CN105911480A - 一种动力电池soc估计方法 - Google Patents
一种动力电池soc估计方法 Download PDFInfo
- Publication number
- CN105911480A CN105911480A CN201610252852.9A CN201610252852A CN105911480A CN 105911480 A CN105911480 A CN 105911480A CN 201610252852 A CN201610252852 A CN 201610252852A CN 105911480 A CN105911480 A CN 105911480A
- Authority
- CN
- China
- Prior art keywords
- battery
- power battery
- equation
- sliding mode
- mode observer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 6
- 244000145845 chattering Species 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical group [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims 1
- 229910001416 lithium ion Inorganic materials 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/385—Arrangements for measuring battery or accumulator variables
- G01R31/387—Determining ampere-hour charge capacity or SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Secondary Cells (AREA)
Abstract
本发明属于电动汽车动力电池管理领域，涉及一种动力电池SOC估计方法。本发明采用如下步骤：建立动力电池RC等效电路模型，得到动力电池的状态空间方程；根据动力电池模型的状态空间方程，得到系统的观测矩阵，判断系统的可观测性；用改进的signum函数作为切换函数，设计滑模观测器；利用电池状态空间方程和设计的滑模观测器方程，得到电池的误差动态方程；选取合适的Lyapunov 函数，由稳定性条件得到动力电池最终的SOC估计方程。本发明提高了动力电池的建模精确度，所设计的滑模观测器极大降低了系统抖振，很好地补偿了外部干扰和建模误差。
Description
技术领域
本发明涉及电动汽车动力电池管理领域，尤其涉及一种动力电池SOC估计方法。
背景技术
随着现代工业技术的快速发展和全球汽车数量的不断增加，煤炭、石油等传统的不可再生能源已难以满足人类的需求，不断消耗的传统化石资源给环境带来了极大的破坏。近年来，随着人们对环保概念理解的不断深入，电动汽车得到广泛重视。作为电动汽车关键部件和主要能量来源的动力电池成为研究的核心。为了获得可用的电池能量，优化电池的管理系统，延长电池的寿命，需要精确地监控电池的运行状态。在电池的各种运行状态中，电池荷电状态（State of Charge，简称SOC）最为重要。
SOC是电动汽车电池管理系统中非常重要的参数，但实际应用中不能直接测得电池的SOC，要估计SOC，必须通过其他物理量和参数间接得到。目前常用的SOC估计方法有：安时计量法、开路电压法、神经网络法、卡尔曼滤波法、观测器设计法等。安时计量法基本原理是对电流进行时间上的积分，长时间会造成SOC的累积误差；开路电压法在使用时需要电池的长时间静置，不能用于电池的在线SOC估计，实际应用中很少用到；神经网络法需要大量的样本训练数据，计算过程复杂；卡尔曼滤波法是一个最优化自回归数据的处理算法，但该方法的应用需要依赖于十分精确的电池等效模型，过程繁琐；滑模观测器方法凭借其较简单的方法和较强的鲁棒性，得到了广泛应用。但是，传统的滑模观测器以signum函数作为切换函数，存在明显的抖振现象，影响了动力电池SOC估计的精度。
发明内容
针对上述SOC估计方法存在的缺陷，本发明提出了一种基于改进的滑模观测器的动力电池SOC估计方法，削弱了抖振现象，提高了动力电池SOC的估计精度。
本发明公开了一种动力电池SOC估计方法，包括如下具体步骤。
建立动力电池RC等效电路模型，得到动力电池状态空间模型：
。
其中，和代表系统外部干扰和建模误差。
简化为
。
其中
。
为了证明系统的可观测性，写出观测矩阵如下：
。
其中
。
显然，总是满秩的，所以电池系统是可观测的，可以进行观测器设计。
改进的滑模观测器设计如下：
。
其中，， 和 分别为， 和的估计值，， 和 为滑模观测器增益，且，。
状态方程误差定义如下：，，。
切换函数为改进的signum函数
。
其中，为正数。
由此得到电池误差动态方程为
。
为证明系统的稳定性，选取Lyapunov 函数为：
。
对该Lyapunov 函数求导可得：
。
其中，。
由此可得：
。
通过上述条件，得到电池SOC误差方程如下：
。
同理，为证明SOC误差的收敛性，选取Lyapunov 函数为：
。
对求导得
。
其中，。
由此得到：
。
通过上述条件得到：
。
综合上述分析可得，，满足稳定性条件。
附图说明
图1为动力电池RC等效电路模型图。
图2为系统整体结构原理框图。
具体实施方式
下面结合附图对本发明做进一步说明。
图1为动力电池RC等效电路模型图。
根据建立的动力电池RC等效电路模型得到电池的状态空间方程，在该方程中，各参数意义如下：、和分别表示电池的端电压、开路电压（OCV）和极化电压，表示欧姆电阻， 和分别表示电池内部浓差电阻和电化学电阻，表示电池的存储容量。
由基尔霍夫电压定律可得到端电压方程如下：
。
整理得到电池状态空间方程：
。
其中，和代表系统外部干扰和建模误差。
并且方程中各参数表示如下：
。
在进行滑模观测器设计前，首先判断系统的可观测性。
对于已建立的电池等效模型，选定状态变量为，输入输出分别为，，则电池状态空间方程可简化为。
。
其中
。
于是系统的观测矩阵为
。
显然，总是满秩的，所以电池系统是可观测的，可以进行滑模观测器设计。
下面进行滑模观测器设计。
用改进的signum函数作为切换函数，极大地减弱了抖振现象，所述切换函数设计如下：
。
其中。为正数。
滑模观测器设计如下：
。
其中，，和 分别为， 和的估计值，， 和 为滑模观测器增益，且，。
状态方程误差定义如下：，，。
由此得到电池误差动态方程为
。
