Battery energy state estimation method based on OCV curve segmentation and storage medium

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的基于OCV曲线分段的电池能量状态估计方法的流程示意图；

图2为本申请实施例中HPPC测试工况图；

图3为本申请实施例中每间隔10%的SOE下的电池OCV变化曲线示意图；

图4为本申请实施例中不同温度下电池的OCV-SOE测试曲线图；

图5为本申请实施例中等效电路模型的结构示意图；

图6为本申请实施例中完成电池内部参数的在线辨识的流程示意图；

图7为本申请实施例中采用含遗忘因子的递推最小二乘法实现参数在线辨识的流程示意图；

图8为一个具体的实施例中DST实验工况图；

图9为一个具体的实施例中仿真电压曲线示意图；

图10为一个具体的实施例中高阶多项式拟合曲线与真实值曲线对比图；

图11为一个具体的实施例中不同温度下的拟合曲线误差图；

图12为一个具体的实施例中分段拟合曲线与真实值曲线图对比；

图13为一个具体的实施例中分段拟合曲线的误差图。

实施方式

为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在实现本申请的过程中，为了能更好地对电池进行控制变量分析研究，同时考虑到在实际工程应用中重点关注的是电池放电方向过程中能量状态的变化，本申请实施例中提供了基于OCV曲线分段的电池能量状态估计方法、系统及装置。

如图1所示，基于OCV曲线分段的电池能量状态估计方法，包括以下步骤：

S10，进行标准充放电测试实验，标定电池基准能量；

S20，不同温度下，每间隔10%的SOE进行HPPC测试，获取不同能量状态下的开路电压值，得到OCV-SOE测试曲线；

S30，建立等效电路模型；

S40，基于等效电路模型，建立电池开路电压、电池端电压与电池内部参数的物理关系式；

S50，通过含遗忘因子的递推最小二乘法实现电池内部参数的在线辨识，实现OCV的实时获取；

S60，根据OCV-SOE测试曲线，分析不同能量状态下的电池OCV特性，划分SOE区间；

S70，基于SOE划分，对不同区间内的OCV-SOE拟合曲线进行分段拟合，得到分段拟合后的OCV-SOE关系曲线；

S80，获得不同温度下的OCV-SOE关系曲线，并对比不同温度下的OCV-SOE关系曲线与OCV-SOE测试曲线之间的误差，对拟合后的OCV-SOE关系曲线进行效果验证。

本实施例中，提出统一充电工况进而对锂离子电池展开具体分析，即不同温度下保证电池放电过程的高端对齐；在具体实施时：

首先，定义能量状态SOE，其表达式为：

其中：为放电方向剩余能量，为基础能量，为累计放出的能量；

基准能量表示：电池数据手册标定标准工况下放出的能量，即以标准工况对电池放电达到截止条件时放出的总能量；

剩余能量表示：基准能量与到达某时刻即某能量状态下累计放出的能量的差值。

其次，如图2至图4所示，通过建立HPPC测试工况，每间隔10%的SOE进行HPPC测试，得到OCV-SOE测试曲线；本实施例中，具体包括：

S201，标准工况下，恒流恒压充满电至截止电压，充分静置待电压趋于稳定后，记录下此时电池OCV，随后开始进行恒流放电；

S202，放出10%能量后，充分静置待电压趋于稳定后，记录下此时电池OCV；

S203，重复步骤S202，间隔放出10%能量且记录OCV，达到放电截止条件结束；

S204，基于得到OCV-SOE测试曲线。

本实施例中，在具体进行某电池的电池能量状态估计时，包括：

如图5所示，建立等效电路模型；所述等效电路模型包括：电池开路电压、电池端电压和电池内部参数，所述电池内部参数包括：欧姆内阻、极化电阻和极化电容；

所述电池开路电压的正极串接欧姆内阻后与电池端电压的一端相连，所述电池开路电压的负极分别与极化电容的一端、极化电阻的一端相连，所述极化电容的另一端并接极化电阻的另一端后与电池端电压的另一端相连。

具体地，基于等效电路模型，建立电池开路电压、电池端电压与电池内部参数的物理关系式中，所述电池开路电压、电池端电压与电池内部参数的物理关系式为：

 (1-1)

