一种电池SOC估算方法、装置及储能设备与流程

一种电池soc估算方法、装置及储能设备
技术领域
1.本发明涉及电池状态估计技术领域，尤其涉及一种电池soc估算方法、装置及储能设备。


背景技术：

2.荷电状态(state of charge，soc)是电池管理系统的核心参数之一，可反映电池可用能量和总能量的比值，因此soc的精确估计对优化电池性能发挥着巨大的作用；而由于soc不能直接由设备进行测量，因此寻求一种准确估计soc的方法具有重要意义。对电池soc进行估算的现有方法包括：安时积分法和卡尔曼滤波算法等；其中，安时积分法易受电流精度和温度的影响，soc估算精度受限；而卡尔曼滤波算法对电池老化的程序不能做很好的估算，随着电池老化soc估算精度会逐渐降低，并且，当soc不准时，卡尔曼滤波算法通过增益调节对当前soc进行收敛至真实值，会出现soc跳变或充电时soc下降，放电时soc上升等不合理的情况。


技术实现要素：

3.本发明提供了一种电池soc估算方法、装置及储能设备，以解决现有技术在进行电池soc估算时，估算精度较低的技术问题。
4.为了解决上述技术问题，本发明实施例提供了一种电池soc估算方法，包括：
5.调用待测电池的等效电路模型，获取所述待测电池的离线参数；
6.基于所述等效电路模型和离线参数，交替计算所述待测电池的第一soc值和所述待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值；
7.根据所述soc估算值计算所述待测电池当前的soc值。
8.本发明一方面采用离线参数估算soc，又计算用于估算soc的待测电池的在线参数，形成闭环；解决了仅采用离线参数估算soc造成的精度降低和soc跳变的问题，又降低了仅采用安时积分法而受到电流精度和温度的影响，从而提高了估算精度及稳定性。
9.进一步地，基于所述等效电路模型和离线参数，交替计算所述待测电池的第一soc值和所述待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值，具体为：
10.根据所述等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，并建立以待测电池参数为状态变量的第二状态方程；
11.soc计算：将电池参数代入至所述第一状态方程后，采用卡尔曼滤波算法经过预设次数的计算得到第一soc值；
12.将所述第一soc值代入所述第二状态方程后，采用卡尔曼滤波算法计算得到所述在线参数；
13.返回soc计算步骤，将重新计算得到的第一soc值作为所述soc估算值；其中，所述电池参数包括：离线参数和上一次计算得到的在线参数。
14.本发明根据离线参数或在线参数，采用卡尔曼滤波算法估算待测电池的soc；此外，还采用卡尔曼滤波算法根据估算出的soc，更新在线参数，循环迭代；解决了仅使用卡尔曼滤波算法导致的估算精度逐渐降低以及估算结果跳变的问题。
15.进一步地，所述根据所述等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，具体为：
16.建立以所述等效电路模型的soc和所述等效电路模型的电压参数为变量的状态空间方程；
17.根据所述状态空间方程，建立所述等效电路模型的所述第一状态方程。
18.进一步地，所述将电池参数代入至所述第一状态方程后，采用卡尔曼滤波算法经过预设次数的计算得到第一soc值，具体为：
19.获取的soc初始值，基于soc初始值设置卡尔曼滤波算法的第一初始值；
20.第一参数计算：根据所述第一初始值和所述电池参数，计算当前时刻的soc先验状态值和当前时刻的第一先验协方差；
21.根据所述待测电池的电压观测值与电压状态值的第一导数和所述第一先验协方差，计算当前时刻的第一卡尔曼增益矩阵；
22.根据所述soc先验状态值、所述等效电路模型的开路电压和所述等效电路模型的欧姆内阻，计算当前时刻的端电压；
23.根据所述端电压、所述soc先验状态值和所述第一卡尔曼增益矩阵，进行soc状态值更新和协方差更新；
24.判断第一参数计算步骤的执行次数是否达到预设计算次数；
