一種基于電池放電倍率的soc估算方法和裝置的制造方法
【專利摘要】本發(fā)明涉及一種基于電池放電倍率的SOC估算方法和裝置，本發(fā)明通過表達SOC，考慮了放電倍率對SOC的影響，從而使得估算結(jié)果更加準(zhǔn)確。并用卡爾曼濾波算法對改進后的安時計量法進行迭代消除累計誤差。
【專利說明】
一種基于電池放電倍率的soc估算方法和裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種基于電池放電倍率的S0C估算方法，可以用于風(fēng)光儲聯(lián)合發(fā)電用 戶端鋰電池的S0C估算。
【背景技術(shù)】
[0002] 為了更加準(zhǔn)確而科學(xué)地表征蓄電池的剩余容量，通常用荷電狀態(tài)來表征蓄電池的 剩余容量，即S0C(State Of Charge)，它是表征電池的剩余容量狀態(tài)的重要參數(shù)，S0C不能 直接從電池本身獲得，而只能通過測量電池組的外特性參數(shù)(例如：電壓、電流、內(nèi)阻、溫度、 老化程度等)間接獲得，準(zhǔn)確估算蓄電池的S0C是一項重要而富有挑戰(zhàn)性的任務(wù)。
[0003] 在風(fēng)光儲聯(lián)合發(fā)電用戶端，由于風(fēng)力和光伏發(fā)電的發(fā)電功率需要依靠當(dāng)?shù)氐娘L(fēng)力 和光照來決定，導(dǎo)致風(fēng)光聯(lián)合發(fā)電不具備連續(xù)性并且發(fā)電功率的波峰和波谷較為明顯。因 此，在風(fēng)光儲聯(lián)合發(fā)電用戶端通常需要安裝儲能設(shè)備來削峰填谷，當(dāng)發(fā)電功率較大時，風(fēng)光 儲聯(lián)合發(fā)電設(shè)備向儲能設(shè)備中充電，當(dāng)發(fā)電功率較小時，儲能設(shè)備放電，向用戶或者電網(wǎng)提 供電能。在風(fēng)光儲聯(lián)合發(fā)電用戶端，儲能設(shè)備需要進行頻繁的充放電，所以實時準(zhǔn)確地獲得 電池組的S0C是設(shè)計風(fēng)光儲聯(lián)合發(fā)電電池管理系統(tǒng)的重要前提。
[0004] 現(xiàn)有的S0C估算方法包括安時計量法。
[0005] 安時計量法又稱為電流積分法，安時計量法的優(yōu)勢在于它將電池作為一個整體， 不考慮電池的內(nèi)部結(jié)構(gòu)和電池溫度、老化、自放電等內(nèi)部因素的影響，而只考慮來自系統(tǒng)外 部的影響。它通過對電流的積分得到從t0時刻到tl時刻所放出的電量Q，進而估算出任意時 刻電池的剩余容量。
[0006] 安時計量法的計算公式為公式（1)，
[0007] 安時計量法測算S0C的計算公式為：
[0009] 上式中，S0CQ為初始S0C，Qn為電池可用容量，η為庫倫效率，i為電池電流公式中電 流符號在放電時為正，充電時為負(fù)。
[0010] 公式(1)的離散形式為：
[0012] 上式中，SOCt為t時刻的S0C值，Qn為電池可用容量，η為庫倫效率，i為電池電流公式 中電流符號在放電時為正，充電時為負(fù)。該公式可用于以t時刻為計算基準(zhǔn)，估算t+i時刻的 S0C 值。
[0013] 雖然安時計量法計算簡單，適用于各種電池，但是初始值和放電效率不好確定，電 流測量不準(zhǔn)會造成累積誤差。
[0014] 公布號為CN103744027A的專利文獻披露了一種基于卡爾曼濾波的自校正電池 S0C 估算方法，配合電池工作模型，使用卡爾曼濾波法不斷對其進行迭代校正，修正計算過程中 產(chǎn)生的誤差，即可估算出準(zhǔn)確的SOC值。
[0015] 公布號為CN10412250A的專利文獻"一種電池的S0C估算方法"，在卡爾曼濾波的基 礎(chǔ)上，對S0C方程進行優(yōu)化，引入了穩(wěn)定和充放電倍率因素對S0C值的影響，提高了 S0C估算 的精確度。