式（1-1）中，为t时刻的电池内部参数电压，为初始极化电压，为等效电路模型中的电流；为电路暂态过程；

为t时刻的电池开路电压；为t时刻的电池端电压；

电池静止状态下，对式（1-1）中进行变换，得到：

 (1-2)。

进一步地，为了能够实时获取不同能量状态下电池的开路电压OCV，需要对电池内部参数进行在线辨识。

如图6所示，本实施例中，所述步骤S50，完成电池内部参数的在线辨识，实现OCV的实时获取；具体包括：

S501，构建子网络，将其传递函数离散化表达，得到对应参数的辨识矩阵；

S502，采用含遗忘因子的递推最小二乘法实现参数在线辨识。

具体地，所述步骤S501，构建子网络，将其传递函数离散化表达，得到对应参数的辨识矩阵；具体包括：

S5011，将等效电路模型中的阻容参数作为子网络，所述的阻容参数包括：欧姆内阻和极化电阻；设端电压为，则子网络的传递函数的表达式为：

 (1-3)

进行双线性变换，即时域与频域转化为：

 (1-4)

其中，为传递函数，表示系统输出与激励的比值；s为拉普拉斯变换算子；z为对离散时间系统描述的变换算子；Δt为系统采样时间间隔；

S5012，对传递函数双线性变换，得到离散时间系统的传递函数；

 (1-5)

式(1-5)中：

 (1-6)

S5013，对式（1-5）进行逆变换得到；

 (1-7)

初始参数为：

 (1-8)

式(1-7)中，为第k-1个采样时刻的端电压；为第k-1个采样时刻的电流。

进一步地，本实施例中，所述步骤S502，采用含遗忘因子的递推最小二乘法实现参数在线辨识，需要辨识的矩阵为：,辨识的具体过程如图7所示。

首先，设置参数估计的初值、协方差矩阵、遗忘因子；

一般地，初值、遗忘因子可根据经验选取一个大概值，协方差矩阵取单位矩阵与标量乘积，根据逐次新增数据通过算法流程图公式实现参数的逐步更新，待误差精度较高时，得到最优取值。

第k时刻，为实际值，，。

在所述步骤S50，通过含遗忘因子的递推最小二乘法实现电池内部参数的在线辨识，实现OCV的实时获取；之后还包括：

通过DST对电池进行放电仿真测试，并通过仿真曲线与获取的OCV值进行比对，进行等效电路模型的效果验证。

本实施例中，通过一个具体的实验对其进行仿真说明，如图8所示，选择动态循环测试工况(Dynamic Stress Test,DST)对电池进行放电仿真测试仿真曲线与真实曲线对比如图9所示，误差精度较高，因此，需要进行进一步的优化。

本实施例中，还包括：

基于获取的OCV值，采用多项式拟合的方法对OCV-SOE曲线进行拟合；

将OCV-SOE拟合曲线与OCV-SOE测试曲线进行比较，得到误差曲线；

为得到符合精度要求的误差曲线，通过将多项式拟合方法调整为高阶多项式拟合方法对OCV-SOE曲线进行拟合，得到新的OCV-SOE拟合曲线；拟合时：

首先，采用多项式拟合的方法对曲线进行整体拟合；

其次，根据拟合结果，将OCV-SOE拟合曲线与OCV-SOE测试曲线（真实值）进行比较，得到误差曲线；

再次，为了进一步减小误差，得到符合精度要求的误差曲线，通过将多项式拟合方法调整为高阶多项式拟合方法对OCV-SOE曲线进行拟合，得到新的OCV-SOE拟合曲线。

通过一个具体的实施例进行验证，如图10所示，通过提高多项式阶次，对曲线进行高阶拟合，可大大提高误差精度，但是其具有计算量复杂且庞大的问题；降低阶次对曲线整体进行拟合，在不同温度下的误差见附图11所示，这种情况下误差较大。

因此，为了提高误差精度且减少计算量，本申请包括：

根据OCV-SOE测试曲线，分析不同能量状态下的电池OCV特性，划分SOE区间；

基于SOE划分，对不同区间内的OCV-SOE拟合曲线进行分段拟合，得到分段拟合后的OCV-SOE关系曲线。

本实施例中，基于图3所示的每间隔10%的SOE下的电池OCV变化曲线示意图，可以看出，在10%SOE、90%SOE处有明显的OCV变化特性，因基于此，找到SOE界限，划分SOE区间，在不同区间内对曲线进行分段拟合。

如图12、图13所示，采用本申请的分段拟合方法，可以有效提高误差精度也能适用于不同温度，且随着温度的变化其最大误差范围控制在±0.015V之内。

本申请还提供了一种计算机可读存储介质。

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由处理器加载并执行如上所述的基于OCV曲线分段的电池能量状态估计方法。

综上，本申请提供的基于OCV曲线分段的电池能量状态估计方法及存储介质，对电池能量状态估计，具有误差精度低的、适应不同温度的有益效果，实用性极强。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，C语言、VHDL语言、Verilog语言、面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。