一种基于工况的锂离子电池soc-ocv快速标定方法
技术领域
1.本发明涉及一种电池管理的技术领域，尤其涉及一种基于工况的锂离子电池soc-ocv快速标定方法。
背景技术：2.电池管理系统是确保电池安全、高效和可靠运行的关键技术支持。而电池的荷电状态(soc)则是电池管理系统的核心。现阶段的soc估计方法主要分为安时积分法、基于特征的估计方法、基于模型的估计方法等。其中安时积分法是soc估计的定义方法，但是该方法受限于已知的soc初始值。而soc-ocv标定不仅是一种重要的基于特征的soc估计方法，而且是构建基于模型的估计方法的重要基础。
3.现有的soc-ocv标定技术主要包括小电流ocv测试方法和增量电流ocv测试方法。
4.其中小电流ocv测试的过程如下所示：
5.1、使用1c的电流倍率对电池进行恒流充电，直至端电压到达最大截止电压；
6.2、对电池进行恒压充电，直到其电流下降到0.01c以下；
7.3、充分搁置，时间为2h，并记录电池端电压；
8.4、使用0.05c的电流对电池进行恒流放电，记录下电池端电压和放电的容量；
9.5、端电压达到最小截止电压后充分搁置，时间为2h，并记录下来电池端电压。
10.增量电流ocv测试过程主要包括：
11.1、以1c的电流倍率对电池进行恒定充电，直至端电压到达最大的截止电压；
12.2、对电池进行恒压充电，直到其电流下降到0.01c以下；
13.3、充分搁置，时间为2h，并记录电池端电压；
14.4、使用0.5c的电流对电池进行恒流放电，并用安时积分法记录下来放电容量；
15.5、每间隔10％soc进行充分搁置，时间为2h，并记录电池端电压；
16.6、重复步骤4和5，直至端电压达到最小截止电压；
17.7、充分搁置，时间为2h，并记录电池端电压。
18.上述两种测试方法的核心是削弱和抑制电池的极化效应，以实现端电压测量直接感知电池内部开路电动势ocv的目的。
19.小电流ocv测试方法在soc的首末两端，由于极化效应的累积存在较大的误差。而增量电流ocv测试通过充分的静置来消除电池的极化效应。但是静置也带来了高昂的时间成本。现阶段soc-ocv标定依赖于高时间成本的测试方案获取，而且在电池实时运行中soc-ocv也会受到温度、老化等因素的影响。因此现阶段亟待低时间成本的soc-ocv获取方法来优化全寿命周期下的soc估计可靠性。
技术实现要素：20.为解决上述技术问题，本发明的目的是提供一种优化时间成本的基于工况的锂离子电池soc-ocv快速标定方法。
21.本发明提供的基于工况的锂离子电池soc-ocv快速标定方法，基于dst工况采用离线数据驱动的方法分离工况中的电池内阻电压分量，并利用工况的反向脉冲激励特性抑制电池的极化效应，在此基础上通过离线数据驱动的方法拟合电池的soc-ocv关系。
22.在本发明中定义充电电流为正，放电电流为负。
23.一种基于工况的锂离子电池soc-ocv快速标定方法，其特征在于，包括以下步骤：
24.步骤1、构建电压、电流和soc的时间序列；
25.步骤2、辨识电池模型欧姆内阻离线参数：r0＝δub/δib；
26.步骤3、求解欧姆内阻电压：u
0,i
＝r
0,i
＊i
b,i
，获得去除内阻效应后的近似ocv，u
ocv,i
＝u
b,i-u
0,i
；
27.步骤4、基于时间序列构建近似ocv和soc的映射；
28.步骤5、通过映射拟合soc-ocv关系，得到soc-ocv的函数关系。
29.对本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法做进一步的改进，所述时步骤1中时间序列的采样频率设为1hz，所述soc的时间序列通过如下所示安时积分法进行获取：
[0030][0031]
t为当前时间；为soc的初始值；c
max
为电池最大可用容量；η为库伦效率，通常近似为1；ib(t)为当前负载电流。
[0032]
对本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法做进一步的改进，为了避免电池的极化效应及其累积，工况需要设置反向激励脉冲来抑制极化效应的外特性表征。
[0033]
对本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法做进一步的改进，所述步骤3的具体步骤如下：
[0034]
步骤3.1、构建锂离子电池的一阶rc等效电路模型；
[0035]
步骤3.2、通过r
p
和c
p
并联网络来模拟电池的极化效应，用r0来模拟电池的内阻效应，进行电路动态分析：
[0036][0037]
ub＝u
ocv
+u0+u
p
ꢀꢀꢀ②
[0038]
u0＝ibr0.
