详情

原文传递一种动力电池SOC预测装置、汽车及方法

专利名称：	一种动力电池SOC预测装置、汽车及方法
摘要：	本发明涉及动力电池健康状态领域，公开一种基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，该动力电池SOC预测装置包括连接于动力电池的以下部件记录动力电池充放电时间的微控制器、测量动力电池温度的温度传感器、测量动力电池充电电流的电流传感器、测量充电电池放电电压的电压传感器，其中，微控制器分别连接于温度传感器、电流传感器和电压传感器，微控制器在建立多个预测动力电池的核电状态的数学模型和得到每个荷电状态的权重之后，通过加权求和算法得到动力电池的荷电状态值。本发明提高了描述动力电池的充放电特性的精度。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	芜湖职业技术学院
发明人：	王勇;陈万顺;钱峰;夏跃武;杨会;安强
专利状态：	有效
申请日期：	2019-03-26T00:00:00+0800
发布日期：	2019-07-09T00:00:00+0800
申请号：	CN201910231030.6
公开号：	CN109986997A
代理机构：	北京润平知识产权代理有限公司
代理人：	周锟
分类号：	B60L58/12(2019.01);B;B60;B60L;B60L58
申请人地址：	241003 安徽省芜湖市文津西路201号
主权项：	1.一种基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，其特征在于，该动力电池SOC预测装置包括连接于动力电池的以下部件记录动力电池充放电时间的微控制器、测量动力电池温度的温度传感器、测量动力电池充电电流的电流传感器、测量充电电池放电电压的电压传感器，其中，所述微控制器分别连接于所述温度传感器、电流传感器和电压传感器，所述微控制器在建立多个预测动力电池的核电状态的数学模型和得到每个荷电状态的权重之后，通过加权求和算法得到动力电池的荷电状态值。 2.根据权利要求1所述的基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，其特征在于，该动力电池SOC预测装置包括：所述控制器能够根据所测量的充电电流和放电电压建立多个数学模型，并通过扩展卡尔曼滤波法针对多个数学模型预测动力电池的荷电状态；所述微控制器能够根据动力电池充放电时间和动力电池温度模糊推理后得到每个数学模型预测动力电池的荷电状态的权重；通过多个数学模型预测动力电池的荷电状态及其权重的加权求和算法得到动力电池的荷电状态值。 3.根据权利要求1所述的基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，其特征在于，所述微控制器还连接有带电可擦可编程只读存储器，在所述带电可擦可编程只读存储器中记录有动力电池的放电总时间。 4.根据权利要求1所述的基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，其特征在于，该动力电池SOC预测装置还包括电源，所述电源连接于所述微控制器、温度传感器、电流传感器和电压传感器，以提供工作电压。 5.根据权利要求1所述的基于模糊多模型卡尔曼滤波的动力电池SOC预测装置，其特征在于，该动力电池SOC预测装置还包括输入端连接于所述微控制器的CAN控制器，所述CAN控制器的输出端连接于车载ECU。 6.一种汽车，其特征在于，该汽车包括根据权利要求1-5中任意一项所述基于模糊多模型卡尔曼滤波的动力电池SOC预测装置。 7.一种基于模糊多模型卡尔曼滤波的动力电池SOC预测方法，其特征在于，该动力电池SOC预测方法包括在建立多个预测动力电池的核电状态的数学模型和得到每个荷电状态的权重之后，通过加权求和算法得到动力电池的荷电状态值。 8.根据权利要求7所述的基于模糊多模型卡尔曼滤波的动力电池SOC预测方法，其特征在于，在建立多个预测动力电池的核电状态的数学模型和得到每个荷电状态的权重之后，包括：根据测量的动力电池的充电电流和放电电压建立多个数学模型，并通过扩展卡尔曼滤波法针对多个数学模型预测动力电池的荷电状态；根据动力电池充放电时间和动力电池温度模糊推理后得到每个数学模型预测动力电池的荷电状态的权重。 9.根据权利要求8所述的基于模糊多模型卡尔曼滤波的动力电池SOC预测方法，其特征在于，通过加权求和算法得到动力电池的荷电状态值，包括：通过多个数学模型预测动力电池的荷电状态及其权重的加权求和算法得到动力电池的荷电状态值。
所属类别：	发明专利