本發(fā)明涉及電池管理技術(shù)領(lǐng)域，具體地，涉及用于估計電池soe的裝置。

背景技術(shù)：

受能源危機與環(huán)境危機的影響，電動汽車得到了快速發(fā)展。針對電動汽車而言，續(xù)航里程估計是一項難題，目前常用鋰電池荷電狀態(tài)(state-of-charge，soc)來對其續(xù)航里程進行評判，但是soc與電動汽車續(xù)航流程并不呈線性變化，在電池組放電末期，soc的變化要快過可續(xù)航里程，這就容易導致用戶對電動汽車續(xù)航里程的誤判。

由于鋰電池能量狀態(tài)(state-of-energy，soe)與電動汽車續(xù)航里程密切相關(guān)，用soe代替soc對續(xù)航里程進行判斷是一種更好的方式。當電動汽車行駛狀態(tài)不變時，其soe與續(xù)航里程基本為線性關(guān)系，可使用戶對續(xù)航里程的判斷更為準確。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種用于估計電池soe的裝置，以此更好地表征電動汽車的續(xù)航里程。

為了實現(xiàn)上述目的，本發(fā)明的實施方式提供一種用于估計電池soe的裝置，該裝置包括處理器，該處理器被配置成：建立電池的等效電路模型；根據(jù)等效電路模型得到電池系統(tǒng)離散空間模型的狀態(tài)方程和觀測方程；根據(jù)接收到的電池兩端的檢測電壓和電池的檢測電流、狀態(tài)方程和觀測方程，使用擴展卡爾曼濾波ekf算法來估計電池soe值。

優(yōu)選地，等效電路模型為戴維南thevenin等效電路模型。

優(yōu)選地，處理器被配置成：

根據(jù)thevenin等效電路模型得到等式(1)：

v(t)＝voc(soe)-v1-rohm*i(t)等式(1)

其中：

v(t)為t時刻的電池的端電壓，voc(soe)為t時刻電池的開路電壓，v1為電池的極化電壓，rohm為電池的歐姆內(nèi)阻，i(t)為t時刻電池的電流，rpol為電池的極化內(nèi)阻，cpol為電池的極化電容。

優(yōu)選地，處理器被配置成：

根據(jù)soe的定義得到等式(2)：

其中，soe(t)為t時刻電池的soe值，soe(t0)為電池的初始soe值，η為電池充放電倍率的影響參數(shù)，voc(t)為t時刻電池的開路電壓，voc(0)為電池滿電時的開路電壓，c0為電池額定容量；

令voc＝f(soe)，xk＝soek，yk＝vk，uk＝ik，分別將等式(1)和等式(2)離散，得到狀態(tài)方程和觀測方程：

狀態(tài)方程：

觀測方程：

其中，xk為當前狀態(tài)電池的soe值，xk-1為上一狀態(tài)電池的soe值，f(xk-1)為上一狀態(tài)電池的開路電壓，uk-1為上一狀態(tài)電池的觀測電流，δt為采樣周期，wk為過程噪聲，yk為當前狀態(tài)電池的端電壓的觀測值，f(xk)為當前狀態(tài)電池的開路電壓，uk為當前狀態(tài)電池的觀測電流，v1(uk)為當前狀態(tài)電池的極化電壓，vk為觀測噪聲，k＝1,2,3…n，n是正整數(shù)。

優(yōu)選地，處理器被配置成：確定估計次數(shù)n和采樣周期δt；設(shè)定初始狀態(tài)的誤差協(xié)方差初始值和初始狀態(tài)的soe初始值；進行誤差協(xié)方差時間更新；進行soe狀態(tài)時間更新；計算卡爾曼增益；進行誤差協(xié)方差觀測更新；根據(jù)卡爾曼增益對soe進行狀態(tài)觀測估計更新，以得到估計的soe值。

優(yōu)選地，該裝置還包括：與處理器連接的電壓傳感器，用于檢測電池的電壓；與處理器連接的電流傳感器，用于檢測電池的電流。

優(yōu)選地，該裝置還包括與處理器連接的顯示器，顯示器被配置成顯示電池的soe值。

優(yōu)選地，處理器包括卡爾曼濾波器。

優(yōu)選地，上述裝置是電池管理系統(tǒng)bms。

上述技術(shù)方案基于電池的等效電路模型建立電池系統(tǒng)離散空間模型，并采用擴展卡爾曼濾波(ekf)算法實現(xiàn)電池soe的估計，為用戶判斷續(xù)航里程提供更好的依據(jù)。

本發(fā)明的其它特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。

附圖說明

附圖是用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與下面的具體實施方式一起用于解釋本發(fā)明，但并不構(gòu)成對本發(fā)明的限制。在附圖中：