ꢀꢀꢀ③
[0039]
其中，式
②
中电池的端电压由ub电池开路电动势由u
ocv
、电池欧姆内阻电压u0和电池极化电压u
p
构成；
[0040]
步骤3.3、对ocv的测试工况进行局部展开后获得的电压电流的对应关系表明：在电流发生突变时，电压也会发生一定幅度的突变，由于式
②
中在负载电流变化瞬间极化电压并不会发生显著改变，而式
③
可得欧姆内阻电压和负载电流之间存在正比关系，因此该突变一致性主要由欧姆内阻电压的改变导致；
[0041]
步骤3.4、求解各个突变点的欧姆内阻r0：
[0042]r0，i
＝δub/δibꢀꢀꢀ④
[0043]
通过式
④
获取电池欧姆内阻的时间序列后，通过式
②
和式
③
求解去除电池欧姆内阻电压u0后的近似开路电压时间序列。
[0044]
对本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法做进一步的改进，所述步骤3.4中的特征分解后的为ocv真实值u
ocv
。
[0045]
对本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法做进一步的改进，所述步骤4还包括通过时间序列构建近似ocv和soc的映射，并在此基础上对映射进行拟合获得soc-ocv函数关系曲线。
[0046]
借由上述方案，本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法具有以下优势：
[0047]
1、基于反向脉冲激励驱动获取ocv结果，避免测试中的电池极化效应对ocv测试的影响，大幅减少了极化效应衰减的时间；
[0048]
2、基于工况测试ocv结果，提高了电池soc-ocv测试在温度和老化下的适应性，优化电池出厂或梯次利用前的soc-ocv标定时间成本。
[0049]
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
[0050]
图1是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的流程图；
[0051]
图2是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法中作为ocv的测试工况的dst工况图；
[0052]
图3是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法中构建的锂离子电池的一阶rc等效电路模型图；
[0053]
图4是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法中dst工况电压电流关系局部图；
[0054]
图5是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法中dst工况下的欧姆内阻时间序列；
[0055]
图6是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法中去欧姆内阻效应后的近似开路电压时间序列；
[0056]
图7是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法中soc-ocv拟合关系图；
[0057]
图8是本发明构建在线参数辨识和扩展卡尔曼滤波(ekf)协同估计soc框架图；
[0058]
图9是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中fuds工况电压时间序列；
[0059]
图10是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中fuds工况电流时间序列；
[0060]
图11是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中fuds模型预测电压误差；
[0061]
图12是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中fuds下的soc估计结果；
[0062]
图13是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中fuds下的soc估计绝对误差；
[0063]
图14是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中us06工况电压时间序列；
[0064]
图15是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中us06工况电流时间序列；
[0065]
图16是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中us06模型预测电压误差；
[0066]
图17是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中us06下的soc估计结果；
[0067]
图18是本发明提供的基于工况的锂离子电池soc-ocv快速标定方法的具体实施例中us06下的soc估计绝对误差。
具体实施方式
[0068]
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0069]
