一種電動車電池soc的估計方法

2023-08-02 01:56:36 1

專利名稱：一種電動車電池soc的估計方法
技術領域：
本發明涉及一種電動車電池SOC的估計方法。
背景技術：
隨著面向高壓能源、工業和汽車領域的能源儲存應用如風力發電、光伏電池和混 合動力汽車的發展，鋰電池的應用日益普遍，進而刺激了對更安全、更高性能電池監控和保 護系統的需求。為確保電池性能良好，延長電池使用壽命，必須對電池進行合理有效的管理 和控制。動力電池的荷電狀態SOC是表徵電池狀態的重要參數之一，因此準確計量SOC是 電池安全和優化控制充放電能量的保證。在車輛運行時，SOC是電池管理系統向整車管理系統(Vehicle Management System, VMS)傳輸的重要信息之一，VMS根據當前電池的SOC來決定從電池中獲得多少能 量，或者向電池反饋多少能量。同時，對於電池本身來說，電池的一些電特性也與SOC密切 相關，比如電池的內阻在中等SOC下較小，但當SOC接近於0 %或100 %時有較大幅度的增 加，因此，SOC的準確估計將影響到車輛的動力表現，甚至安全性的好壞，意義十分重大。進 一步深入開展SOC估算的基礎性研究和工程實現研究，是電池管理系統的核心技術之一， 對電動汽車動力系統技術發展具有十分積極的意義。由於電動車電池在使用過程中表現的高度非線性，使得對SOC的準確估計具有很 大難度。電池的荷電狀態跟放電電流、工作溫度、老化程度及自放電特性等主要參數有關 系，但無法由一個精確的數學模型定義。傳統的SOC基本估算方法有開路電壓法、內阻法和 安時法等。近年來又相繼研發出許多對電池SOC的新型算法，例如模糊邏輯算法模型、自 適應神經模糊推斷模型、卡爾曼濾波估計模型算法以及新出現的線性模型法和阻抗光譜法 等。開路電壓法適用於測試穩定狀態下的電池S0C，在電動汽車行駛過程中不宜單獨使用。 內阻法是根據蓄電池的內阻與SOC之間的聯繫來預測S0C。但電池的內阻受多方面的因素 影響，測量結果易受幹擾，可信度不高。再加上這種方法比較複雜，計算量大，因此在實際應 用中比較困難。安時法通過對電流積分的方法記錄從蓄電池輸出的能量或者輸入蓄電池的 能量，再根據充放電的起始SOC狀態，就可以計算出蓄電池的S0C。該方法最為直接明顯，而 且簡單易行，在短時間內具有較高精度，但長時間工作時有較大的累積誤差。目前電動車充電的解決方案都是直接在充電站採用大電流快速充電實現，這種方 法的缺點是充電時間長，對電池損害大，電網負載過重。為此，我們可以採用更換電池的方 案來解決電動車的充電問題，此方案的優點是更換速度快，夜間充電避免電網用電高峰，專 業的設備充電以及維護。但是該方案會面臨一些問題1)如何保證電池的安全流通，避免 偽劣電池流入市場。2)電池類型繁多，如何設計出通用的電動車電池SOC算法，實現對電池 放電時SOC的精確估計。

發明內容
本發明的目的是提出一種基於SOC神經網絡標準模型估計的改進算法，模型中除