圖1是根據(jù)本發(fā)明的一實施方式的用于估計電池soe的方法的流程圖；

圖2是根據(jù)本發(fā)明的一實施方式的用于估計電池soe的方法的流程圖；

圖3示出了使用擴展卡爾曼算法估計電池soe值的流程圖；

圖4是根據(jù)本發(fā)明的一實施方式的用于估計電池soe的裝置的示意框圖；

圖5示出了電池的等效電路模型thevenin等效電路模型的示意圖。具體實施方式

以下結(jié)合附圖對本發(fā)明的具體實施方式進行詳細說明。應(yīng)當理解的是，此處所描述的具體實施方式僅用于說明和解釋本發(fā)明，并不用于限制本發(fā)明。

在本申請中當前狀態(tài)與第k次估計相對應(yīng)，上一狀態(tài)與第k-1次估計相對應(yīng)。

圖1是根據(jù)本發(fā)明的一實施方式的用于估計電池soe的方法的流程圖。如圖1所示，在本發(fā)明的一實施方式中，提供了一種用于估計電池soe的方法，該方法可以包括：

在步驟s11中，檢測電池兩端的電壓和電池的電流；

在步驟s12中，建立電池的等效電路模型；

在步驟s13中，根據(jù)等效電路模型得到電池系統(tǒng)離散空間模型的狀態(tài)方程和觀測方程；

在步驟s14中，根據(jù)檢測到的電壓和電流、狀態(tài)方程和觀測方程，使用ekf算法來估計電池soe值。

電池可以例如是鋰電池。

電池的電壓可以例如采用電壓傳感器來檢測。電池的電流可以例如采用電流傳感器來檢測?？商鎿Q地，電池的電壓和電流可以例如通過電池管理系統(tǒng)(batterymanagementsystem，bms)來檢測。

上述的等效電路模型可以例如是thevenin等效電路模型(如圖5所示)。該等效電路模型具有物理意義明確、模型參數(shù)辨識實驗容易執(zhí)行等優(yōu)點。上述的等效電路模型還可以是本領(lǐng)域技術(shù)人員所知的任意一種電池等效電路模型。

上述的狀態(tài)方程例如可以根據(jù)電池能量狀態(tài)soe的定義獲得。上述的測量方程例如可以根據(jù)電池的等效電路模型的電池端電壓與電流的關(guān)系式獲得。

圖2是根據(jù)本發(fā)明的一實施方式的用于估計電池soe的方法的流程圖。如圖2所示，在本發(fā)明的一實施方式中，提供了一種用于估計電池soe的方法，該方法可以包括：

在步驟s21中，檢測電池兩端的電壓和電池的電流；

在步驟s22中，建立電池的等效電路模型；

在步驟s23中，根據(jù)等效電路模型得到電池的端電壓與soe的關(guān)系式；

在步驟s24中，將電池的端電壓與soe的關(guān)系式離散，得到電池系統(tǒng)離散空間模型的觀測方程；

在步驟s25中，將soe的定義式離散，得到電池系統(tǒng)離散空間模型的狀態(tài)方程；

在步驟s26中，根據(jù)檢測到的電壓和電流、狀態(tài)方程和觀測方程，使用擴展卡爾曼濾波ekf算法來估計電池soe值。

在參考圖2所示的實施方式中，步驟s21、s22和s26可以分別與參考圖1所示的實施方式中的步驟s11、s12和s14相同或相似。

在本發(fā)明的一實施方式中，等效電路模型采用thevenin等效電路模型(如圖5所示)，thevenin等效電路模型可以由等式(5)來表達：

v(t)＝voc(soc)-v1-rohm*i(t)等式(5)

其中

v(t)為t時刻的電池的端電壓，voc(soc)為t時刻電池的開路電壓，表示成soc的函數(shù)，v1為電池的極化電壓，rohm為電池的歐姆內(nèi)阻，i(t)為t時刻電池的電流，rpol為電池的極化內(nèi)阻，cpol為電池的極化電容；

電池的soe和電池的soc的關(guān)系可以由等式(6)表達：

其中，soc(t)為t時刻的電池的soc值，ct為t時刻的電池的剩余容量，c0為電池的額定容量，soe(t)為t時刻電池的soe值，e(t)為t時刻的電池的剩余能量，e0為電池的額定能量，voc(t)為t時刻電池的開路電壓，voc(0)為電池滿電時的開路電壓。

由于電池的soc與電池的開路電壓voc(t)之間成單調(diào)函數(shù)關(guān)系，同時根據(jù)等式(6)，可以得出結(jié)論：電池的soe與電池的開路電壓voc(t)之間也存在單調(diào)函數(shù)關(guān)系。因此等式(5)可以轉(zhuǎn)化為上述的等式(1)：

v(t)＝voc(soe)-v1-rohm*i(t)等式(1)

