专利交易市场

本发明涉及基于数据和模型滤波融合的锂电池荷电状态估计方法，包括以下步骤：使用离线参数辨识方法辨识电池参数；基于辨识的参数，使用2RC等效电路模型计算电池端电压；基于传感器电压和等效电路模型计算电压，使用卡尔曼滤波进行SOC估计；基于电池端电压、母线电流、表面温度，使用PSO‑LSTM神经网络进行SOC估计；最后基于扩展卡尔曼滤波估计的SOC、LSTM估计的SOC和环境温度，再使用LSTM进行最终SOC估计。基于数据和模型滤波融合的锂电池荷电状态估计方法的优势在于，电池模型结构简单、在变环境温度下，离线辨识与融合方法的模型精度和SOC估计精度高。

本发明公开了基于电压及电流双约束的车用并联动力电池的最小包络线SOC估计方法，本发明考虑到并联单体电池差异导致支路电流差异，引起各单体电池SOC差异，为了保证并联各单体电池安全，研究基于电压及电流双约束的双扩展卡尔曼滤波(Dual Extended Kalman Filter,DEKF)算法的电池模型参数与SOC联合估计的关键技术，实现以最小SOC为包络线的并联电池SOC估计。主要包括：建立并联电池的电路模型及数学描述方程、制定并联电池SOC估计流程、进行常规状态下并联电池SOC估计及差异状态下并联电池SOC估计。结果表明，本发明实现了以最小SOC为包络线的并联电池SOC估计，估计误差在常规状态下达到1％以内，在差异状态下能够逐步稳定在5％以内。