[0016] 本發(fā)明的任務(wù)是進一步提高S0C估算精度。

【發(fā)明內(nèi)容】

[0017] 本發(fā)明的目的是提供一種基于電池放電倍率的S0C估算方法，用以解決現(xiàn)有技術(shù) 的S0C估算精度不夠高的問題。同時，本發(fā)明還提供了一種電池 S0C估算裝置。
[0018] 為實現(xiàn)上述目的，本發(fā)明的方案包括：
[0019] 一種基于電池放電倍率的S0C估算方法，步驟如下：
[0020] 步驟1)，建立電池的荷電狀態(tài)S0C方程
[0022] S0Ct為t時刻的S0C值，SOCt+dt+l時刻的S0C值，η為庫倫效率，i為電池電流公式 中電流符號在放電時為正，充電時為負(fù)；Q'為經(jīng)過不同放電倍率下的容量補償?shù)碾姵乜捎?容量；
[0023] 步驟2)，建立電池模型；
[0024]步驟3)，根據(jù)建立的電池模型，通過卡爾曼濾波算法估算電池 S0C。
[0025] 進一步的，Peukert經(jīng)驗公式如公式(4)所示：
[0026] Int = K (4)
[0027] 其中，I為電池的放電電流；t為電池的放電時間；η為與電池種類有關(guān)的常數(shù)(n> 1);K為與活性物質(zhì)有關(guān)的常數(shù)；
[0028] 根據(jù)式（11):
[0030] 將η帶入Peukert經(jīng)驗公式即可計算得出Κ的值;在己知η與Κ的值后，即可根據(jù)式(6):
[0031] 恒流放電狀態(tài)下電池的放電電量Q=lPnK (6)
[0032] 得出在不同放電倍率下的容量補償Q'。
[0033] 進一步的，電池的狀態(tài)空間模型的狀態(tài)方程如下：

[0040] 其中T，R1，C為電池等效電路模型參數(shù)。
[0041] 本發(fā)明還提供了一種基于電池放電倍率的S0C估算裝置，包括：
[0042]模塊1)用于建立電池的荷電狀態(tài)S0C方程的模塊；
[0043] 電池的荷電狀態(tài)S0C方程：
[0044] S0Ct為t時刻的S0C值，S0Ct+1*t+l時刻的S0C值，η為庫倫效率，i為電池電流公式 中電流符號在放電時為正，充電時為負(fù)；Q'為經(jīng)過不同放電倍率下的容量補償?shù)碾姵乜捎?容量；
[0045] 模塊2)用于建立電池模型的模塊；
[0046] 模塊3)用于根據(jù)建立的電池模型，通過卡爾曼濾波算法估算電池 S0C的模塊。
[0047] 進一步的，Peukert經(jīng)驗公式如公式(4)所示：
[0048] Int = K (4)
[0049] 其中，I為電池的放電電流；t為電池的放電時間；η為與電池種類有關(guān)的常數(shù)(n> 1);K為與活性物質(zhì)有關(guān)的常數(shù)；
[0050] 根據(jù)式（11):
[0052] 將η帶入Peukert經(jīng)驗公式即可計算得出Κ的值；在己知η與Κ的值后，即可根據(jù)式 (6)：
[0053] 恒流放電狀態(tài)下電池的放電電量Q=lPnK (6)
[0054] 得出在不同放電倍率下的容量補償Q'。
[0055] 進一步的，電池的狀態(tài)空間模型的狀態(tài)方程如下：

[0061] D = -Ro (37)
[0062] 其中T，R1，C為電池等效電路模型參數(shù)。
[0063]
，考慮了電池的放電倍率因素對S0C的 影響，并用卡爾曼濾波算法對改進后的安時計量法進行迭代消除累計誤差。
[0064]上面的公式(2)與下文公式（13)相同。
【附圖說明】
[0065] 圖1電池等效電路模型圖；
[0066]圖2本發(fā)明實施例1的流程圖；
[0067] 圖3本發(fā)明實施例1的卡爾曼算法流程。
【具體實施方式】