其中voc(soe)是t時刻電池的開路電壓，表示為soe的函數(shù)。

電池的soe與電池的開路電壓voc(t)可以由等式(7)來表示：

voc＝f(soe)等式(7)

等式(7)所表達的電池的soe與電池的開路電壓voc(t)之間的對應(yīng)關(guān)系(函數(shù)關(guān)系)可以通過查表獲得，也可以通過對電池進行多次充放電實驗，記錄不同時刻電池的soe值和電池的開路電壓值，進而擬合出電池的soe與電池的開路電壓voc(t)之間的關(guān)系式。

從等式(6)還可以看出，隨著電池放電的進行，t時刻電池的開路電壓voc(t)與電池滿電時的開路電壓voc(0)之間的差距越來越大，電池的soe與電池的soc之間并不呈線性關(guān)系，因此使用電池的soc來反應(yīng)電動汽車的續(xù)航里程并不準確。

上述的電池的soe的定義式可以由等式(2)來表達：

其中，soe(t)為t時刻電池的soe值，soe(t0)為初始時刻電池的soe值，η為電池充放電倍率的影響參數(shù)，voc(t)為t時刻電池的開路電壓，voc(0)為電池滿電時的開路電壓，c0為電池的額定容量。

在本發(fā)明的一實施方式中，上述的將電池的端電壓與soe的關(guān)系式離散得到電池系統(tǒng)離散空間模型的觀測方程、將soe的定義式離散得到電池系統(tǒng)離散空間模型的狀態(tài)方程可以包括：

令xk＝soek，yk＝vk，uk＝ik，分別將等式(1)和等式(2)離散，得到上述的狀態(tài)方程和觀測方程：

狀態(tài)方程：

觀測方程：

其中，xk為當前狀態(tài)電池的soe值，xk-1為上一狀態(tài)電池的soe值，f(xk-1)為上一狀態(tài)電池的開路電壓，uk-1為上一狀態(tài)電池的觀測電流，δt為采樣周期，wk為過程噪聲，yk為當前狀態(tài)電池的端電壓的觀測值，f(xk)為當前狀態(tài)電池的開路電壓，uk為當前狀態(tài)電池的觀測電流，v1(uk)為當前狀態(tài)電池的極化電壓，vk為觀測噪聲，k＝1,2,3…n,n是正整數(shù)。

在本發(fā)明的一實施方式中，過程噪聲wk和測量噪聲vk可以例如是高斯白噪聲。一般情況下，過程噪聲wk和測量噪聲vk可以取零值。

如圖3所示，在本發(fā)明的一實施方式中，上述步驟s14或步驟s26中的根據(jù)檢測到的電壓和電流、狀態(tài)方程和觀測方程，使用ekf算法來估計電池soe值可以包括：

確定優(yōu)化次數(shù)n和采樣周期δt；

設(shè)定初始狀態(tài)的誤差協(xié)方差初始值p0和初始狀態(tài)的soe初始值x0；

根據(jù)上一狀態(tài)進行誤差協(xié)方差觀測更新后的誤差協(xié)方差值pk′-1，對當前狀態(tài)的誤差協(xié)方差pk進行誤差協(xié)方差時間更新，k＝1,2,3…n；

根據(jù)上一狀態(tài)進行狀態(tài)觀測估計更新后的電池的soe值x′k-1，對當前狀態(tài)的電池的soe值xk進行狀態(tài)時間更新，k＝1,2,3…n；

計算當前狀態(tài)下電池系統(tǒng)的卡爾曼增益kk；

根據(jù)卡爾曼增益kk對誤差協(xié)方差pk進行誤差協(xié)方差觀測更新，得到觀測更新后的誤差協(xié)方差p′k；

根據(jù)卡爾曼增益kk對soe值xk進行狀態(tài)觀測估計更新，以得到估計的soe值x′k。

應(yīng)該說明的是，第一次對誤差協(xié)方差進行時間更新時(即k＝1時)，采用初始狀態(tài)的誤差協(xié)方差初始值p0作為上一狀態(tài)進行誤差協(xié)方差觀測更新后的誤差協(xié)方差值(即p′0＝p0)；第一次對電池的soe值進行狀態(tài)時間更新時，采用初始狀態(tài)的soe初始值x0作為上一狀態(tài)進行狀態(tài)觀測估計更新后的電池的soe值(即x′0＝x0)。

對于上述的優(yōu)化次數(shù)n和采樣周期δt，本領(lǐng)域的技術(shù)人員應(yīng)該理解優(yōu)化次數(shù)n的取值越大、采樣周期δt的取值越小，最終獲得的soe估計值越精確。

上述的初始狀態(tài)的誤差協(xié)方差初始值p0和初始狀態(tài)的soe初始值x0可以是本領(lǐng)域技術(shù)人員根據(jù)經(jīng)驗和實際需要給定，也可以采用如下方式獲?。?/p>