下面证明系统的稳定性，选取Lyapunov 函数为：
。
对该Lyapunov 函数求导可得：
。
其中，。
由此可得：
。
通过上述条件，得到电池SOC误差方程如下：
。
同理，为证明SOC误差的收敛性，选取Lyapunov 函数为：
。
对求导得
。
其中，。
由此得到：
。
通过上述条件得到：
。
综合上述分析可得，，满足稳定性条件，故所设计的系统是稳定的。
最后，得到改进的滑模观测器方程：
。
Claims (8)
1.一种动力电池SOC估计方法，其特征在于，所述动力电池SOC估计方法的具体步骤是：建立动力电池RC等效电路模型，得到动力电池的状态空间模型；根据动力电池模型的状态空间方程，得到系统的观测矩阵，判断系统的可观测性；用改进的signum函数作为切换函数，设计滑模观测器；利用电池状态空间方程和设计的滑模观测器方程，得到电池的误差动态方程；选取Lyapunov 函数，由稳定性条件得到动力电池SOC估计方程。
2.如权利要求1所述的一种动力电池SOC估计方法，其特征在于：所述电池为锂离子电池。
3.如权利要求1所述的动力电池RC等效电路模型，其特征在于：基于所述RC等效电路模型和基尔霍夫定律，以电池的电流为输入变量，电池的端电压为输出变量，并根据开路电压与SOC之间的关系，将电池SOC作为状态变量，得到动力电池的状态空间模型如下：
简化为
。
4.如权利要求1所述的系统观测矩阵，其特征在于：所述系统观测矩阵如下：
其中
显然，总是满秩的，所以电池系统是可观测的。
5.如权利要求1所述的滑模观测器切换函数，其特征在于：用改进的signum函数作为切换函数，极大地减弱了抖振现象，所述切换函数设计如下：
其中，为正数。
6.如权利要求1所述的滑模观测器，其特征在于：所述滑模观测器设计如下：
其中，，和 分别为， 和的估计值，, 和 为滑模观测器增益。
7.如权利要求1所述的电池误差动态方程，其特征在于：所述误差动态方程如下：
。
8.如权利要求1所述的电池SOC估计方程，其特征在于：所述电池SOC估计方程由以下滑模观测器方程得到：
。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2015107634178 | 2015-11-11 | ||
| CN201510763417 | 2015-11-11 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105911480A true CN105911480A (zh) | 2016-08-31 |
Family
ID=56751653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610252852.9A Pending CN105911480A (zh) | 2015-11-11 | 2016-04-22 | 一种动力电池soc估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105911480A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106597308A (zh) * | 2016-12-16 | 2017-04-26 | 西南交通大学 | 一种动力电池剩余电量估计方法 |
| CN108241128A (zh) * | 2018-01-09 | 2018-07-03 | 西南交通大学 | 一种质子交换膜燃料电池系统状态估计方法 |
| CN110082689A (zh) * | 2019-05-21 | 2019-08-02 | 闽江学院 | 一种能源互联网储能系统锂电池soc状态估计方法 |
| CN110221221A (zh) * | 2019-04-24 | 2019-09-10 | 吉林大学 | 锂离子电池荷电状态和健康状态联合估计方法 |
| CN110646739A (zh) * | 2019-09-30 | 2020-01-03 | 闽江学院 | 一种多锂电池并联系统的soc状态估计方法 |
| CN120161362A (zh) * | 2025-05-13 | 2025-06-17 | 山东师范大学 | 基于未知输入观测器的锂离子电池soc估计方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102645637A (zh) * | 2012-04-25 | 2012-08-22 | 中航锂电（洛阳）有限公司 | 一种均衡电池的soc估算方法 |
| EP2667211A1 (en) * | 2011-01-18 | 2013-11-27 | Calsonic Kansei Corporation | Device for estimating state of charge of battery |
| EP2765436A1 (en) * | 2011-10-07 | 2014-08-13 | Calsonic Kansei Corporation | Battery state-of-charge estimation device and state-of-charge estimation method |
| CN104977545A (zh) * | 2015-08-03 | 2015-10-14 | 电子科技大学 | 一种动力电池的荷电状态估计方法及系统 |
-
2016
- 2016-04-22 CN CN201610252852.9A patent/CN105911480A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2667211A1 (en) * | 2011-01-18 | 2013-11-27 | Calsonic Kansei Corporation | Device for estimating state of charge of battery |
| EP2765436A1 (en) * | 2011-10-07 | 2014-08-13 | Calsonic Kansei Corporation | Battery state-of-charge estimation device and state-of-charge estimation method |
| CN102645637A (zh) * | 2012-04-25 | 2012-08-22 | 中航锂电（洛阳）有限公司 | 一种均衡电池的soc估算方法 |
