定义：
SOC ( State of Charge,电池荷电状态)：是用来反映电池的剩余容量的，指的是电池当前所剩电荷量和额定电荷量的比值。
SOE (State of Energy,电池剩余能量状态)：是用来反映电池的剩余能量的，指的是电池当前所剩能量（可释放的能量）和额定能量的比值。
SOH (State of Health,电池健康状态)：表征当前电池相对于新电池存储电能的能力，指的是当前电池满电能量和新鲜态电池满电能量的比值（此定义更为常用）。
EOL (End of Life或者End of Line,电池的寿命结束) ：电池容量下降到预设阈值以下的时刻。这个阈值通常是根据电池的设计规格和应用需求来确定的。
RUL(Remaining Useful Life,电池的剩余寿命)：即电池在当前状态下预计还能正常使用的时间。它可以根据电池的性能特征和历史数据进行估计。RUL的定义可以根据具体情况略有不同，但通常表示为一个时间段或一个循环次数。
一种电池soc、soh、soe联合估算方法
技术领域
1.本发明涉及电池管理技术领域，具体涉及一种电池soc、soh、soe联合估算方法。
背景技术：
2.随着新能源汽车市场占有率逐年增加，储能规模扩大，市场对电池管理系统要求越来越高。soc(state of charge,荷电状态)、soh(state of health,健康状态)、soe(state of energy,能量状态)是电池管理系统关键技术，准确的soc、soh、soe估算可有效避免电池过充、过放、循环寿命衰减过快等不利现象。现阶段，主要的soc和soe估算方法类似，为安时积分法、卡尔曼滤波法和神经网络法；soh估算方法主要为循环容量法、模型法、卡尔曼滤波算法等。因soc与sop、soe相关性大，要求实时性高，soc估算周期一般在100ms内。soh是一个长期性参数，对实时性要求低，估算周期可按照小时或天进行。安时积分法简单，但是受电流积分器精度影响大，易产生累计误差；卡尔曼滤波法适用于线性系统，由于电池soc、soh估算为非线性系统，所以根据卡尔曼滤波原理采用扩展卡尔曼滤波(extended kalman filter，ekf)、无迹卡尔曼滤波(unscended kalman filter，ukf)进行非线性系统估算；神经网络法需要大量样本进行训练，方法较为复杂且受电池老化影响较大。soc、soh联合估算可以采用双卡尔曼滤波估算，但是进行双卡尔曼滤波计算需要消耗大量计算机内存，对硬件有一定要求。
技术实现要素：
3.本发明主要是为了解决现有技术中电池soc、soh、soe计算精度低、方法复杂的问题，提供了一种电池soc、soh、soe联合估算方法，采用ekf算法进行soc、soh、soe联合估算，既保证计算的准确性实时性，又能减少计算复杂度。
4.为了实现上述目的，本发明采用以下技术方案：
5.一种电池soc、soh、soe联合估算方法，包括以下步骤：步骤s1)读取电池状态初始值和容量初始值；步骤s2)根据电池特性建立电池二阶rc等效电路模型；步骤s3)通过混合脉冲功率性能测试(hybrid pulse power characteristic，hppc)采集数据，利用最小二乘法对数据辨识获得模型参数；步骤s4)根据状态初始值、容量初始值和模型参数，通过扩展卡尔曼滤波(extended kalman filter，ekf)建立电池soc、soh、soe联合估算多尺度计算公式；步骤s5)先运行soh计算模块获得容量初始计算值，采集实时电压和实时电流，将实时电压、实时电流和容量初始计算值数据输入到soc、soe计算模块中，计算获得soc值、soe值，同时将soc计算中更新后的观测量传入soh计算模块参与计算，获得soh值。为了提高电池管理中soc、soh、soe计算的准确性和降低计算复杂程度，本发明提供了一种电池soc、soh、soe联合估算方法，首先读取电池状态初始值和容量初始值，根据电池特性建立电池二阶rc等效电路模型，通过测试确定ocv-soc、ocv-soe关系式，即电池soc和soe估算观测方程，通过在线或离线的辨识方式获得模型参数，包括电池内电阻、电池极化电阻、电池极化电容、电池浓度差电阻和电池浓度差电容；然后根据估算状态方程和估算观测方程，通过扩展卡尔曼
