《一种电动汽车车载动力电池SOC预测方法.pdf》由会员分享，可在线阅读，更多相关《一种电动汽车车载动力电池SOC预测方法.pdf（6页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 103901354 A (43)申请公布日 2014.07.02 CN 103901354 A (21)申请号 201410165131.5 (22)申请日 2014.04.23 G01R 31/36(2006.01) (71)申请人 武汉市欧力普能源与自动化技术有 限公司 地址 430073 湖北省武汉市东湖高新技术开 发区关山大道 1 号软件产业 4.1 期 A1 幢 609 号 (72)发明人 饶仲海 邹托武 杨哲瑜 张义涛 严敏 (74)专利代理机构 重庆创新专利商标代理有限 公司 50125 代理人 付继德 (54) 发明名称 一种电动汽车车载动力电池 SO。
2、C 预测方法 (57) 摘要 本发明公开了一种电动汽车车载动力电池 SOC 预测方法， 所述预测方法包括充电模式下 SOC 预测方法和放电模式下 SOC 预测方法。本发明提 供的预测方法基于现有的开路电压法和安时积分 法， 通过对电池温度、 电压、 充放电电流进行曲线 拟合以获取最佳电池模型， 在实时估算 SOC 值中 对充放电状态进行分支处理， 利用已固化的电池 模型， 对电池当前的温度、 电压、 电流特征在模型 库中搜寻对应的SOC值， 并根据模型误差对SOC值 进行修正， 大大提高了估算精度。 (51)Int.Cl. 权利要求书 1 页 说明书 3 页 附图 1 页 (19)中华人民共和。
3、国国家知识产权局 (12)发明专利申请 权利要求书1页 说明书3页 附图1页 (10)申请公布号 CN 103901354 A CN 103901354 A 1/1 页 2 1. 一种电动汽车车载动力电池 SOC 预测方法， 其特征在于， 所述预测方法包括充电模 式下 SOC 预测方法和放电模式下 SOC 预测方法， 所述充电模式下 SOC 预测方法包括步骤 ： A、 判断电池是否处于充电状态， 若电池处于充电状态则进入步骤 B, 否则进入放电模 式下 SOC 预测方法 ； B、 根据安时积分法对 SOC 值进行估算 ； C、 将步骤 B 得到的 SOC 值作为 SOC 更新值， SOC 估算。
4、完成 ； 所述放电模式下 SOC 预测方法包括步骤 ： a、 对电池进行充放测试， 取得电池在不同温度、 不同放电电流下 SOC 值与电压的对应 数据 ； b、 将步骤 a 取得的电池温度值、 电流值、 电压、 SOC 值进行曲线拟合以获取最佳的电池 模型库 ； c、 根据电池管理系统实时获取的温度、 电压、 电流特征到步骤 b 中获得的电池模型库 中搜寻对应的 SOC 值， 定义该值为电压法估算的 SOC 值 ； d、 根据安时积分法计算当前的 SOC 值， 定义该值为安时法估算的 SOC 值 ； e、 依照当前电池特性， 刷新匹配模型库失误规则 ； f、 当前 SOC 值大于 50时， 以。
5、电压法估算的 SOC 值为准， 否则， 以安时积分法估算的 SOC 值为准， SOC 估算完成。 2. 如权利要求 1 所述的电动汽车车载动力电池 SOC 预测方法， 其特征在于， 在步骤 f 中， 对 SOC 值进行边界处理， 当 SOC 值 10时， 系统重新学习容量。 3.如权利要求2所述的电动汽车车载动力电池SOC预测方法， 其特征在于， 根据所述预 测方法得到的 SOC 更新值的估算精度在 5以内。 4. 如权利要求 1 所述的电动汽车车载动力电池 SOC 预测方法， 其特征在于， 所述步骤 a 中的数据为大量实际测试得到的真实数据。 权 利 要 求 书 CN 103901354 A。
6、 2 1/3 页 3 一种电动汽车车载动力电池 SOC 预测方法 技术领域 0001 本发明涉及电池管理技术领域， 更具体地说， 是涉及一种电动汽车车载动力电池 SOC 预测方法。 背景技术 0002 电池剩余容量又称电池的荷电状态 (State of Charge ； SOC)， 是电池状态的重要 参数之一， 为电动汽车整车的控制策略提供依据。精确估算当前电池剩余容量， 保证 SOC 维 持在合理的范围， 防止过充或过放对电池造成损伤， 为我们合理利用电池， 提高电池使用寿 命， 降低维护成本提供了技术方向， 如何准确又可靠地获得电池 SOC 值是电池管理系统最 基本也是最重要的任务。 00。