本发明提供的基于工况的锂离子电池soc-ocv快速标定方法，基于dst工况采用离线数据驱动的方法分离工况中的电池内阻电压分量，并利用工况的反向脉冲激励特性抑制电池的极化效应，在此基础上通过离线数据驱动的方法拟合电池的soc-ocv关系。
[0070]
本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法摒弃了以往直接通过端电压测量ocv的方法，而是利用电池特性的分解从工况中提取电池的ocv结果，该方法旨在实现低时间成本和高适应性的ocv快速标定技术。在图1中电压和电流时间序列由工况和电池特性直接决定，时间序列的采样频率设定为1hz，而soc的时间序列则通过如下所示安时积分法进行获取：
[0071][0072]
式中t为当前时间；为soc的初始值；c
max
为电池最大可用容量；η为库伦效率，通常近似为1；ib(t)为当前负载电流，在本发明中定义充电电流为正，放电电流为负。
[0073]
在工况的选择上为了避免电池的极化效应及其累积，需要设置反向激励脉冲来抑制极化效应的外特性表征。因此本发明选择如图2所示dst工况作为ocv的测试工况。为了获取电池的内阻效应对端电压的影响，本发明首先构建了如图3所示的锂离子电池的一阶rc等效电路模型。图3中通过r
p
和c
p
并联网络来模拟电池的极化效应，而用r0来模拟电池的内阻效应。通过电路动态分析可得：
[0074][0075]
ub＝u
ocv
+u0+u
p
ꢀꢀꢀ②
[0076]
u0＝ibr0ꢀꢀꢀ③
[0077]
式
②
中电池的端电压由ub电池开路电动势由u
ocv
、电池欧姆内阻电压u0和电池极化电压u
p
构成。通过对图2所示的dst工况进行局部展开可得如图4所示的电压电流对应关系图。
[0078]
从图4可得，在电流发生突变时，电压也会发生一定幅度的突变。由式
②
可得在负载电流变化瞬间极化电压并不会发生显著改变。而从式
③
可得欧姆内阻电压和负载电流之间存在正比关系。因此该突变一致性只要由欧姆内阻电压的改变导致。由此，本发明通过如下公式求解了各个突变点的欧姆内阻r0：
[0079]r0,i
＝δub/δibꢀꢀꢀ④
[0080]
由式
④
可获取如图5所示的电池欧姆内阻的时间序列，并在此基础上通过式
②
和
③
可求解去除电池欧姆内阻电压u0后的近似开路电压时间序列如图6所示。
[0081]
由式
②
可得电池去除内阻效应后的近似开路电压中包含电池的极化电压u
p
和ocv真实值u
ocv
。而由于工况的反向脉冲激励过程有效削弱了电池的极化效应外特性表征，因此可以认为特征分解后的为ocv真实值u
ocv
。
[0082]
在上述数据处理的基础上，本发明构建了ocv和soc在工况下的时间序列，由于所有的时间序列均基于相同的频率，因此可以通过时间序列构建近似ocv和soc的映射，并在此基础上对映射进行拟合获得soc-ocv关系曲线。为了说明该拟合过程的优势，本发明对比了增量电流ocv测试结果、dst工况端电压拟合结果和本文特征分解后的ocv拟合结果，对比结果如图7所示。
[0083]
为了评价本发明技术方案的价值，首先对比本发明所提方法和其他测试方法在测试方案时间成本上的差异。再次基础上将不同方法得到的soc-ocv关系代入一阶rc等效电路模型来判断电池端电压预测精度，并结合扩展卡尔曼滤波算法进行soc协同估计，对比不同方法的soc估计准确性。
[0084]
为了验证本发明所提方法的效果，首先计算增量电流ocv测试和本发明所提的快速标定测试的时间成本。由采用的测试方案流程预估可得增量电流ocv测试时间约为24h，而dst工况的测试过程如下表示：
[0085]
表1 dst工况测试过程
[0086]
[0087]
[0088][0089]
由表1预估测试时间约为6h，仅为增量电流测试时间成本的1/4。
[0090]
在测试时间成本上本发明所提方法具有显著优势，但是为了更好的评价本发明的效果，还需要对soc-ocv结果的可靠性和准确性进行评价。因此本发明构建在线参数辨识和扩展卡尔曼滤波(ekf)协同估计soc框架，其协同估计框架如图8所示。
[0091]
图3中参数辨识模块通过参数辨识获得模型参数ekf模块获得soc的估计值通过soc-ocv关系得到。模型参数和代入一阶rc等效电路模型可输出模型预测端电压与此同时，将为k+1时刻的参数辨识提供的ocv值，而模型预测端电压也将提供给ekf用于k+1时刻的soc估计修正。通过上述过程和反馈可构建起在线参数辨识和ekf协同估计soc的逻辑框架。
[0092]
本发明基于图8所示的协同估计框架，在线参数辨识模型选择rls算法实现，soc估计通过ekf实现。而未来验证不同soc-ocv关系的效果，在soc-ocv关系模块中代入不同的soc-ocv关系曲线，并通过评估模型的预测电压精度和soc估计精度来评价不同方法的差异。
[0093]
在本发明中采用fuds工况和us06工况进行验证。首先本文将增量电流ocv拟合的soc-ocv关系和本发明所提的快速标定方法拟合的soc-ocv关系代入模型在fuds工况下验证模型的预测电压精度和soc估计精度，fuds工况如图9和10所示，实验验证的电压预测误差如图11所示。
[0094]
由图11可得，增量电流ocv方案下的模型电压预测精度和快速标定方案下的电压预测精度接近，均可以实现对测量端电压较好的跟踪性能。而两种方法的soc估计结果和soc估计误差如图12和13所示。
[0095]