滤波(ekf)建立电池soc、soh、soe联合估算多尺度计算公式；接着先运行soh计算模块获得容量初始计算值，采集实时电压和实时电流，将实时电压、实时电流和容量初始计算值数据输入到soc、soe计算模块中，计算获得soc值、soe值，soh计算时将soc计算中更新后的观测量传入soh计算模块参与运行，然后计算获得soh值，soe运行周期设置为0.1s，soh运行周期设置为3600s。本发明采用ekf算法进行soc、soh、soe联合估算，既保证soc、soe估算的实时性、准确性和soh估算的准确性，又保证降低计算复杂度。
6.作为优选，所述步骤s4的具体过程，包括以下步骤：步骤s41)根据电池soc估算状态方程和电池soc估算观测方程，通过扩展卡尔曼滤波获得电池soc估算方程矩阵；步骤s42)根据电池soh估算状态方程，通过扩展卡尔曼滤波获得电池soh估算方程矩阵；步骤s43)根据电池soe估算状态方程和电池soe估算观测方程，通过扩展卡尔曼滤波获得电池soe估算方程矩阵。本发明根据估算状态方程和估算观测方程，通过扩展卡尔曼滤波(ekf)建立电池soc、soh、soe联合估算多尺度计算公式。
7.作为优选，所述电池二阶rc等效电路模型包括电池开路电压、电池内电阻、电池极化电阻、电池极化电容、电池浓度差电阻和电池浓度差电容，所述电池开路电压的正极和电池内电阻的一端连接，所述电池内电阻的另一端与电池极化电阻的一端连接，所述电池极化电阻的另一端与电池浓度差电阻的一端连接，所述电池极化电容与电池极化电阻并联，所述电池浓度差电容与电池浓度差电阻并联，所述电池浓度差电阻的另一端与电池开路电压的负极作为等效电路的输出端。本发明根据电池特性建立电池二阶rc等效电路模型。
原理：
SOC的原理可以通过以下几种方法进行测量和估计：
电流积分法：这是一种基于电流测量的SOC估计方法。通过监测电池充放电过程中的电流变化，并将电流信号进行积分，可以获得电池输入/输出的总电荷量。通过将总电荷量与满充状态下的电荷量进行比较，就可以估计出电池的SOC。
电压测量法：这是一种常见的SOC估计方法，基于电池开路电压与SOC之间的关系。一般来说，电池的开路电压随着SOC的变化而变化。通过将电池的开路电压与已知的电压-荷电状态标定曲线进行比较，可以估计出电池的SOC。
单体电压平均法：对于多节电池组成的系统，可以通过测量每个电池单体的电压，并计算单体电压的平均值来估计整个电池组的SOC。这种方法假设电池单体之间的电压差异较小，并且各电池单体的性能相对均匀。
卡尔曼滤波法：卡尔曼滤波是一种常用的状态估计方法，可以结合多种测量数据来进行SOC估计。通过使用电流、电压以及其他影响因素的测量值作为输入，利用卡尔曼滤波算法来估计电池的SOC。这种方法可以提供更准确的SOC估计，并且在很多商业化电池管理系统中得到广泛应用。
SOE有几种常见的方法可以估计电池的剩余能量状态：
开路电压法：开路电压是电池未连接任何负载时的电压。通过测量电池的开路电压，并与已知的电压-剩余能量关系曲线进行比较，可以估计电池的剩余能量状态。
断开时间法：该方法利用电池在不同负载下的放电特性。通过记录电池从满电到负载断开的时间，结合已知的时间-剩余能量关系，可以推算电池的剩余能量状态。
定点集成法：该方法通过周期性测量电池的电流和电压，并将其与时间进行积分，以得到电池的总放电能量。然后，将该能量与初始已知能量进行比较，可以得出电池的剩余能量状态。
电化学计算法：根据电池系统的化学反应方程式和已知的反应速率，计算电池在给定时间内的电化学反应量，从而估算电池的剩余能量状态。
SOH电池健康状态的原理可以总结如下：
