针对标定工况与实车工况失配的电池荷电状态估算方法及其系统和车辆与流程
本发明涉及电池荷电状态估算,特别涉及一种针对标定工况与实车工况失配的电池荷电状态估算方法及其系统和车辆。
背景技术:
1、随着电动汽车的普及,动力电池荷电状态(soc)的估算精度直接影响整车的安全性和用户体验。磷酸铁锂电池因安全性好、成本低、循环寿命长等优点被广泛应用于电动汽车。然而,磷酸铁锂电池在较宽的soc区间内开路电压(ocv)曲线极为平坦,电压对soc变化的敏感度很低,导致基于电压的soc校正能力较弱。
2、目前,电池管理系统通常采用卡尔曼滤波类算法进行soc估算。该类算法建立电池等效电路模型,通过状态预测与电压观测相结合的方式进行滤波更新,以得到soc估计值。其滤波参数,例如过程噪声协方差、量测噪声协方差、开路电压与soc的对应关系以及相关补偿系数等,通常是在实验室单一标准循环工况(如cltc)下离线标定获得,并默认这些参数能够适用于车辆实际运行的各种工况。然而,实验室标准循环工况通常具有平稳、低频、周期性强的特点,而车辆实际运行工况的电流波动剧烈、频带宽、随机性强。采用单一标准循环工况标定的滤波参数在车辆实际运行工况下会出现明显失配,导致滤波器对状态预测和电压观测的信任度分配不合理,soc估算误差随放电过程单向累积。尤其对于磷酸铁锂电池,在电压平台区电压观测所能提供的校正信息非常有限,一旦参数失配,滤波器难以通过电压观测及时修正状态预测误差,误差会持续累积,造成soc显示值系统性虚高。当真实soc已降至较低水平、端电压触发预欠压保护时,bms显示soc仍可能偏高,从而被动触发功率限制甚至动力中断,严重影响整车安全与用户体验。
3、因此,如何克服因单一标准循环工况标定导致的滤波参数与车辆实际运行工况失配问题,避免soc估算误差累积和低soc虚高,提高实车工况下的soc估算精度与安全性,是本领域亟待解决的技术问题
技术实现思路
1、本发明提出的一种针对标定工况与实车工况失配的电池荷电状态估算方法,包括:
2、检测电池的电压和电流;
3、在预设滑动时间窗内提取电流特征,并根据所述电流特征与预设工况模板的匹配结果,识别当前实车工况类别;
4、根据所述当前实车工况类别,从预置的工况-参数映射关系中调取对应的卡尔曼滤波参数集;所述工况-参数映射关系由包括标准循环工况和实车动态工况在内的多种工况数据联合标定得到;
5、基于安时积分进行状态预测,并以端电压与电池等效电路模型输出电压之间的差值进行量测更新,采用卡尔曼滤波估算荷电状态;其中,所述卡尔曼滤波采用所调取的所述卡尔曼滤波参数集;
6、输出估算得到的荷电状态。
7、可选地,所述工况-参数映射关系包含多个工况类别分别对应的卡尔曼滤波参数集,每个所述卡尔曼滤波参数集至少包括过程噪声协方差和量测噪声协方差;
8、所述根据所述当前实车工况类别,从预置的工况-参数映射关系中调取对应的卡尔曼滤波参数集,包括:
9、以所述当前实车工况类别为索引,在所述工况-参数映射关系中查找与所述当前实车工况类别对应的工况类别条目;
10、调取所述工况类别条目所对应的卡尔曼滤波参数集,并将所调取的卡尔曼滤波参数集中的过程噪声协方差和量测噪声协方差作为当前卡尔曼滤波的过程噪声协方差和量测噪声协方差。
11、可选地,所述工况-参数映射关系通过以下方式预先标定得到:
12、获取包括标准循环工况和实车动态工况在内的多种工况数据;
13、从所述多种工况数据中提取电流特征,并基于所述电流特征划分出多个工况类别;
14、针对每个工况类别,分别标定得到对应的卡尔曼滤波参数集;
15、将所述多个工况类别与各自对应的卡尔曼滤波参数集关联存储,形成所述工况-参数映射关系。
16、可选地,在形成所述工况-参数映射关系之后,所述方法还包括:
17、以包括标准循环工况、整车累积工况和恒阻负载工况在内的多种工况,对所述工况-参数映射关系中各工况类别对应的卡尔曼滤波参数集进行联合验证;
18、按不同工况对应的误差阈值进行分级判定;
19、若任一工况的验证结果不满足其对应的误差阈值,则根据该工况下的荷电状态估算误差数据修正所述工况-参数映射关系,并重新执行所述联合验证。
20、可选地,所述基于安时积分进行状态预测,并以端电压与电池等效电路模型输出电压之间的差值进行量测更新,采用卡尔曼滤波估算荷电状态,包括:
21、基于安时积分对荷电状态进行状态预测,得到荷电状态预测值;
22、根据所述荷电状态预测值,利用所调取的卡尔曼滤波参数集中的开路电压与荷电状态的对应关系确定模型输出电压;
23、将实测电池电压与所述模型输出电压之间的差值作为量测残差;
24、根据所调取的卡尔曼滤波参数集中的过程噪声协方差和量测噪声协方差计算卡尔曼增益,并利用所述卡尔曼增益和所述量测残差对所述荷电状态预测值进行修正,得到荷电状态估计值。
25、可选地,所述卡尔曼滤波参数集还包括低soc补偿系数;
26、所述方法还包括:
27、当估算得到的荷电状态低于预设低soc阈值时,根据所述当前实车工况类别对应的低soc补偿系数,对估算得到的荷电状态进行向下修正,得到修正后的荷电状态。
28、可选地,所述低soc补偿系数通过查表获得,所述查表的索引包括当前实车工况类别。
29、可选地,所述方法还包括:
30、基于所述量测残差的协方差、工况匹配度和电压观测一致性中的至少一项,确定荷电状态估计的置信度;
31、当所述置信度低于预设置信度阈值时,根据动态电压保护阈值进行预警和/或功率限制;其中,所述动态电压保护阈值基于当前实车工况类别、温度和电池内阻中的至少一项确定,并随当前实车工况类别、温度和/或电池内阻变化。
32、本发明还提出一种针对标定工况与实车工况失配的电池荷电状态估算系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述的针对标定工况与实车工况失配的电池荷电状态估算方法。
33、本发明还提出一种车辆,包括所述针对标定工况与实车工况失配的电池荷电状态估算系统。
34、卡尔曼滤波中过程噪声协方差q和量测噪声协方差r决定滤波器对安时积分预测与电压观测的信任权重。若q/r仅按cltc等平稳工况标定,则在实车大电流、宽频带、随机性强的工况下,预测与观测的信任分配偏离实际统计特性,电压校正无法有效抑制安时积分误差,误差沿放电方向累积。本发明技术方案通过滑动时间窗提取电流特征并识别当前实车工况类别,以该类别为索引从预置的工况-参数映射关系中调取匹配的卡尔曼滤波参数集。该映射关系由标准循环工况和实车动态工况联合标定,各工况类别对应各自标定得到的参数集。卡尔曼滤波使用调取到的参数集进行状态预测和量测更新,使滤波器在当前工况下的增益计算与预测、观测不确定性相匹配,从而在电压平台区电压校正信息弱的情况下,仍能以合理权重引入电压观测,抑制误差累积,降低soc虚高。查表调参计算量低,满足bms实时性。
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