由图12和13可得，增量电流ocv方案下的soc估计精度和快速标定方案下的soc估计精度也接近，且两者的方法的soc估计绝对误差均在2％以内。由fuds工况验证可得，两种方法均可以得到高精度的模型预测效果和soc估计结果。
[0096]
为了使验证更具有一般性，本发明通过us06工况来验证不同工况下的预测电压和soc估计效果，如图14和15所示为us06工况的电压和电流时间序列。在us06工况下验证两种方法的预测电压误差如图16所示。
[0097]
由图16可得，增量电流ocv方案下的模型电压预测精度和快速标定方案下的电压预测精度接近，均可以实现对测量端电压较好的跟踪性能。而两种方法的soc估计结果和
soc估计误差如图17和18所示。
[0098]
由此可以得出，增量电流ocv方案下的soc估计精度和快速标定方案下的soc估计精度也接近，且两者的方法的soc估计绝对误差在收敛后均在2％以内。在us06工况初期快速标定方法反而具有更高的soc估计精度。
[0099]
综上两种工况验证可得，两种方法均可以得到高精度的模型预测效果和soc估计结果。但是本发明所提快速标定方法在测试时间成本上具有显著优势可以有效提升电池出厂和梯次利用前的特性评估。
[0100]
借由上述方案，本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法具有以下特点：
[0101]
1、提出了基于工况的特征分解方法获取电池的ocv特性，并构建拟合soc-ocv关系；
[0102]
2、通过反向脉冲激励工况来抑制电池极化效应，有效避免ocv测试中的长时间搁置时间成本问题，有效提升soc-ocv特性标定的效率。
[0103]
借由上述方案，本发明提供的一种基于工况的锂离子电池soc-ocv快速标定方法具有以下优势：
[0104]
1、基于反向脉冲激励驱动获取ocv结果，避免测试中的电池极化效应对ocv测试的影响；
[0105]
2、基于工况测试ocv结果，提高了电池soc-ocv测试在温度和老化下的适应性，优化电池出厂或梯次利用前的soc-ocv标定时间成本。
[0106]
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
[0107]
除非另外定义，否则本文中所用的术语具有与本发明所属领域的技术人员的通常所理解相同的含义。应进一步理解，术语应被解释为具有与其在相关技术以及本发明的上下文中的含义一致的含义，并且不应以理想化或过度形式化意义进行解释，除非本文中明确地这样定义。
技术特征：1.一种基于工况的锂离子电池soc-ocv快速标定方法，其特征在于，包括以下步骤：步骤1、构建具有反向脉冲激励下的电压、电流和soc时间序列；步骤2、辨识电池模型欧姆内阻离线参数：步骤3、求解欧姆内阻电压：u
0,i
＝r
0,i
＊i
b,i
，获得去除内阻效应后的近似ocv，u
ocv,i
＝u
b,i-u
0,i
；步骤4、基于时间序列构建近似ocv和soc的映射；步骤5、通过映射拟合soc-ocv关系，得到soc-ocv的函数关系。2.根据权利要求1所述的基于工况的锂离子电池soc-ocv快速标定方法，其特征在于，所述时步骤1中时间序列的采样频率设为1hz，所述soc的时间序列通过如下所示安时积分法进行获取：t为当前时间；为soc的初始值；c
max
为电池最大可用容量；η为库伦效率，通常近似为1；i
b
(t)为当前负载电流。3.根据权利要求1所述的基于工况的锂离子电池soc-ocv快速标定方法，其特征在于：为了避免电池的极化效应及其累积，工况需要设置反向激励脉冲来抑制极化效应的外特性表征。4.根据权利要求1所述的基于工况的锂离子电池soc-ocv快速标定方法，其特征在于，所述步骤3的具体步骤如下：步骤3.1、构建锂离子电池的一阶rc等效电路模型；步骤3.2、通过r
p
和c
p
并联网络来模拟电池的极化效应，用r0来模拟电池的内阻效应，进行电路动态分析：u
b
＝u
ocv
+u0+u
p
ꢀ②
u0＝i
b
r0ꢀ③
其中，式
②
中电池的端电压由u
b
电池开路电动势由u
ocv
、电池欧姆内阻电压u0和电池极化电压u
p
构成；步骤3.3、对ocv的测试工况即dst工况进行局部展开后获得的电压电流的对应关系表明：在电流发生突变时，电压也会发生一定幅度的突变，由于式
②
中在负载电流变化瞬间极化电压并不会发生显著改变，而式
③
可得欧姆内阻电压和负载电流之间存在正比关系，因此该突变一致性只要由欧姆内阻电压的改变导致；步骤3.4、求解各个突变点的欧姆内阻r0：r
0，i
＝δu
b
/δi
b
ꢀ④
通过式
④
获取电池欧姆内阻的时间序列后，通过式
②
和式
③
求解去除电池欧姆内阻电压u0后的近似开路电压时间序列。
5.根据权利要求4所述的基于工况的锂离子电池soc-ocv快速标定方法，其特征在于：所述步骤3.4中的特征分解后的为ocv真实值u
ocv
。6.根据权利要求5所述的基于工况的锂离子电池soc-ocv快速标定方法，其特征在于，所述步骤4还包括通过时间序列构建近似ocv和soc的映射，并在此基础上对映射进行拟合获得soc-ocv函数关系曲线。
技术总结本发明尤其涉及一种基于工况的锂离子电池SOC-OCV快速标定方法，包括如下步骤：构建电压、电流和SOC的时间序列；辨识电池模型欧姆内阻离线参数：R0＝ΔU
技术研发人员：徐海嵩 董强 朱勇杰 王珏 王晓蕾
受保护的技术使用者：苏州逐真新能源科技有限公司
技术研发日：2022.04.08
技术公布日：2022/7/5