3電壓、電流和溫度基本輸入外，提出將電池類型和壽命因子也作為輸入的電動車電池SOC 神經網絡估計方法。本發明解決其技術難題所採用的方案是採用在普通電池組中植入可讀寫信息芯 片，讓電池組不再依賴電池管理系統存儲信息，而是具有信息載體功能的智能電子設備，該 晶片可以記錄兩類信息一是電池類型、額定容量等出廠固定信息；二是記錄電池組循環 使用次數以及最近幾次充放電電量信息。本發明的有益效果是，首先解決了電池的身份問題，便於市場流通，確保生產廠 商、充電站、電動汽車三者與電池組的兼容性和高度的安全性，避免偽劣電池進入流通領 域，易於構建電池的網絡管理信息平臺，實時跟蹤電池的使用情況，便於對電池進行統一實 時維修，方便形成一個穩定的電池使用管理市場方案。其次本發明提出的新型SOC神經網 絡估計模型在原有標準模型的基礎上增加電池類型和壽命因子作為SOC估計模型的輸入， 實現了電動車對各種類型電池的兼容，考慮了電池老化對SOC估計的影響，提高了 SOC的估 計精度。


下面結合圖和具體實施方式
對本發明作進一步說明。圖1本發明中基於類型和壽命因子的神經網絡模型結構圖。圖2本發明中的晶片讀寫過程框圖。圖3本發明中壽命因子預測模塊示意圖。圖中1.主處理器，2.預警模塊，3.故障診斷模塊，4.充放電控制模塊，5.電壓、電 流、溫度採集模塊，6.神經網絡模塊，7.壽命因子預測模塊，8.晶片讀寫模塊，9.信息晶片 模塊，10. SHA-I引擎，11.固有信息讀取模塊，12. EEPROM存儲模塊，13.緩衝存儲器，14.認 證輸入模塊，15.數據檢測分析模塊，16.處理模塊。
具體實施例方式實施例1，由圖1可知，電動車在運行時，採集模塊5從電池組採集電壓、電流、溫度 等數據，通過A/D變換將數據傳遞給神經網絡模塊6作為輸入；而由於電池信息晶片9中保 存有電池的一些固有信息和電池進入使用時的一些載入的信息，將電池類型作為神經網絡 模塊6的輸入；同時，將Q (電量)、L (循環使用次數)、C (標稱容量)作為壽命因子預測模 塊7的輸入，通過分析運算得到壽命因子BLF，將壽命因子也作為神經網絡模塊6的輸入。 這樣，就使得對SOC估算要比僅以採集模塊5所得電壓、電流、溫度作為輸入的常規SOC估 計要精確的多。通過一定的輸入輸出樣本來訓練神經網絡，得到性能良好的神經網絡估算 策略，在電動車運行時，神經網絡模塊6輸出精確的SOC值到主處理器1，主處理器1對SOC 信息進行處理，並將處理後的信號傳遞給充放電控制模塊4，有充放電控制模塊4控制電動 車運行時對電池組的充放電控制。當電動車電池出現有溫度、電流、電壓異常時，通過故障 診斷模塊3診斷處理，發出報警信號；當電池深放電、過放電，電池管理系統則將異常信號 傳遞給預警模塊2，通過預警模塊2發出預警信號，同時主處理器1發出相關指令到整車管 理系統來控制電動車的運行。實施例2，由圖1，圖2可知，當電動車運行時，晶片讀寫模塊8將讀取電池信息晶片9中的電池的固有信息和電池進入使用時載入的信息，包括電池的已循環使用次數和預 計使用次數、前幾次充滿電後電池電量值、電池的標稱容量等，將數據存入緩衝存儲器13， 數據在經過處理後再存入EEPROM存儲模塊12，從而壽命因子模塊7可以讀取存儲模塊的數 據，某些數據也可以直接從緩衝存儲器13中讀取。固有信息讀取模塊11從電池晶片9中 讀取數據並將獨一無二的電池ID號，即電池類型，輸出到神經網絡模塊6，並將其信息也輸 出到SHA-I弓丨擎10，同時，認證輸入模塊14裝載8位元組密碼和DS2432常數，亦將輸入數據 塊傳送到SHA-I引擎10，計算得出20位元組信息認證碼，並通過寫認證輸入一起作用實現電 池的質詢-響應認證。同時，還可在EEPROM存儲模塊12中存儲獨立的配置信息以防止非 法篡改，達到採用電子標牌的形式實現電池的標識功能。這樣，就解決了電池的身份問題， 確保生產廠商、充電站、電動汽車三者與電池組的兼容性和高度的安全性，避免偽劣電池進 入流通領域。 實施例3，由圖2，圖3可知，數據檢測分析模塊15檢測讀入晶片讀寫模塊8中的 電池標稱容量、已循環使用次數、預測使用次數和最近幾次充放電記錄等一系列數據，分析 數據，將預處理後的數據塊傳送到處理模塊16，壽命因子處理模塊16按照既定的處理算法 對數據進行處理，得到電池的壽命因子BLF，輸出BLF到神經網絡模塊6，以實現對SOC值的 精確估計。