25.当执行次数达到预设计算次数时，将更新后的soc状态值设置为所述第一soc值；
26.当执行次数未达到预设计算次数时，返回第一参数计算步骤。
27.本发明通过离线参数和持续更新的在线参数对待测电池的soc进行持续的估算，解决了仅采用离线参数导致随着电池性能下降导致的估算精度逐渐降低和估算结果跳变的问题。
28.进一步地，所述将所述第一soc值代入所述第二状态方程后，采用卡尔曼滤波算法计算得到所述在线参数，具体为：
29.根据所述第一soc值，设置卡尔曼滤波算法的第二初始值；
30.第二参数计算：迭代计算所述待测电池的电压观测值对电压状态值的第二导数；
31.根据所述第二初始值，计算待测电池参数的先验状态值和第二先验协方差；
32.根据所述第二先验协方差和所述第二导数，计算第二卡尔曼增益矩阵；
33.根据所述第二先验协方差、所述第二卡尔曼增益矩阵和所述第二导数，对待测电池参数的状态值和协方差进行更新，得到所述在线参数，并返回第二参数计算步骤。
34.本发明根据卡尔曼滤波算法估算出的soc，以电池参数作为动态方程的变量进行计算，实现对在线参数的估算和更新，更新的参数重新用于步骤s12，实现循环迭代；解决了在使用卡尔曼滤波算法估算soc时因仅使用离线数据造成的精度逐渐降低和估算结果跳变的问题。
35.进一步地，所述根据所述soc估算值计算所述待测电池当前的soc值，具体为：
36.根据所述soc估算值，确定在充放电过程中所述待测电池的安时积分系数；其中，
所述soc估算值，包括：当前soc估算值、待测电池最高单体电压对应的第二soc值和待测电池最低单体电压对应的第三soc值；
37.获取所述待测电池当前的第一电流值，并根据所述第一电流值和所述安时积分系数，进行安时积分计算，得到所述当前的soc值。
38.本发明先利用双卡尔曼滤波算法获取精度较高估算结果，再结合按时积分法对待测电池当前的soc进行计算，从而解决了仅使用安时积分法导致估算结果收到电流精度和温度的影响的技术问题。
39.进一步地，所述等效电路模型为三阶rc等效电路模型。
40.本发明采用三阶rc等效电路模型，较采用二阶模型的现有技术相比，能更好地反映出待测电池的状态，使估算结果的精度更高。
41.进一步地，所述获取所述待测电池的离线参数，具体为：
42.在预设温度点对所述待测电池进行hppc测试，获取不同soc下所述待测电池的离线参数。
43.另一方面，本发明实施例还提供了一种电池soc估算装置，包括：
44.参数获取模块，用于调用待测电池的等效电路模型，获取所述待测电池的离线参数；
45.迭代估算模块，用于基于所述等效电路模型和离线参数，交替计算所述待测电池的第一soc值和所述待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值；
46.soc计算模块，用于根据所述soc估算值计算所述待测电池当前的soc值。
47.本发明采用双卡尔曼滤波算法，一方面采用离线参数以及卡尔曼滤波算法估算soc，又采用卡尔曼算法结合估算结果计算出待测电池的在线参数并将在线参数又重新用于卡尔曼滤波算法对soc的估算，形成闭环；解决了仅采用离线参数估算soc造成的精度降低和soc跳变的问题，又降低了仅采用安时积分法而受到电流精度和温度的影响，从而提高了估算精度及稳定性。
48.另一方面，本发明实施例还提供了一种储能设备，包括：电池soc估算设备和储能电池；其中，所述电池soc估算设备用于执行如本发明实施例所述的电池soc估算方法。
附图说明
49.图1为本发明提供的电池soc估算方法的一种实施例的流程示意图；
50.图2为本发明提供的电池soc估算方法的另一种实施例的流程示意图；
51.图3为本发明提供的安时积分法的一种实施例的流程示意图；
52.图4为本发明提供的等效电路模型的一种实施例的结构示意图；
53.图5为本发明提供的电池soc估算装置的一种实施例的结构示意图；
54.图6为本发明提供的电池soc估算方法的运行策略图。
具体实施方式
55.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作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。