| CN104977545A (zh) * | 2015-08-03 | 2015-10-14 | 电子科技大学 | 一种动力电池的荷电状态估计方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| IL-SONG KIM: "Nonlinear State of Charge Estimator for Hybrid Electric Vehicle Battery", 《IEEE TRANSACTIONS ON POWER ELECTRONICS》 * |
| 何洪文 等: "基于滑模观测器的锂离子动力电池荷电状态估计", 《吉林大学学报（工学版）》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106597308A (zh) * | 2016-12-16 | 2017-04-26 | 西南交通大学 | 一种动力电池剩余电量估计方法 |
| CN106597308B (zh) * | 2016-12-16 | 2018-12-25 | 西南交通大学 | 一种动力电池剩余电量估计方法 |
| CN108241128A (zh) * | 2018-01-09 | 2018-07-03 | 西南交通大学 | 一种质子交换膜燃料电池系统状态估计方法 |
| CN110221221A (zh) * | 2019-04-24 | 2019-09-10 | 吉林大学 | 锂离子电池荷电状态和健康状态联合估计方法 |
| CN110082689A (zh) * | 2019-05-21 | 2019-08-02 | 闽江学院 | 一种能源互联网储能系统锂电池soc状态估计方法 |
| CN110646739A (zh) * | 2019-09-30 | 2020-01-03 | 闽江学院 | 一种多锂电池并联系统的soc状态估计方法 |
| CN110646739B (zh) * | 2019-09-30 | 2022-03-04 | 闽江学院 | 一种多锂电池并联系统的soc状态估计方法 |
| CN120161362A (zh) * | 2025-05-13 | 2025-06-17 | 山东师范大学 | 基于未知输入观测器的锂离子电池soc估计方法及系统 |
| CN120161362B (zh) * | 2025-05-13 | 2025-08-26 | 山东师范大学 | 基于未知输入观测器的锂离子电池soc估计方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | A novel back propagation neural network-dual extended Kalman filter method for state-of-charge and state-of-health co-estimation of lithium-ion batteries based on limited memory least square algorithm | |
| CN103197251B (zh) | 一种动力锂电池二阶rc等效模型的辨识方法 | |
| CN107066722B (zh) | 一种基于电化学模型的动力电池系统荷电状态和健康状态的联合估计方法 | |
| CN107785624B (zh) | 一种评估锂电池性能的方法 | |
| CN102937704B (zh) | 一种动力电池rc等效模型的辨识方法 | |
| Sun et al. | Overview of the types of battery models | |
| CN107576919A (zh) | 基于armax模型的动力电池荷电状态估算系统及方法 | |
| CN105911480A (zh) | 一种动力电池soc估计方法 | |
| Guo et al. | SoC estimation of lithium battery based on AEKF algorithm | |
| CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
| CN109839599B (zh) | 基于二阶ekf算法的锂离子电池soc估计方法 | |
| CN106250576A (zh) | 一种基于动态阻抗的锂电池模型的建模方法 | |
| CN104297578B (zh) | 基于滑模观测器的超级电容器组荷电状态估计方法 | |
| CN114781176B (zh) | 一种锂离子电池储能系统集总参数的等效电路参数辨识方法 | |
| CN104991980A (zh) | 锂离子电池的电化学机理建模方法 | |
| CN105842633A (zh) | 一种基于灰色扩展卡尔曼的锂离子电池soc估算方法 | |
| CN112946481A (zh) | 基于联合h∞滤波的滑模观测器锂离子电池soc估计方法及电池管理系统 | |
| CN112580284B (zh) | 一种混合电容器等效电路模型及在线参数辨识方法 | |
| CN106872899A (zh) | 一种基于降维观测器的动力电池soc估计方法 | |
| Putra et al. | Current estimation using Thevenin battery model | |
| CN105974320A (zh) | 一种液态或半液态金属电池荷电状态估计方法 | |
| CN111366864A (zh) | 一种基于固定压升区间的电池soh在线估计方法 | |
| Kim et al. | Hysteresis modeling for model-based condition monitoring of lithium-ion batteries | |
| Zhu et al. | An improved progressive window-strong tracking multiple fading algorithm for the state of charge and state of energy co-estimation of lithium-ion batteries under variable temperatures | |
| Deng et al. | An improved algorithm of SOC testing based on open-circuit voltage-ampere hour method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160831 |
|
| WD01 | Invention patent application deemed withdrawn after publication |