7、03 动力电池如铅酸动力电池、 镍氢动力电池、 锂离子动力电池等作为电动汽车的动 力来源， 在使用过程中， 需要实时准确估算当前剩余容量 (SOC) 以便驾驶员准确掌握车辆 续航里程， 然而， 在行车过程中， 因路况和环境影响， 动力电池所处的运行环境比较恶劣， 对 实时准确估算动力电池 SOC 产生了很大影响， SOC 不能得到实时准确估算， 因此无法预测电 池自身的健康状态， 使得电池不能得到有效保护， 大大增加了电池损坏的可能。 0004 目前， 开路电压法和安时积分法是比较常见的 SOC 估算方法， 其中， 开路电压法简 单易行， 充电初期和末期效果良好， 但由于要预计开路电压， 因此。
8、电池需要静置足够长的时 间， 不能满足在线实时检测的需求， 对此， 安时积分法能够短时间内准确估算当前 SOC 值， 通过将电池的充放电电流对时间进行积分运算， 从而估算电池的动态 SOC 值， 但因其电流 “I” 的计算总是存在误差， 造成在计算过程中产生了一定的累积误差， 使用一段时间后， 不 能准确反映当前实际的 SOC 值， 给使用者造成错觉， 当电池已经没有能量时， 仍没有进行有 效地提醒， 随着电池长时间使用， 累计误差会越来越大且安时积分法存在无法确定初始 SOC 的问题。 发明内容 0005 本发明的目的是为了解决上述背景技术中所提到的问题， 提供了一种电动汽车车 载动力电池 。
9、SOC 预测方法， 该方法基于现有的开路电压法和安时积分法， 通过对电池温度、 电压、 充放电电流进行曲线拟合以获取最佳电池模型， 在实时估算 SOC 值中对充放电状态 进行分支处理， 利用已固化的电池模型， 对电池当前的温度、 电压、 电流特征在模型库中搜 寻对应的 SOC 值， 并根据模型误差对 SOC 值进行修正， 大大提高了估算精度。 0006 为了实现上述目的， 本发明的技术方案如下 ： 0007 一种电动汽车车载动力电池 SOC 预测方法， 所述预测方法包括充电模式下 SOC 预 测方法和放电模式下 SOC 预测方法， 所述充电模式下 SOC 预测方法包括步骤 ： 0008 A、 。
10、判断电池是否处于充电状态， 若电池处于充电状态则进入步骤 B, 否则进入放 电模式下 SOC 预测方法 ； 0009 B、 根据安时积分法对 SOC 值进行估算 ； 说 明 书 CN 103901354 A 3 2/3 页 4 0010 C、 将步骤 B 得到的 SOC 值作为 SOC 更新值， SOC 估算完成 ； 0011 所述放电模式下 SOC 预测方法包括步骤 ： 0012 a、 对电池进行充放测试， 取得电池在不同温度、 不同放电电流下 SOC 值与电压的 对应数据 ； 0013 b、 将步骤 a 取得的电池温度值、 电流值、 电压、 SOC 值进行曲线拟合以获取最佳的 电池模型库 。
11、； 0014 c、 根据电池管理系统实时获取的温度、 电压、 电流特征到步骤 b 中获得的电池模 型库中搜寻对应的 SOC 值， 定义该值为电压法估算的 SOC 值 ； 0015 d、 根据安时积分法计算当前的 SOC 值， 定义该值为安时法估算的 SOC 值 ； 0016 e、 依照当前电池特性， 刷新匹配模型库失误规则 ； 0017 f、 当前 SOC 值大于 50时， 以电压法估算的 SOC 值为准， 否则， 以安时积分法估算 的 SOC 值为准， SOC 估算完成。 0018 进一步地， 在步骤f中， 对SOC值进行边界处理， 当SOC值10时， 系统重新学习 容量。 0019 进一步。
12、地， 根据所述预测方法得到的 SOC 更新值的估算精度在 5以内。 0020 进一步地， 所述步骤 a 中的数据为大量实际测试得到的真实数据。 0021 与现有技术相比， 本发明的有益效果如下 ： 本发明提供的电动汽车车载动力电池 SOC 预测方法基于现有的开路电压法和安时积分法， 通过对电池温度、 电压、 充放电电流进 行曲线拟合以获取最佳电池模型， 在实时估算 SOC 值中对充放电状态进行分支处理， 利用 已固化的电池模型， 对电池当前的温度、 电压、 电流特征在模型库中搜寻对应的 SOC 值， 并 根据模型误差对 SOC 值进行修正， 大大提高了估算精度。 附图说明 0022 为了更清楚。