56.请参照图1，为本发明提供的电池soc估算方法的一种实施例的流程示意图，主要包括步骤101-103，具体如下：
57.步骤101：调用待测电池的等效电路模型，获取待测电池的离线参数。
58.在本实施例中，等效电路模型为rc等效电路模型，该模型由若干个rc网络串联欧姆内阻后构成，用于模拟待测电池的各种内阻和极化电容；等效电路模型可采用一阶至三阶rc等效电路模型。
59.在本实施例中，待测电池的离线参数包括：不同soc下的开路电压、欧姆内阻、极化内阻和极化电容。
60.步骤102：基于等效电路模型和离线参数，交替计算待测电池的第一soc值和待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值。
61.在本实施例中，扩展卡尔曼估算soc和扩展卡尔曼估算电池参数两个算法将最终输出的参数互相传递，迭代构成了双卡尔曼滤波算法。
62.步骤103：根据soc估算值计算待测电池当前的soc值。
63.在本实施例中，步骤103具体为：根据soc估算值，确定在充放电过程中待测电池的安时积分系数；其中，soc估算值，包括：当前soc估算值、待测电池最高单体电压对应的第二soc值和待测电池最低单体电压对应的第三soc值；获取待测电池当前的第一电流值，并根据第一电流值和安时积分系数，进行安时积分计算，得到当前的soc值。
64.请参照图3，为本发明提供的安时积分法的一种实施例的流程示意图，其中，在待测电池放电状态下，安时积分系数coe＝soc/(socmin+0.01)，soc为当前soc估算值、socmin为第三soc值；此外，当前soc估算值与soc最值的差值delta＝soc-socmin；当delta＞0，且socmin＜15％时，安时积分系数coe＝coe*5；在delta分别大于3％、6％以及小于0时，安时积分系数coe分别等于coe*2、coe*3和coe*0.3；在待测电池充电状态下，安时积分系数coe＝soc/(socmax+0.01)，soc为当前soc估算值、socmax为第二soc值；此外，当前soc估算值与soc最值的差值delta＝socmax-soc；当delta＞0，且socmax＞15％时，安时积分系数coe＝coe*5；在delta分别大于3％、6％以及小于0时，安时积分系数coe分别等于coe*2、coe*3和coe*0.3。获取待测电池的电流值后进行按时积分计算，其中，结合上一时刻的放电安时量和上一时刻的充电安时量，对当前时刻的对放电安时量和当前时刻的充电安时量进行计算，放电安时量为放电过程中待测电池的电荷量，充电安时量为充电过程中待测电池的电荷量；当soc变化量＞0.1％时，soc变化量socdelta＝(dsgcap-chgcap)/cap，即放电安时量和充电安时量的差值与电池容量之比；而当前的soc值为soc估算值减去soc变化量与安时积分系数的乘积。
65.在本实施例中，以安时积分为基调，在放电时通过安时积分系数调整逐渐追赶双卡尔曼滤波算法得到的socmin，在充电时追赶socmax，在保证soc稳定变化的同时又提高了soc的精度。
66.本发明先利用双卡尔曼滤波算法获取精度较高估算结果，再结合按时积分法对待测电池当前的soc进行计算，从而解决了仅使用安时积分法导致估算结果收到电流精度和温度的影响的技术问题。
67.请参照图2，为本发明提供的电池soc估算方法的另一种实施例的流程示意图，主要包括步骤s0-s3，具体如下：
68.在本实施例中，步骤102具体包括步骤s0-s3。
69.s0、根据等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，并建立以待测电池参数为状态变量的第二状态方程。
70.在本实施例中，根据等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，具体为：建立以等效电路模型的soc和等效电路模型的电压参数为变量的状态空间方程；根据状态空间方程，建立等效电路模型的第一状态方程；其中，第一状态方程为：
