本發(fā)明涉及soc估算，具體為一種基于特征模型的動(dòng)力電池soc估算方法及系統(tǒng)。

背景技術(shù)：

1、隨著新能源汽車的廣泛應(yīng)用，動(dòng)力電池的荷電狀態(tài)作為衡量電池剩余電量的重要指標(biāo)，其準(zhǔn)確估算在實(shí)現(xiàn)電池高效利用和安全管理中具有關(guān)鍵作用。然而，現(xiàn)有的soc估算方法存在一定的技術(shù)局限性，難以滿足復(fù)雜應(yīng)用場(chǎng)景下對(duì)高精度和高可靠性的要求。傳統(tǒng)的開路電壓法通過測(cè)量電池的靜置開路電壓與soc的關(guān)系進(jìn)行估算，但該方法需要電池長(zhǎng)時(shí)間靜置，實(shí)際應(yīng)用中難以實(shí)時(shí)獲得準(zhǔn)確數(shù)據(jù)。此外，開路電壓受溫度變化影響顯著，未進(jìn)行溫度補(bǔ)償?shù)那闆r下估算誤差較大。內(nèi)阻法通過測(cè)量電池內(nèi)阻變化來推斷soc，但內(nèi)阻容易受到電池老化程度和工作環(huán)境的影響，其準(zhǔn)確性和穩(wěn)定性較差，尤其是在電池老化后難以反映soc的真實(shí)狀態(tài)。極化電壓法則依賴于工作電壓與開路電壓的差異，雖然能在一定程度上反映soc的動(dòng)態(tài)特性，但因其受電流動(dòng)態(tài)變化的影響較大，無法在快速變化的工況下提供穩(wěn)定的估算結(jié)果。

2、此外，現(xiàn)有技術(shù)中普遍采用單一特征參數(shù)進(jìn)行soc估算，缺乏對(duì)多特征參數(shù)的綜合利用，導(dǎo)致估算結(jié)果的魯棒性較差。由于電池在實(shí)際運(yùn)行中會(huì)受到溫度、老化、電流動(dòng)態(tài)變化等多因素的綜合影響，單一參數(shù)難以全面反映電池的真實(shí)soc狀態(tài)。即便部分研究嘗試融合多個(gè)特征參數(shù)，通常也采用固定的權(quán)重組合，難以根據(jù)電池狀態(tài)的變化動(dòng)態(tài)調(diào)整估算策略，這種方法在復(fù)雜工況下不具備足夠的適應(yīng)性。更為重要的是，傳統(tǒng)soc估算方法中缺乏對(duì)模型誤差的實(shí)時(shí)校正機(jī)制，無法有效減小長(zhǎng)期使用中的累積誤差，從而影響soc估算的精確性和可靠性。這些不足使得現(xiàn)有技術(shù)在實(shí)際應(yīng)用中難以滿足新能源汽車對(duì)soc估算方法高精度、動(dòng)態(tài)自適應(yīng)以及實(shí)時(shí)性的要求。

3、在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對(duì)本公開的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于特征模型的動(dòng)力電池soc估算方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于特征模型的動(dòng)力電池soc估算方法及系統(tǒng)，具體步驟包括：

4、步驟1：獲取電池的開路電壓、內(nèi)阻和極化電壓三種特征參數(shù)，并引入溫度與老化修正機(jī)制，包括對(duì)開路電壓進(jìn)行溫度補(bǔ)償，以及對(duì)內(nèi)阻進(jìn)行老化修正，建立特征參數(shù)與soc之間的關(guān)系曲線，通過擬合公式將特征參數(shù)映射為soc值；

5、步驟2：基于標(biāo)定的特征參數(shù)與soc的關(guān)系公式，構(gòu)建soc融合模型，使用加權(quán)線性組合方法，將各特征的soc估算值合成為綜合估算值，并通過粒子群優(yōu)化算法動(dòng)態(tài)調(diào)整各特征的權(quán)重，以最小化誤差目標(biāo)函數(shù)，確定最優(yōu)權(quán)重系數(shù)；

6、步驟3：通過擴(kuò)展卡爾曼濾波，對(duì)模型輸出的綜合估算值進(jìn)行實(shí)時(shí)校正，校正過程基于狀態(tài)轉(zhuǎn)移方程預(yù)測(cè)soc的變化，并結(jié)合測(cè)量方程對(duì)估算值與真實(shí)值的偏差進(jìn)行更新。

7、進(jìn)一步地，在不同的soc點(diǎn)對(duì)電池靜置1小時(shí)后，測(cè)量電池的開路電壓值，記錄數(shù)據(jù)，并對(duì)開路電壓進(jìn)行溫度修正：

8、voc′＝voc-γ*δt

9、式中，voc′為修正后的開路電壓，voc為開路電壓，通過靜置測(cè)量，γ為溫度敏感系數(shù)，δt為當(dāng)前溫度與標(biāo)定溫度的差值；