[0068] 下面結(jié)合附圖對本發(fā)明做進一步詳細(xì)的說明。
[0069] 本發(fā)明選擇使用卡爾曼濾波法對安時計量法產(chǎn)生的誤差進行校正，在使用卡爾曼 濾波法前，需要建立合適的狀態(tài)空間模型。其中，S0C是狀態(tài)空間模型的狀態(tài)量之一，所以如 果想使卡爾曼濾波法估算的結(jié)果更加準(zhǔn)確，則需要對安時計量法中的S0C的狀態(tài)表達式進 行改進。
[0070] 基于風(fēng)光儲聯(lián)合發(fā)電用戶端削峰填谷用鋰離子電池儲能系統(tǒng)的需求和功能，最頻 繁使用的功能之一是對鋰電池進行充放電操作，而且可以選擇不同的充放電倍率完成電池 的充放電工作，因此充放電倍率因素對S0C的影響是要考慮的。此外，整個鋰電池儲能系統(tǒng) 中的鋰電池不可能經(jīng)常更換，且鋰電池經(jīng)過多次循環(huán)以后會逐漸出現(xiàn)內(nèi)阻增加以及電池容 量下降的現(xiàn)象，因此電池的老化程度也是需要重點考慮的條件。
[0071] 下面提供三種實施方式進行介紹：
[0072] 實施例1
[0073]對安時計量法的改進方法如下：
[0074] 1)考慮電池的放電倍率因素對S0C的影響；
[0075] 2)考慮電池老化程度與循環(huán)次數(shù)對S0C的影響。
[0076] 1)放電倍率因素對S0C的影響
[0077]電池在以不同的放電倍率放電時，在相同初始條件下放出的電量是不同的。一般 而言，恒定電流放電的情況下，大電流放電雖然可以使電池在較短的時間內(nèi)達到電池的截 止電壓但是電池放出的電量卻較小。
[0078] 早在1898年，Peukert就提出了著名的Peukert經(jīng)驗公式，揭示了電池放電容量與 放電電流之間的關(guān)系。Peukert經(jīng)驗公式如公式(4)所示：
[0079] Int = K (4)
[0080] 其中，I為電池的放電電流；t為電池的放電時間；η為與電池種類有關(guān)的常數(shù)(n> 1);K為與活性物質(zhì)有關(guān)的常數(shù)。
[0081] 將方程兩邊同時乘以I1'即可得下式：
[0082] It = I1_nK (5)
[0083] 方程等號左面是放電電流和時間的乘積也就是恒流放電狀態(tài)下電池的放電電量 Q，因此公式可以表示為下式所示：
[0084] 9=1^? (6)
[0085] 由公式可以看出，K、n都是常數(shù)，且η為大于1的常數(shù)。如果放電電流I越大，則電池 的放電電量Q就會越小;反之，則會越大。為了確定常數(shù)η和Κ，可以使用h，和1 2兩種不同的放 電倍率進行實驗，分別記錄下在這兩種放電倍率下的放電時間t#Pt2。代入式(4)中，即可得 出：
[0088] 分別對上式兩端取對數(shù)，即得：
[0089] nlgli+lgti = lgK (9)
[0090] nlgl2+lgt2 = lgK (10)
[0091] 將上面兩個式子聯(lián)立，即可得出：
[0093] 將η帶入Peukert經(jīng)驗公式即可計算得出K的值。在己知η與K的值后，即可根據(jù)式 (6)得出在不同放電倍率下的容量補償Q '。
[0094] 2)電池自放電和老化對電池 S0C的影響
[0095] 當(dāng)電池多次循環(huán)使用后，電池內(nèi)部材料結(jié)構(gòu)會逐漸衰老，隨著電池充放電循環(huán)次 數(shù)的增加，電池容量下降會越發(fā)明顯，電池內(nèi)阻也會逐漸增加。如果忽略老化對電池 S0C估 算的影響，會造成電池 S0C的估算值與實際值的差距逐漸增加。經(jīng)過大量的實驗，可得出鋰 電池的電池老化系數(shù)和電池充放電循環(huán)次數(shù)的關(guān)系為：