[0071][0072]
其中，u1、u2和u3分别为等效电路模型的第一极化电压、第二极化电压和第三极化电压，soc为待测电池的电荷状态值，r1、r2和r3分别为等效电路模型的欧姆极化内阻、电化学极化内阻和浓差极化内阻，c1、c2和c3分别为等效电路模型的欧姆极化电容、电化学极化电容和浓差极化电容，cap为待测电池容量，和soc-分别为上一次计算时的第一极化电压、上一次计算时的第二极化电压、上一次计算时的第三极化电压和上一次计算时的电荷状态值。
[0073]
结合状态方程和卡尔曼滤波公式可得：
[0074]
u＝i。
[0075]
在本实施例中，根据电化学特性，可知：
[0076]
经离散化后可得
[0077]
经离散化后可得
[0078]
经离散化后可得
[0079]
欧姆内阻上的电压u0＝ir0，r0为欧姆内阻、i为流经待测电池的电流；cap为电池容量。
[0080]
在本实施例中，第二状态方程即电池参数状态方程示表示为：θ
k+1
＝θk；由卡尔曼
滤波公式可得：a为5
×
5标准矩阵，b＝0，状态变量
[0081]
s1、soc计算：将电池参数代入至第一状态方程后，采用卡尔曼滤波算法经过预设次数的计算得到第一soc值。
[0082]
在本实施例中，预设次数为20-100次，为提高估算效率，缩短估算时间，保证及时性，优选为60次。
[0083]
在本实施例中，步骤s1，soc计算的具体包括步骤s11-s15，具体如下：
[0084]
s11、获取的soc初始值，基于soc初始值设置卡尔曼滤波算法的第一初始值。
[0085]
第一初始值包括：
[0086]
r＝1；
[0087]
其中，x为卡尔曼滤波状态估计向量初始值；p0为误差协方差矩阵初始值；q为过程激励噪声协方差，即白噪声/系统偏差，本技术中的q值为经系统调节后的准确值；r为测量噪声协方差。此外，过程激励噪声协方差越大，卡尔曼增益也越大；测量噪声协方差越小，卡尔曼增益越大，校准能力越强。
[0088]
s12、根据第一初始值和电池参数，计算当前时刻的soc先验状态值和当前时刻的第一先验协方差。
[0089]
在本实施例中，soc先验状态值xk＝a*x
k-1
+b*i；其中，k为本次计算的时刻，k-1为上一次计算的时刻。该soc先验状态值在经s13-s15修正后得到的后验状态值即为第一soc值。
[0090]
在本实施例中，第一先验协方差为：p＝a*p0*a
′
+q；其中，a
′
为a的转置矩阵。
[0091]
s13、根据待测电池的电压观测值与电压状态值的第一导数和第一先验协方差，计算当前时刻的第一卡尔曼增益矩阵。
[0092]
在本实施例中，第一卡尔曼增益矩阵为：k＝p*h
′
/(h*p*h
′
+r)；其中，第一导数电压观测值即为待测电池的开路电压，电压状态值即为soc先验状态值；第一导数为待测电池的开路电压对soc先验状态值的导数，der为开路电压ocv对soc的导数，表现为采用离散方式得到的数组der[20]，der[n]＝(ocv1
–
ocv2)/5％，其中ocv1为5*n％soc
时的ocv电压,ocv2为5*(n-1)％soc时的ocv电压，n的取值范围为1-20。以每5％为一个点计算ocv电压，ocv为从满电开始放电5％静置一小时后的电池电，der[20]＝(100％ocv-95％ocv)/5％；der[19]＝(95％ocv-90％ocv)/5％，依次类推，der[1]＝(5％ocv-0％ocv)/5％；h
′
为h的转置矩阵。
[0093]
s14、根据soc先验状态值、等效电路模型的开路电压和等效电路模型的欧姆内阻，计算当前时刻的端电压。
[0094]
在本实施例中，当前时刻的端电压为：g＝ocv+c*x-i*r0；其中，ocv根据当前soc先验状态值获取的与soc对应的ocv值。
[0095]
s15、根据端电压、soc先验状态值和第一卡尔曼增益矩阵，进行soc状态值更新和协方差更新。
[0096]
s16、判断第一参数计算步骤的执行次数是否达到预设计算次数；当执行次数达到预设计算次数时，执行步骤s17；当执行次数未达到预设计算次数时，返回s12。
[0097]