10、擬合修正后的開路電壓與soc的關(guān)系：

11、

12、式中，voc′為修正后的開路電壓，soc為電池荷電狀態(tài)，實(shí)驗(yàn)已知，a1、b1和a2為擬合系數(shù)，通過實(shí)驗(yàn)數(shù)據(jù)回歸獲??；

13、使用電流脈沖法，向電池施加已知的電流脈沖，記錄電壓下降值，依據(jù)如下公式計(jì)算內(nèi)阻：

14、

15、式中，rint為電池內(nèi)阻，δv為電壓變化量，δi為電流脈沖值；

16、對(duì)內(nèi)阻進(jìn)行老化修正：

17、rint′＝rint*(1+λ*aging)

18、式中，rint′為修正后的內(nèi)阻，λ為老化敏感系數(shù)，aging為電池老化程度；

19、定義aging的計(jì)算方式為：

20、

21、式中，ncurrent表示電池當(dāng)前的累計(jì)循環(huán)次數(shù)，nrated表示電池的額定循環(huán)壽命；

22、記錄在不同soc點(diǎn)下的電池內(nèi)阻值，擬合修正后的內(nèi)阻與soc的關(guān)系公式：

23、

24、式中，rint′為修正后的內(nèi)阻，soc為電池荷電狀態(tài)，實(shí)驗(yàn)已知，c1、c2和c3為擬合系數(shù)，通過實(shí)驗(yàn)數(shù)據(jù)回歸獲??；

25、在不同的soc點(diǎn)，測(cè)量工作電壓與開路電壓的差值，得到極化電壓：

26、vpol＝voc-vwork

27、式中，vpol為極化電壓，voc為開路電壓，vwork為工作電壓；

28、擬合極化電壓與soc的關(guān)系：

29、

30、式中，vpol為極化電壓，soc為電池荷電狀態(tài)，實(shí)驗(yàn)已知，d1、d2和d3為擬合系數(shù)，通過實(shí)驗(yàn)數(shù)據(jù)回歸獲??；

31、將修正后的開路電壓、修正后的內(nèi)阻、極化電壓與soc的關(guān)系擬合到函數(shù)模型，并保存為查找表。

32、進(jìn)一步地，基于特征參數(shù)的實(shí)驗(yàn)關(guān)系式，構(gòu)建soc融合模型：

33、

34、式中，socest為電池當(dāng)前荷電狀態(tài)的綜合估算值，表示通過開路電壓擬合公式計(jì)算的soc值，表示通過內(nèi)阻擬合公式計(jì)算的soc值，表示通過極化電壓擬合公式計(jì)算的soc值，ω1、ω2和ω3為特征權(quán)重系數(shù)，滿足ω1+ω2+ω3＝1；

35、通過粒子群優(yōu)化算法動(dòng)態(tài)調(diào)整各特征的權(quán)重，以最小化誤差目標(biāo)函數(shù)，確定最優(yōu)權(quán)重系數(shù)，所依據(jù)的具體邏輯為：

36、目標(biāo)函數(shù)為：

37、

38、式中，e為均方誤差，socest(i)為第i個(gè)樣本的綜合估算值，soctrue(i)為第i個(gè)樣本的實(shí)驗(yàn)真實(shí)值，ω為樣本數(shù)量，i為樣本的索引；

39、粒子群優(yōu)化算法的具體步驟：

40、粒子定義：每個(gè)粒子表示一個(gè)可能的權(quán)重組合(ω1,ω2,ω3),搜索空間維度為3，對(duì)應(yīng)ω1,ω2,ω3，初始化m個(gè)粒子，每個(gè)粒子的初始位置(ω1,ω2,ω3)和速度隨機(jī)生成；

41、在粒子初始化時(shí)，權(quán)重滿足約束條件：

42、ω1+ω2+ω3＝1且ω1，ω2，ω3>0

43、目標(biāo)函數(shù)計(jì)算：基于每個(gè)粒子的位置得到一個(gè)誤差值,根據(jù)如下公式計(jì)算：

44、

45、將每個(gè)粒子的速度初始化為隨機(jī)值，表達(dá)式如下：

46、

47、pso中，粒子的位置和速度更新遵循以下規(guī)則：

48、速度更新公式為：

49、vj(t+1)＝β*vj(t)+f1*rand1*(pbest,j-xj(t))+f2*rand2*(gbest,j-xj(t))

50、式中，vj(t+1)表示粒子第j個(gè)維度在下一時(shí)刻的速度，決定了粒子在該維度上移動(dòng)的方向和速度，vj(t)表示粒子當(dāng)前時(shí)刻的速度，β為慣性權(quán)重，用于平衡搜索的全局性和局部性，f1、f2為學(xué)習(xí)因子，用于控制粒子向個(gè)體最優(yōu)位置和全局最優(yōu)位置靠近的速度，rand1和rand2為在[0,1]區(qū)間內(nèi)的隨機(jī)數(shù)，用于引入隨機(jī)性，pbest,j表示粒子自身在第j個(gè)維度上的歷史最優(yōu)位置，xj(t)為粒子當(dāng)前時(shí)刻在第j個(gè)維度的位置，gbest,j表示搜索空間中所有粒子在第j維度上的全局最優(yōu)位置；