13、地说明本发明实施例的技术方案， 下面将对实施例描述中所需要使用 的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本发明的一些实施例， 对于本 领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这些附图获得其他的 附图。 0023 图 1 为本发明的流程示意图。 具体实施方式 0024 下面将结合本发明实施例中的附图， 对本发明实施例中的技术方案进行清楚、 完 整地描述， 显然， 所描述的实施例仅仅是本发明一部分实施例， 而不是全部的实施例。基于 本发明中的实施例， 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例， 都属于本发明保护的范围。 0025。
14、 结合图 1 所示的一种电动汽车车载动力电池 SOC 预测方法， 该预测方法包括充电 模式下 SOC 预测方法和放电模式下 SOC 预测方法， 该充电模式下 SOC 预测方法包括步骤 ： 0026 A、 判断电池是否处于充电状态， 若电池处于充电状态则进入步骤 B, 否则进入放 电模式下 SOC 预测方法 ； 0027 B、 根据安时积分法对 SOC 值进行估算 ； 说 明 书 CN 103901354 A 4 3/3 页 5 0028 C、 将步骤 B 得到的 SOC 值作为 SOC 更新值， SOC 估算完成 ； 0029 该放电模式下 SOC 预测方法包括步骤 ： 0030 a、 对电池。
15、进行充放测试， 取得电池在不同温度、 不同放电电流下 SOC 值与电压的 对应数据 ； 0031 b、 将步骤 a 取得的电池温度值、 电流值、 电压、 SOC 值进行曲线拟合以获取最佳的 电池模型库 ； 0032 c、 根据电池管理系统实时获取的温度、 电压、 电流特征到步骤 b 中获得的电池模 型库中搜寻对应的 SOC 值， 定义该值为电压法估算的 SOC 值 ； 0033 d、 根据安时积分法计算当前的 SOC 值， 定义该值为安时法估算的 SOC 值 ； 0034 e、 依照当前电池特性， 刷新匹配模型库失误规则 ； 0035 f、 当前 SOC 值大于 50时， 以电压法估算的 SO。
16、C 值为准， 否则， 以安时积分法估算 的 SOC 值为准， SOC 估算完成。 0036 在步骤 f 中， 对 SOC 值进行边界处理， 当 SOC 值 10时， 系统重新学习容量。 0037 其中， 步骤 a 中的数据为大量实际测试得到的真实数据。 0038 根据本发明提供的预测方法得到的 SOC 更新值的估算精度在 5以内。 0039 本发明提供了一种估算真实、 精确的 SOC 预测方法， 描述了电动汽车车载动力电 池 SOC 值估算的解决方法， 此方法基于现有的开路电压法和安时积分法， 通过对电池温度、 电压、 充放电电流进行曲线拟合以获取最佳电池模型， 建立电压法模型， 在实时估算 。
17、SOC 值 中对充放电状态进行分支处理， 利用已固化的电池模型， 对电池当前的温度、 电压、 电流特 征在模型库中搜寻对应的SOC值， 并根据模型误差对SOC值进行修正， 将电压法和安时积分 法结合起来， 大大提高了估算精度， 将估算精度控制在 5以内， 有效防止电池过放电、 过充 电， 准确估算当前 SOC， SOC 值真实、 精度高， 保证了电动汽车电池管理系统数据的准确性， 也提高了电动汽车运行的稳定， 解决了现有技术中开路电压法电池需要静置较长时间以及 安时积分法累计误差大并且不能估算初始 SOC 的问题， 同时， 本发明还能够根据实际情况， 对 SOC 值进行处理， 使动力电池能够适应恶劣的运行环境， SOC 值估算在合理的范围， 以保 障电池利用率高， 工作稳定可靠。 0040 以上所述仅为本发明的较佳实施例， 并不用以限制本发明， 凡在本发明的精神和 原则之内， 所作的任何修改、 等同替换等， 均应包含在本发明的保护范围之内。 说 明 书 CN 103901354 A 5 1/1 页 6 图 1 说 明 书 附 图 CN 103901354 A 6 。