s17、将更新后的soc状态值设置为第一soc值。
[0098]
在本实施例中，soc状态值更新后得到的后验状态值为：x＝x+k*(-g)；其中，volt为实际采样得到的待测电池的电压；计算得到的后验状态值即为第一soc值。
[0099]
在本实施例中，后验协方差更新表示为：p0＝(eye(3)-k*h)*p；其中，eye(3)为标准3
×
3矩阵。
[0100]
本技术实施例通过离线参数和持续更新在线参数对待测电池的soc进行持续的估算，解决了仅采用离线参数导致随着电池性能下降导致的估算精度逐渐降低和估算结果跳变的问题。
[0101]
s2、将第一soc值代入第二状态方程后，采用卡尔曼滤波算法计算得到在线参数。
[0102]
在本实施例中，步骤s2具体包括步骤s21-s22，具体如下：
[0103]
s21、根据第一soc值，设置卡尔曼滤波算法的第二初始值。
[0104]
在本实施例中，第二初始值包括：在本实施例中，第二初始值包括：
[0105][0106]
r＝5000。
[0107]
s22、迭代计算待测电池的电压观测值对电压状态值的第二导数。
[0108]
在本实施例中，第二导数表示为：对第二导数进行简化可得：其中，其中，
[0109][0110]
h_1为第一导数。
[0111]
s23、根据第二初始值，计算待测电池参数的先验状态值和第二先验协方差。
[0112]
在本实施例中，电池参数的先验状态值为θ1＝θ，第二先验协方差为：p＝p0+q。
[0113]
s24、根据第二先验协方差和第二导数，计算第二卡尔曼增益矩阵。
[0114]
在本实施例中，第二卡尔曼增益为：k＝p*h
′
/(h*p*h
′
+r)。其中，h
′
为h的转置矩阵。
[0115]
s25、根据第二先验协方差、第二卡尔曼增益矩阵和第二导数，对待测电池参数的状态值和协方差进行更新，得到在线参数，并返回s22。
[0116]
在本实施例中，更新后的待测电池参数的状态值为：θ2＝θ+k*(volt-g)；其中，volt为实际采样得到的待测电池的电压，g为当前时刻的端电压；更新后的待测电池参数即为在线参数，用于下一次步骤s1的执行。更新后的协方差为：p0＝(eye(5)-k*h)*p；其中，eye(5)为5
×
5的矩阵。
[0117]
本发明根据卡尔曼滤波算法估算出的soc，以电池参数作为动态方程的变量进行计算，实现对在线参数的估算和更新，更新的参数重新用于步骤s12，实现循环迭代；解决了在使用卡尔曼滤波算法估算soc时因仅使用离线数据造成的精度逐渐降低和估算结果跳变的问题。
[0118]
s3、返回s1，将重新计算得到的第一soc值作为soc估算值；其中，电池参数包括：离线参数和上一次计算得到的在线参数。
[0119]
请参照图6，为本发明提供的电池soc估算方法的运行策略图，其中，步骤s11-s17为步骤s21-s25传递soc即第一soc值，以及预测电压即当前时刻的端电压；而步骤s21-s25为步骤s11-s15传递电池参数，即在线参数；此外，s21-s25在进行预设次数的计算后，如60次计算，再将第一soc值传递至步骤s21-s25，可保证第一soc值的计算精度和计算效率。
[0120]
本发明根据离线参数或在线参数，采用卡尔曼滤波算法估算待测电池的soc；此外，还采用卡尔曼滤波算法根据估算出的soc，更新在线参数，循环迭代；解决了仅使用卡尔曼滤波算法导致的估算精度逐渐降低以及估算结果跳变的问题。
[0121]
请参照图4，为本发明提供的等效电路模型的一种实施例的结构示意图，其中，等效电路模型为三阶rc等效电路模型；三阶rc等效电路模型，用于模拟的电路包括：欧姆内阻r0、欧姆极化内阻r1、电化学极化内阻r2、浓差极化内阻r3、欧姆极化电容c1、电化学极化电容c2和浓差极化电容c3；
[0122]
其中，欧姆极化内阻r1和欧姆极化电容c1并联形成第一rc网络；
[0123]
电化学极化内阻r2和电化学极化电容c2并联形成第二rc网络；
[0124]
浓差极化内阻r3和浓差极化电容c3并联形成第三rc网络；
[0125]
欧姆内阻r0、第一rc网络、第二rc网络、第三rc网络和电压源串联连接。
[0126]