權利要求
一種電動車電池SOC的估計方法，它是基於神經網絡標準模型基礎上的改進算法，電池管理系統中的晶片讀寫模塊讀取植入在普通電池組內信息晶片保存的電池類型以及最近幾次充放電量記錄值，通過壽命因子分析模塊處理後得出壽命因子，模型中除電壓、電流和溫度輸入外，提出將電池類型和壽命因子作為輸入的電動車電池SOC神經網絡估計方法。
2.根據權利要求1所述的神經網絡類型模型，其特徵在於除了將當前時刻的電壓、電 流和溫度測量值作為輸入以外，還將電池信息晶片中記錄的類型作為參數輸入，如鉛酸電 池取參數Kl，鎳氫電池取參數K2，鐵鋰電池取參數K3等等。其類型模型的函數關係為SOCt =f(vt, It，Tt，Kn)。該方法具有自適應的特性，新的數據可以重新用於網絡的訓練，從而實 現對新的電池類型的兼容。
3.根據權利要求1所述的神經網絡壽命因子模型，其特徵是通過電池晶片記錄額定 容量C、循環使用次數L以及最近幾次充放電的電量值Q，將這些電量值與額定容量以及循 環次數作為壽命因子分析模塊的輸入，即可判斷出電池所處的生命狀態。壽命因子模型的 函數關係為BLF = K ^ \ Cn ,其中 =「-ρ—，其中 AQn = Qn-Qlri, AQn-AQn^2VSOCt = f(Vt, It, Tt, BLF)
4.根據權利要求1中的數據來源和權利要求2及權利要求3所述的模型結構，電池本 身要具有存儲數據功能，其特徵是提出在普通電池組中植入信息晶片的方法，將電池作為 信息載體的智能電子設備。
5.根據權利要求2及權利要求3所述的神經網絡擴展模型，提出類型一壽命因子模型。 其特徵是同時考慮到電池類型和壽命因子，綜合考慮兩者對電池SOC估計的影響，得出基 於類型和壽命因子的電動車電池SOC神經網絡估計方法的輸入輸出關係為S0Ct = f(Vt， It, Tt, Kn, BLF)。
全文摘要
一種電動車電池SOC的估計方法。它主要是用於解決電池安全流通以及動力電池SOC估算算法等技術問題。其技術方案是在對電池流通時的認證需求和對神經網絡SOC估算方法標準模型分析的基礎上，提出了在普通電池組中植入信息晶片和一種基於電池類型和壽命因子的電動車電池SOC神經網絡估計方法。信息晶片確保生產廠商、充電站、電動汽車三者與電池組的兼容性和高度的安全性，避免偽劣電池進入流通領域，易於構建統一的電池的網絡管理信息平臺，形成一個穩定的電池使用管理市場方案；通過電池中信息晶片獲取電池類型以及記錄最近幾次的充放電數據及循環次數，與晶片中記錄的額定容量輸入到壽命因子分析模塊後判斷出電池的生命狀態，在神經網絡標準模型中將電壓、電流和溫度作為輸入的基礎上增加電池類型和壽命因子作為輸入，實現對電動車電池荷電狀態的精確估計。
文檔編號G06F19/00GK101964018SQ20101026348
公開日2011年2月2日 申請日期2010年8月26日 優先權日2010年8月26日
發明者劉立剛, 張燕, 李哲濤, 段斌, 譚雲強, 鄧清勇 申請人:湘潭大學