對被測電池進行多次充放電實驗，記錄每次對應(yīng)的電池soe初值和電池開路電壓初值，并建立被測電池的soe初始值的多項式擬合函數(shù)；

求解多項式擬合函數(shù)，得到soe初始值；

通過梯度仿真實驗，確定誤差協(xié)方差初始值。

通過上述方法可以實現(xiàn)電池soe的估計，為用戶判斷續(xù)航里程提供更加準確的依據(jù)。

圖4是根據(jù)本發(fā)明的一實施方式的用于估計電池soe的裝置的示意框圖。該裝置可以用于執(zhí)行上述實施方式中的用于估計電池soe的方法。具體來說，如圖4所示，用于估計電池soe的裝置包括處理器10。

在本發(fā)明的一個實施方式中，處理器10可以被配置成：

建立電池的等效電路模型；

根據(jù)等效電路模型得到電池系統(tǒng)離散空間模型的狀態(tài)方程和觀測方程；

根據(jù)接收到的電池兩端的檢測電壓和電池的檢測電流、狀態(tài)方程和觀測方程，使用ekf算法來估計電池soe值。

在本發(fā)明的一個實施方式中，該裝置還可以包括電壓傳感器20，用于檢測電池的端電壓；電流傳感器30，用于檢測電池的電流。

該裝置還可以包括顯示器40，被配置成顯示電池的soe值。

在本發(fā)明的另一實施方式中，處理器10可以被配置成：

建立電池的等效電路模型；

根據(jù)等效電路模型得到電池的端電壓與soe的關(guān)系式；

將電池的端電壓與soe的關(guān)系式離散，得到電池系統(tǒng)離散空間模型的狀態(tài)方程；

將soe的定義式離散，得到電池系統(tǒng)離散空間模型的觀測方程；

根據(jù)接收到的電池兩端的檢測電壓和電池的檢測電流、狀態(tài)方程和觀測方程，使用ekf算法來估計電池soe值。

在本發(fā)明的一個實施方式中，使用ekf算法來估計電池soe值時，處理器10可以被配置成：

確定優(yōu)化次數(shù)n和采樣周期δt；

設(shè)定初始狀態(tài)的誤差協(xié)方差初始值p0和初始狀態(tài)的soe初始值x0；

根據(jù)上一狀態(tài)進行誤差協(xié)方差觀測更新后的誤差協(xié)方差值p′k-1，對當前狀態(tài)的誤差協(xié)方差pk進行誤差協(xié)方差時間更新，k＝1,2,3…n；

根據(jù)上一狀態(tài)進行狀態(tài)觀測估計更新后的電池的soe值x′k-1，對當前狀態(tài)的電池的soe值xk進行狀態(tài)時間更新，k＝1,2,3…n；

計算當前狀態(tài)下電池系統(tǒng)的卡爾曼增益kk；

根據(jù)卡爾曼增益kk對誤差協(xié)方差pk進行誤差協(xié)方差觀測更新，得到觀測更新后的誤差協(xié)方差p′k；

根據(jù)卡爾曼增益kk對soe值xk進行狀態(tài)觀測估計更新，以得到估計的soe值x′k。

在本發(fā)明的一個實施方式中，處理器10可以包括卡爾曼濾波器。

在本發(fā)明的一個實施方式中，上述的裝置可以例如是電池管理系統(tǒng)bms。

在本發(fā)明的一個實施方式中，提供了一種計算機可讀存儲介質(zhì)，在該存儲介質(zhì)上存儲有指令，該指令被處理器執(zhí)行時使得該處理器執(zhí)行如圖1、圖2和圖3中任意所示的用于估計電池soe的方法。

上述方法或裝置實現(xiàn)了對電池的soe值的估計，使得電池可以直接采用soe值來表征電池的續(xù)航里程，為用戶提供更為直接、更為準確的判斷依據(jù)，防止電池提前終止放電，造成汽車半路“趴窩”等嚴重后果。

以上結(jié)合附圖詳細描述了本發(fā)明的優(yōu)選實施方式，但是，本發(fā)明并不限于上述實施方式中的具體細節(jié)，在本發(fā)明的技術(shù)構(gòu)思范圍內(nèi)，可以對本發(fā)明的技術(shù)方案進行多種簡單變型，這些簡單變型均屬于本發(fā)明的保護范圍。另外需要說明的是，在上述具體實施方式中所描述的各個具體技術(shù)特征，在不矛盾的情況下，可以通過任何合適的方式進行組合，為了避免不必要的重復，本發(fā)明對各種可能的組合方式不再另行說明。

此外，本發(fā)明的各種不同的實施方式之間也可以進行任意組合，只要其不違背本發(fā)明的思想，其同樣應(yīng)當視為本發(fā)明所公開的內(nèi)容。