[0097]其中，α為電池老化系數(shù)，Ν為電池充放電次數(shù)。由以上對于安時計量法及其改進算 法的分析，本發(fā)明得出改進的安時計量法估算S0C的公式如下；
[0099]不同放電倍率下的容量補償Q'，α為電池老化系數(shù)。
[0100]公式（13)是本發(fā)明方法的關(guān)鍵步驟，在此基礎(chǔ)上，還包括步驟二和步驟三：
[0101]步驟二引入卡爾曼濾波算法
[0102] 卡爾曼濾波法的核心思想是對動力系統(tǒng)的狀態(tài)做出最小方差意義上的最優(yōu)估計， 線性和非線性系統(tǒng)均適用。
[0103] 對于離散系統(tǒng)，卡爾曼的系統(tǒng)狀態(tài)空間模型如下：
[0104] Xk+i=AkXk+BkUk+ffk (14)
[0105] Yk = CkXk+DkUk+Vk (15)
[0106] 其中，Uk為系統(tǒng)的輸人向量，是k時刻系統(tǒng)的控制量;從為系統(tǒng)的輸出，是k時刻的 測量值Yk、是系統(tǒng)的狀態(tài)量，其中包含蓄電池的S0C、Ak、Bk、Ck、Dk由實驗得到的參數(shù)確定，Wk 是過程噪聲變量，Vk為觀測噪聲變量。Wk和Vk滿足：
[0107] E[ffk]=0 (16)
[0108] E[Vk]=0 (17)
[0111]電池模型是非線性模型，因此本發(fā)明使用擴展的卡爾曼濾波方法對非線性的電池 模型進行估計。擴展的卡爾曼濾波方法與標(biāo)準(zhǔn)卡爾曼濾波最大的區(qū)別在于系統(tǒng)的狀態(tài)空間 模型的不同：使用f(Xk，Uk)代替了標(biāo)準(zhǔn)卡爾曼濾波中的AkXk+BkUk，使用g(Xk，Uk)代替了CkXk+ DkUk。這兩種算法本質(zhì)上是相似的。
[0112]對于非線性系統(tǒng)，其系統(tǒng)狀態(tài)空間模型如下：
[0113] Xk+i = f(Xk,Uk)+ffk (20)
[0114] Yk = g(Xk,Uk)+Vk (21)
[0115] 其中，f(Xk，Uk)是狀態(tài)轉(zhuǎn)移函數(shù)，g(Xk，Uk)是測量函數(shù)。圍繞估計值又Xo。用泰勒級 數(shù)展開f(Xk，Uk)與g(X k，Uk)，去掉二次及其以上的項，可將非線性函數(shù)線性化，即公式（22) 和公式(23)。
[0118] 由公式(20)、（21)、（22)、（23)，可得線性化后的狀態(tài)方程如下：
[0119] Xk+l^AkXk+f{xk,Uk)-A kXk + Wk (24)
[0120] Yk ^CkXk+g{Xk,Uk)~CkX k + Vk (25)
[0121] 如果不考慮Wk、Vk，則定義：
[0124]擴展卡爾曼濾波法估算流程如下：
[0125] ⑴首先初始化^讓^時屬到尤.、?。：
[0128] (2)當(dāng)k = l、2、···時，擴展卡爾曼算法如圖3戶斤示。
[0129] 通過流程圖可知，卡爾曼濾波算法中每一次的迭代運算都需要進行預(yù)測和修正， 以使?fàn)顟B(tài)最優(yōu)值更接近實際值，達到誤差修正的目的。
[0130] 步驟三建立電池等效電路模型
[0131] 等效電路是來描述動力電池在工作過程中的伏安關(guān)系，電池等效電路模型決定了 卡爾曼濾波法能達到的精確度，建立的電池模型既要準(zhǔn)確又要簡單，這樣可以簡化計算的 復(fù)雜度。本發(fā)明建立電池等效電路模型如圖1所示，其中T，R1，C為電池等效電路模型參數(shù)。
[0132] 根據(jù)基爾霍夫電壓定律和基爾霍夫電流定律，可得式子如下：
[0133] E(t)=V(t)+RoI(t)+u(t) (30)
[0135] 其中，E(t)為電池的電動勢，V(t)為電池的端電壓，I(t)為電池的充放電電流。在 同一溫度下，電池電動勢E與S0C有一定的函數(shù)關(guān)系。關(guān)系式如下：
[0136] E(t)=F(S0C(t)) (32)
