且括号内数字表示矩阵的维度;
37、步骤s6:对于参数向量进行步骤s2~s5的相同过程,得到参数更新和参数协方差更新:
38、
39、
40、式中,表示更新后的参数向量,表示参数预测值,表示参数卡尔曼增益,表示参数协方差更新值,表示参数观测雅可比向量,表示参数协方差预测值;
41、以此实现分步在线预测气液热电耦合模型的参数、荷电状态与实际容量,状态向量x中的sock为电池的荷电状态,参数向量θ 中的qn,k为电池的实际容量,将荷电状态sock与实际容量qn,k相乘,得到锂离子电池的可信容量qavailable,k。
42、本发明还公开一种锂离子电池荷电状态-实际容量-可信容量在线检测系统,包括数据采集模块、电池隐性状态检测模块、数据存储模块和显示模块;
43、所述数据采集模块包括信号采集器,其与电流传感器、电压传感器、温度传感器连接,分别采集锂离子电池的电流、采集锂离子电池的端电压和采集锂离子电池的温度;其还与电池隐性状态检测模块、数据存储模块连接,将采集的端电压、温度和电流信号发送到电池隐性状态检测模块和数据存储模块;
44、所述电池隐性状态检测模块,实现如权利要求1~6任一所述的锂离子电池荷电状态-实际容量-可信容量在线检测方法,用于在线预测气液热电耦合模型的参数,以及锂离子电池的荷电状态、实际容量及可信容量,并将预测的结果发送至数据存储模块;
45、所述显示模块连接电池隐性状态检测模块,用于显示电池隐性状态检测模块预测的锂离子电池荷电状态、实际容量及可信容量。
46、有益效果:
47、1. 本发明基于气液热电耦合模型实现了锂离子电池在线参数、荷电状态、实际容量及可信容量的分步联合预测与检测,显著拓展气液热电耦合模型的应用范围及功能。提升模型对不同类型、不同工况及不同老化程度电池的泛化能力,增强了气液热电耦合模型的工程价值。
48、2. 本发明的分步在线预测气液热电耦合模型的参数与实际容量,在模型参数与实际容量分步预测过程中可以互为前提,显著提升预测方法的鲁棒性,增强工程应用稳健性。
49、3. 本发明提出的双扩展卡尔曼滤波算法实现模型参数与实际容量的分步在线预测,可将高维矩阵运算,拆分成两个较低维矩阵的运算,显著简化了预测方法的结构复杂性,计算成本更低,易于在嵌入式系统上实现,解决工程上预测时效性差的难题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com