容量衰减：电池在使用过程中会逐渐失去一部分容量，这是因为电池正极、负极材料的变化、电解液的降解以及电池内阻的增加等原因导致。随着充放电循环的进行或时间的推移，电池的有效容量会逐渐减小，表现为容量衰减。
电化学反应：电池内部的电化学反应会影响电池的健康状态。例如，锂离子电池中，正极和负极之间的锂离子嵌入和脱嵌过程会导致电极材料的损耗和结构变化，进而影响电池性能和容量。
内部阻抗增加：电池的内部阻抗是电流通过电池时所遇到的阻碍，也是电池健康状态的重要指标之一。随着电池老化，电极材料的变化和结构损伤会导致内部阻抗的增加，从而影响电池的性能和可用容量。
温度变化：温度对电池的健康状态有着重要影响。过高或过低的温度会加速电池的容量衰减和内部阻抗增加，因此，在不适宜的温度下使用电池会降低其健康状态。
SOH常用的电池健康状态计算方法：
能量积分法：通过记录电池在充放电过程中所传输的总能量来计算SOH。将电池的实际容量与其初始容量进行比较，即可得出SOH的百分比。该方法基于假设，即电池的容量衰减程度与传输的总能量成正比。
内阻测量法：内阻是电池性能衰减的一个重要指标。通过测量电池的内部阻抗变化，可以评估电池的健康状况。电池的内阻通常随着使用时间的增加而增加，因此，通过内阻测量可以估计电池的SOH。
开路电压法：电池的开路电压与其健康状态之间存在一定的关系。通过测量电池的开路电压，并将其与已知的开路电压-健康状态关系曲线进行比较，可以估计电池的SOH。
容量测量法：容量是电池健康状态的重要参考指标之一。通过周期性测量电池的容量，并将其与初始容量进行比较，可以计算电池的SOH。这种方法通常需要在标准化的测试条件下进行，以获得可靠的结果。
EOL的计算电池EOL的方法：
容量衰减阈值：电池的容量是其重要的性能指标之一，一般来说，当电池容量衰减到一定程度时，被认为已经达到EOL状态。根据具体应用需求，可以设置一个容量衰减的阈值作为判断依据。例如，当电池容量衰减到原始容量的80%时，可定义为EOL状态。
内阻增加阈值：电池的内阻是衡量其性能衰减的重要参数之一。当电池内阻增加到一定程度时，可能会导致电池输出能力的下降和不稳定性能，从而被认为已经到达EOL状态。根据具体应用需求，可以设置一个内阻增加的阈值来判断电池的EOL。例如，当电池内阻增加到原始内阻的两倍时，可定义为EOL状态。
循环次数限制：对于需要频繁进行充放电循环的电池，EOL可以基于循环次数进行判断。根据电池的规格和厂商提供的寿命指标，可以设置一个预定义的循环次数作为EOL的判断依据。当电池完成了设定的循环次数后，被认为已经到达EOL状态。
综合判断：除了单一的性能参数指标，还可以综合考虑多个因素来判断电池的EOL。例如，结合容量衰减、内阻增加、循环次数等多个指标，使用加权平均或其他综合评估方法来判断电池的整体健康状态和是否达到EOL。
RUL常见的计算方法：
基于容量衰减：这是一种常见的RUL计算方法，通过监测电池容量的变化来估计其剩余寿命。该方法建立在电池容量与寿命之间存在一定关系的基础上。根据电池容量的衰减速率和当前剩余容量，可以估计电池还能提供多少充放电循环或使用时间。
基于内阻增加：内阻是电池性能衰减的一个重要指标，随着充放电循环的增加，电池内阻会逐渐增加。基于内阻的RUL计算方法通过监测电池内阻的变化来进行剩余寿命估计。通过建立内阻增加速率与寿命之间的关系模型，可以预测电池的剩余寿命。
基于循环次数：对于需要频繁进行充放电循环的电池，RUL可以基于循环次数进行计算。通过记录电池的完整充放电循环次数，结合历史数据和特定模型，可以估算出剩余的循环次数以及相应的剩余时间。
基于统计模型：还可以基于统计模型进行RUL计算，使用历史数据和特定的统计方法，如生存分析、加速寿命测试等。这些模型可以考虑多个影响因素，并根据电池的实际使用情况进行剩余寿命预测。
原创文章，作者：guozi，如若转载，请注明出处：https://www.sudun.com/ask/81502.html