本发明采用三阶rc等效电路模型，较采用二阶模型的现有技术相比，能更好地反映出待测电池的状态，使估算结果的精度更高。
[0127]
进一步地，获取待测电池的离线参数，具体为：
[0128]
在预设温度点对待测电池进行hppc测试，获取不同soc下待测电池的离线参数。
[0129]
在本实施例中，温度点选择的范围是0～60℃，优选为0℃、10℃、15℃、25℃、35℃和45℃五个温度点以5％soc为一个点做1c充放电，每次完成静置一小时。根据hppc测试数据可得到二阶电化学模型的不同温度，不同soc下的开路电压、欧姆内阻、极化电阻、极化电容、浓差极化电阻和浓差极化电容。
[0130]
请参照图5，为本发明提供的电池soc估算装置的一种实施例的结构示意图，主要包括：参数获取模块201、迭代估算模块202和soc计算模块203。
[0131]
在本实施例中，参数获取模块201用于调用待测电池的等效电路模型，获取待测电池的离线参数。
[0132]
迭代估算模块202用于基于等效电路模型和离线参数，交替计算待测电池的第一soc值和待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值。
[0133]
在本实施例中，迭代估算模块202包括：方程建立单元、第一卡尔曼滤波单元、第二卡尔曼滤波单元和估算结果输出单元；其中，方程建立单元用于根据等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，并建立以待测电池参数为状态变量的第二状态方程；第一卡尔曼滤波单元用于将电池参数代入至第一状态方程后，采用卡尔曼滤波算法经过预设次数的计算得到第一soc值；第二卡尔曼滤波单元用于将第一soc值代入第二状态方程后，采用卡尔曼滤波算法计算得到在线参数；估算结果输出单元用于返回执行第一卡尔曼滤波单元，将重新计算得到的第一soc值作为soc估算值；其中，电池参数包括：离线参数和上一次计算得到的在线参数。
[0134]
soc计算模块203用于根据soc估算值计算待测电池当前的soc值。
[0135]
另一方面，本发明实施例还提供了一种储能设备，包括：电池soc估算设备和储能电池；其中，电池soc估算设备用于执行如本发明实施例的电池soc估算方法。
[0136]
本发明采用双卡尔曼滤波算法，一方面采用离线参数以及卡尔曼滤波算法估算soc，又采用卡尔曼算法结合估算结果计算出待测电池的在线参数并将在线参数又重新用于卡尔曼滤波算法对soc的估算，形成闭环；解决了仅采用离线参数估算soc造成的精度降低和soc跳变的问题，又降低了仅采用安时积分法而受到电流精度和温度的影响，从而提高了估算精度及稳定性。
[0137]
以上的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种电池soc估算方法，其特征在于，包括：调用待测电池的等效电路模型，获取所述待测电池的离线参数；基于所述等效电路模型和离线参数，交替计算所述待测电池的第一soc值和所述待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值；根据所述soc估算值计算所述待测电池当前的soc值。2.如权利要求1所述的电池soc估算方法，其特征在于，所述基于所述等效电路模型和离线参数，交替计算所述待测电池的第一soc值和所述待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值，具体为：根据所述等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，并建立以待测电池参数为状态变量的第二状态方程；soc计算：将电池参数代入至所述第一状态方程后，采用卡尔曼滤波算法经过预设次数的计算得到第一soc值；将所述第一soc值代入所述第二状态方程后，采用卡尔曼滤波算法计算得到所述在线参数；返回soc计算步骤，将重新计算得到的第一soc值作为所述soc估算值；其中，所述电池参数包括：离线参数和上一次计算得到的在线参数。3.