[0137] 而改進的安時計量法的計算公式為公式（13)，下面建立電池的狀態(tài)空間模型，將 公式（13)、（30)、（31)、（32)聯(lián)立并離散化后，即得到電池的狀態(tài)空間模型的狀態(tài)方程如下：
[0139]因狀態(tài)方程是線性的，而量測方程中F(S0Ck)是非線性的，所以對量測方程進行線 性化處理。即可得到系數(shù)A、B、C、D，如下所示：
[0143] D = -Ro (37)
[0144] 將矩陣A、B、C、D代入擴展卡爾曼濾波的算法中計算，不斷地進行"預(yù)測一校正"這 一步驟，使鋰電池 S0C的估算值逐漸逼近于真實值。
[0145] 本文發(fā)明使用改進后的安時計量法（即公式（13))估算電池 S0C，然后使用擴展卡 爾曼濾波法不斷對其進行校正，修正安時計量法隨著時間的不斷增加，累積誤差會逐漸增 大的缺陷。實施例1的算法流程圖如圖2所示。
[0146] 本發(fā)明的方法除了可以應(yīng)用在風(fēng)光儲聯(lián)合發(fā)電用戶端鋰電池 S0C估算，還可以用 于其他場合的其他類型的蓄電池 S0C估算。
[0147] 實施例2
[0148] 與實施例1的區(qū)別在于，本實施例僅考慮電池老化程度與循環(huán)次數(shù)對S0C的影響。 當(dāng)電池多次循環(huán)使用后，電池內(nèi)部材料結(jié)構(gòu)會逐漸衰老，隨著電池充放電循環(huán)次數(shù)的增加， 電池容量下降會越發(fā)明顯，電池內(nèi)阻也會逐漸增加。如果忽略老化對電池 S0C估算的影響， 會造成電池 S0C的估算值與實際值的差距逐漸增加。經(jīng)過大量的實驗，可得出鋰電池的電池 老化系數(shù)和電池充放電循環(huán)次數(shù)的關(guān)系為：
[0150] 其中，α為電池老化系數(shù)，N為電池充放電次數(shù)。對于不同的電池，α的取值也不盡相 同，應(yīng)當(dāng)經(jīng)過實驗確定。
[0151] 估算S0C的公式如下：
[0153] 與實施例1相似，然后引入卡爾曼濾波算法，建立電池等效電路模型，解算電池的狀 態(tài)空間模型的狀態(tài)方程，不斷地"預(yù)測一一校正"，使鋰電池 S0C的估算值逐漸逼近于真實值。
[0154] 實施例3
[0155] 與實施例1不同在于，僅考慮電池的放電倍率因素對S0C的影響，得到S0C估算公式為
[0156]
。其中參數(shù)定義與實施例1中的相同，后續(xù)的卡爾曼濾波、 建立電路模型、解算的過程也基本相同，故不再贅述。
[0157] 本發(fā)明還提供了一種電池 S0C估算裝置的實施例，包括如下模塊：
[0158] 模塊1)，用于建立電池的荷電狀態(tài)S0C方程
[0160] S0Ct為t時刻的S0C值，S0Ct+1*t+l時刻的S0C值，η為庫倫效率，i為電池電流公式 中電流符號在放電時為正，充電時為負(fù)；Q'為經(jīng)過不同放電倍率下的容量補償?shù)碾姵乜捎?容量，α為電池老化系數(shù)；
[0161] 模塊2)，用于建立電池模型；
[0162] 模塊3)，用于根據(jù)建立的電池模型，通過卡爾曼濾波算法估算電池 S0C。
[0163] 上述裝置實施例中所指的裝置，實際上基于本發(fā)明方法流程的一種計算機解決方 案，即一種軟件構(gòu)件，上述模塊即為與方法流程相對應(yīng)的處理進程。該軟件可以運行于電池 的管理控制設(shè)備中。由于對上述方法的介紹已經(jīng)足夠清楚完整，而本實施例所聲稱的裝置 實際上是一種軟件構(gòu)成，故不再詳細(xì)進行描述。