51、位置更新公式為：

52、xj(t+1)＝xj(t)+vj(t+1)

53、式中，xj(t+1)表示粒子下一時(shí)刻在第j個(gè)維度的位置；

54、在每一輪迭代中，計(jì)算每個(gè)粒子的位置對(duì)應(yīng)的誤差值e，同時(shí)更新速度和位置，更新pbest和gbest，重復(fù)該過程，直到達(dá)到預(yù)設(shè)的最大迭代次數(shù)h；

55、迭代結(jié)束后，粒子群的全局最優(yōu)解gbest即為最優(yōu)權(quán)重，此時(shí)融合模型更新為：

56、

57、其中，和為最優(yōu)權(quán)重。

58、進(jìn)一步地，通過擴(kuò)展卡爾曼濾波，對(duì)融合模型的soc估算值進(jìn)行實(shí)時(shí)校正，校正過程基于狀態(tài)轉(zhuǎn)移方程預(yù)測(cè)soc的變化，并結(jié)合測(cè)量方程對(duì)估算值與真實(shí)值的偏差進(jìn)行更新，具體為：

59、根據(jù)電池工作狀態(tài)，定義soc狀態(tài)轉(zhuǎn)移方程：

60、

61、式中，sock+1為下一時(shí)刻的soc值，sock為當(dāng)前時(shí)刻的soc值，qmax為電池的額定容量，δq為當(dāng)前充放電電量，由電流積分法計(jì)算；

62、結(jié)合測(cè)量值，定義測(cè)量方程：

63、zk＝h(sock)+sk

64、式中，zk為實(shí)際測(cè)量的soc值，h(sock)表示融合模型輸出的soc值，sk為測(cè)量噪聲；

65、校正過程：根據(jù)狀態(tài)轉(zhuǎn)移方程預(yù)測(cè)當(dāng)前soc值，結(jié)合測(cè)量方程計(jì)算測(cè)量值與預(yù)測(cè)值的偏差，并修正soc值。

66、本發(fā)明還另外提供一種基于特征模型的動(dòng)力電池soc估算系統(tǒng)，所述的一種基于特征模型的動(dòng)力電池soc估算系統(tǒng)用于執(zhí)行上述的一種基于特征模型的動(dòng)力電池soc估算方法，包括：

67、特征參數(shù)提取模塊，用于獲取電池的開路電壓、內(nèi)阻和極化電壓三種特征參數(shù)，并引入溫度與老化修正機(jī)制，包括對(duì)開路電壓進(jìn)行溫度補(bǔ)償，以及對(duì)內(nèi)阻進(jìn)行老化修正，建立特征參數(shù)與soc之間的關(guān)系曲線，通過擬合公式將特征參數(shù)映射為soc值；

68、融合模型構(gòu)建模塊，基于標(biāo)定的特征參數(shù)與soc的關(guān)系公式，構(gòu)建soc融合模型，使用加權(quán)線性組合方法，將各特征的soc估算值合成為綜合估算值，并通過粒子群優(yōu)化算法動(dòng)態(tài)調(diào)整各特征的權(quán)重，以最小化誤差目標(biāo)函數(shù)，確定最優(yōu)權(quán)重系數(shù)；

69、實(shí)時(shí)校正模塊，用于通過擴(kuò)展卡爾曼濾波，對(duì)模型輸出的綜合估算值進(jìn)行實(shí)時(shí)校正，校正過程基于狀態(tài)轉(zhuǎn)移方程預(yù)測(cè)soc的變化，并結(jié)合測(cè)量方程對(duì)估算值與真實(shí)值的偏差進(jìn)行更新。

70、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

71、本方案提出了一種基于開路電壓、內(nèi)阻和極化電壓三種特征參數(shù)的動(dòng)力電池soc估算方法，通過引入溫度補(bǔ)償和老化修正機(jī)制，有效解決了單一特征參數(shù)估算受環(huán)境和老化影響較大的問題。通過構(gòu)建融合模型并使用粒子群優(yōu)化算法動(dòng)態(tài)調(diào)整特征權(quán)重，本方法能夠在不同工況下自適應(yīng)地優(yōu)化soc估算結(jié)果，顯著提高了估算的準(zhǔn)確性。此外，利用擴(kuò)展卡爾曼濾波對(duì)融合模型的估算值進(jìn)行實(shí)時(shí)校正，進(jìn)一步增強(qiáng)了模型的動(dòng)態(tài)響應(yīng)能力和魯棒性。本方案不僅能適應(yīng)電池在復(fù)雜工作條件下的多因素變化，還能減少因老化或溫度波動(dòng)帶來的累積誤差，提升了soc估算的實(shí)時(shí)性和可靠性，為動(dòng)力電池的高效管理提供了技術(shù)保障。