如权利要求2所述的电池soc估算方法，其特征在于，所述根据所述等效电路模型，建立以soc和极化电压为状态变量的第一状态方程，具体为：建立以所述等效电路模型的soc和所述等效电路模型的电压参数为变量的状态空间方程；根据所述状态空间方程，建立所述等效电路模型的所述第一状态方程。4.如权利要求2所述的电池soc估算方法，其特征在于，所述将电池参数代入至所述第一状态方程后，采用卡尔曼滤波算法经过预设次数的计算得到第一soc值，具体为：获取的soc初始值，基于soc初始值设置卡尔曼滤波算法的第一初始值；第一参数计算：根据所述第一初始值和所述电池参数，计算当前时刻的soc先验状态值和当前时刻的第一先验协方差；根据所述待测电池的电压观测值与电压状态值的第一导数和所述第一先验协方差，计算当前时刻的第一卡尔曼增益矩阵；根据所述soc先验状态值、所述等效电路模型的开路电压和所述等效电路模型的欧姆内阻，计算当前时刻的端电压；根据所述端电压、所述soc先验状态值和所述第一卡尔曼增益矩阵，进行soc状态值更新和协方差更新；判断第一参数计算步骤的执行次数是否达到预设计算次数；当执行次数达到预设计算次数时，将更新后的soc状态值设置为所述第一soc值；当执行次数未达到预设计算次数时，返回第一参数计算步骤。5.如权利要求2所述的电池soc估算方法，其特征在于，所述将所述第一soc值代入所述第二状态方程后，采用卡尔曼滤波算法计算得到所述在线参数，具体为：根据所述第一soc值，设置卡尔曼滤波算法的第二初始值；第二参数计算：迭代计算所述待测电池的电压观测值对电压状态值的第二导数；
根据所述第二初始值，计算待测电池参数的先验状态值和第二先验协方差；根据所述第二先验协方差和所述第二导数，计算第二卡尔曼增益矩阵；根据所述第二先验协方差、所述第二卡尔曼增益矩阵和所述第二导数，对待测电池参数的状态值和协方差进行更新，得到所述在线参数，并返回第二参数计算步骤。6.如权利要求1所述的电池soc估算方法，其特征在于，所述根据所述soc估算值计算所述待测电池当前的soc值，具体为：根据所述soc估算值，确定在充放电过程中所述待测电池的安时积分系数；其中，所述soc估算值，包括：当前soc估算值、待测电池最高单体电压对应的第二soc值和待测电池最低单体电压对应的第三soc值；获取所述待测电池当前的第一电流值，并根据所述第一电流值和所述安时积分系数，进行安时积分计算，得到所述当前的soc值。7.如权利要求1-6任意一项所述的电池soc估算方法，其特征在于，所述等效电路模型为三阶rc等效电路模型。8.如权利要求1-6任意一项所述的电池soc估算方法，其特征在于，所述获取所述待测电池的离线参数，具体为：在预设温度点对所述待测电池进行hppc测试，获取不同soc下所述待测电池的离线参数。9.一种应用权利要求1-8任一所述电池soc估算方法的装置，其特征在于，包括：参数获取模块，用于调用待测电池的等效电路模型，获取所述待测电池的离线参数；迭代估算模块，用于基于所述等效电路模型和离线参数，交替计算所述待测电池的第一soc值和所述待测电池的在线参数，选取在计算达到预设次数后得到的第一soc值作为soc估算值；soc计算模块，用于根据所述soc估算值计算所述待测电池当前的soc值。10.一种储能设备，其特征在于，包括：电池soc估算设备和储能电池；其中，所述电池soc估算设备用于执行如权利要求1-8任意一项所述的电池soc估算方法。

技术总结
本发明公开了一种电池SOC估算方法及装置，该方法包括：调用待测电池的等效电路模型，并获取待测电池的离线参数；基于等效电路模型和离线参数，交替计算待测电池的第一SOC值和待测电池的在线参数，选取在计算达到预设次数后得到的第一SOC值作为SOC估算值；根据SOC估算值计算待测电池当前的SOC值。采用本发明实施例，解决了仅采用离线参数估算SOC造成的精度降低和SOC跳变的问题，又降低了仅采用安时积分法而受到电流精度和温度的影响，从而提高了估算精度及稳定性。了估算精度及稳定性。了估算精度及稳定性。


技术研发人员：姚震飞 宋苏 蒋飞 周瑜
受保护的技术使用者：浙江艾罗网络能源技术股份有限公司
技术研发日：2023.07.18
技术公布日：2023/9/9