[0164] 以上給出了本發(fā)明涉及的【具體實施方式】，但本發(fā)明不局限于所描述的實施方式。 在本發(fā)明給出的思路下，采用對本領(lǐng)域技術(shù)人員而言容易想到的方式對上述實施例中的技 術(shù)手段進行變換、替換、修改，并且起到的作用與本發(fā)明中的相應(yīng)技術(shù)手段基本相同、實現(xiàn) 的發(fā)明目的也基本相同，這樣形成的技術(shù)方案是對上述實施例進行微調(diào)形成的，這種技術(shù) 方案仍落入本發(fā)明的保護范圍內(nèi)。
【主權(quán)項】
1. 一種基于電池放電倍率的soc估算方法，其特征在于，步驟如下： 步驟1)，建立電池的荷電狀態(tài)S0C方程SOCt為t時刻的S0C值，SOCt+1為t+1時刻的S0C值，η為庫倫效率，i為電池電流公式中電流 符號在放電時為正，充電時為負(fù);Q'為經(jīng)過不同放電倍率下的容量補償?shù)碾姵乜捎萌萘浚?步驟2)，建立電池模型； 步驟3)，根據(jù)建立的電池模型，通過卡爾曼濾波算法估算電池 S0C。2. 根據(jù)權(quán)利要求1所述的一種基于電池放電倍率的S0C估算方法，其特征在于，Peuked 經(jīng)驗公式如公式(4)所示： rt = K (4) 其中，I為電池的放電電流;t為電池的放電時間;η為與電池種類有關(guān)的常數(shù)(η〉1);Κ為 與活性物質(zhì)有關(guān)的常數(shù)； 根據(jù)式(11):(11) 將η帶入Pe址6的經(jīng)驗公式即可計算得出Κ的值;在己知η與Κ的值后，即可根據(jù)式(6): 恒流放電狀態(tài)下電池的放電電量Q=li-化 （6) 得出在不同放電倍率下的容量補償Q'。3. 根據(jù)權(quán)利要求2所述的一種基于電池放電倍率的S0C估算方法，其特征在于， 電池的狀態(tài)空間模型的狀態(tài)方程如下：其中T，R1，C為電池等效電路模型參數(shù)。4. 一種基于電池放電倍率的S0C估算裝置，其特征在于，包括： 模塊1)用于建立電池的荷電狀態(tài)S0C方程的模塊； 電池的荷電狀態(tài)soc方程SOCt為t時刻的S0C值，SOCt+1為t+1時刻的S0C值，η為庫倫效率，i為電池電流公式中電流 符號在放電時為正，充電時為負(fù);Q'為經(jīng)過不同放電倍率下的容量補償?shù)碾姵乜捎萌萘浚?模塊2)用于建立電池模型的模塊； 模塊3)用于根據(jù)建立的電池模型，通過卡爾曼濾波算法估算電池 S0C的模塊。5. 根據(jù)權(quán)利要求4所述的一種基于電池放電倍率的S0C估算裝置，其特征在于，Peuked 經(jīng)驗公式如公式(4)所示： rt = K (4) 其中，I為電池的放電電流;t為電池的放電時間;η為與電池種類有關(guān)的常數(shù)(η〉1);Κ為 與活性物質(zhì)有關(guān)的常數(shù)； 根據(jù)式(11):(11) 將η帶入Pe址6的經(jīng)驗公式即可計算得出Κ的值;在己知η與Κ的值后，即可根據(jù)式(6): 恒流放電狀態(tài)下電池的放電電量Q=li-化 （6) 得出在不同放電倍率下的容量補償Q'。6. 根據(jù)權(quán)利要求5所述的一種基于電池放電倍率的S0C估算裝置，其特征在于， 電池的狀態(tài)空間模型的狀態(tài)方程如下：其中T，R1，C為電池等效電路模型參數(shù)。
【文檔編號】G01R31/36GK106093793SQ201610617878
【公開日】2016年11月9日
【申請日】2016年7月28日 公開號201610617878.9, CN 106093793 A, CN 106093793A, CN 201610617878, CN-A-106093793, CN106093793 A, CN106093793A, CN201610617878, CN201610617878.9
【發(fā)明人】張長江, 黃明山, 李如意, 歹志陽, 都正周, 王曉換, 賀姍姍
【申請人】河南許繼儀表有限公司, 許繼集團有限公司, 國家電網(wǎng)公司