CN106980089A - 一种电池荷电状态确定方法及装置 - Google Patents

Abstract

本申请实施例公开了一种电池荷电状态确定方法及装置，减少荷电状态超出正常物理范围的现象的出现。其中，所述方法包括：依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值；若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

Description

一种电池荷电状态确定方法及装置

技术领域

本申请涉及电池领域，尤其涉及一种电池荷电状态确定方法及装置。

背景技术

随着石油能源的紧缺以及空气污染的不断扩大，电动汽车(Electrical Vehicle，EV)的发展越来越重要。电动汽车一般包括纯电动汽车(Battery Electrical Vehicle，BEV)和混合动力汽车(Hybrid Electric Vehicle，HEV)。对于电动汽车而言，电池是其核心技术。电动汽车的电池一般为蓄电池，蓄电池的剩余电量一般采用SOC(State of Charge，荷电状态)来表示，所述SOC为蓄电池使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示。其取值范围为0～1，当SOC＝0时表示电池放电完全，当SOC＝1时表示电池完全充满。

现有技术依据等效电路模型和卡尔曼滤波算法来估算电池的荷电状态。等效电路模型也叫做戴维南模型，该模型可以看作是与电池等效的电路，用于模拟电池的伏安特性。卡尔曼滤波(Kalman filtering)算法是一种基于统计学中最小二乘算法的递归算法，对于线性系统，若噪音已知且符合高斯分布，则根据该算法可以得到系统状态方程中未知数的最优解。将卡尔曼滤波算法应用于电池电荷状态的计算，电池电荷状态是系统状态方程中的未知数，通过该算法可以得到电荷状态在各个时刻的最优解。然而，应用于电池电荷状态计算的卡尔曼滤波算法，其噪音不为已知，所以需要对噪音进行估计。若噪音估计不准确，则会出现计算出来的荷电状态超出正常的物理范围(即荷电状态小于零或大于1)的现象，即得到的荷电状态是无效的。另外，荷电状态的计算需要系统初始状态的参与，一般情况下，系统初始状态也是一个预估的状态，若预估值与实际偏差较大，则也可能会出现计算出来的荷电状态超出正常物理范围的现象。如果荷电状态超出正常物理范围，则会在卡尔曼滤波算法不断迭代的过程中造成错误不断累加，从而导致荷电状态的最优解越来越不准确。

发明内容

为了解决现有技术中存在的技术问题，本申请提供了一种电池荷电状态确定方法及装置，减少荷电状态超出正常物理范围的现象的出现，提高荷电状态的准确性。

本申请实施例提供了一种电池荷电状态确定方法，所述方法包括：

依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值；

若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；

若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

可选的，所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值和/或卡尔曼增益在当前时刻的参数值。

可选的，若所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值，且所述电池的等效电路模型包括电池的等效内阻和电池的等效RC振荡电路，所述等效内阻与所述等效RC振荡电路串联，则所述等效电路模型中的参数在上一时刻的参数值包括：

上一时刻所述等效内阻的电压的最优解和上一时刻等效RC振荡电路的电压的最优解。

可选的，所述方法还包括：

根据所述电池处于使用状态下的电压范围和电池在非使用状态下的电压范围得到所述预设范围，所述预设范围包括第一预设范围和第二预设范围，所述第一预设范围与所述上一时刻所述等效内阻的电压的最优解对应，所述第二预设范围与所述上一时刻等效RC振荡电路的电压的最优解对应。

本申请实施例提供了一种电池荷电状态确定装置，所述装置包括：获取单元、第一确定单元和第二确定单元；

其中，所述获取单元，用于依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值；

所述第一确定单元，用于若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；

所述第二确定单元，用于若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

可选的，所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值和/或卡尔曼增益在当前时刻的参数值。

可选的，若所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值，且所述电池的等效电路模型包括电池的等效内阻和电池的等效RC振荡电路，所述等效内阻与所述等效RC振荡电路串联，则所述等效电路模型中的参数在上一时刻的参数值包括：

上一时刻所述等效内阻的电压的最优解和上一时刻等效RC振荡电路的电压的最优解。

可选的，所述装置还包括：

预设范围确定单元，用于根据所述电池处于使用状态下的电压范围和电池在非使用状态下的电压范围得到所述预设范围，所述预设范围包括第一预设范围和第二预设范围，所述第一预设范围与所述上一时刻所述等效内阻的电压的最优解对应，所述第二预设范围与所述上一时刻等效RC振荡电路的电压的最优解对应。

本申请通过依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值，若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。即通过对用于计算当前时刻的电池荷电状态的相关参数的数值限定在预设范围之内，从而使得得到的电池荷电状态尽可能在[0,1]的范围之内，减少电池荷电状态出现无效现象的可能性，进而避免在卡尔曼滤波算法迭代过程中错误的不断累加，提高电池荷电状态的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请提供的电池的等效电路模型的示意图；

图2为本申请实施例一提供的一种电池荷电状态确定方法的流程图；

图3为本申请实施例二提供的一种电池荷电状态确定装置的结构框图。

具体实施方式

在介绍本申请提供的电池荷电状态确定方法及装置的技术方案之前，首先介绍一下确定电池荷电状态的背景原理：

如背景技术部分记载，电池的等效电路模型可以看作是与电池等效的电路，用于模拟电池的伏安特性。举个例子，参见图1，该图为其中一种电池的等效电路模型的示意图。在图1中，电池的等效电路模型包括电池的等效内阻R0和三个等效RC振荡电路。等效电阻R0两端的电压为U_Ω。其中，第一个等效RC振荡电路包括并联的电阻R_s和电容C_s，两端电压为U_s；第二个等效RC振荡电路包括并联的电阻R_n和电容C_n，两端电压为U_n；第三个等效RC振荡电路包括并联的电阻R_l和电容C_l，两端电压为U_l。等效内阻R0、第一个等效RC振荡电路、第二个等效RC振荡电路和第三个等效RC振荡电路之间串联。三个等效RC振荡电路用于模拟电池的极化效应。

图1中还包括与等效内阻R0和三个等效RC振荡电路串联的等效电源，等效电源的电压称为开路电压E_B，具体为电池上次处于非使用状态下(即静置状态下)测量得到的电压。等效电路模型两端的电压为闭路电压U_L，具体为电池在使用状态下测量得到的电压，通常由并联在电池两端的电压传感器获得。

通过对图1进行分析可以得到如下公式：

U_L,k＝-U_Ω,k-U_s,k-U_n,k-U_l,k+E_B,k

其中，i_k-1为电池在k-1时刻流出的电流的大小，U_Ω,k为等效电阻R0在k时刻两端的电压；U_s,k为第一个等效RC振荡电路在k时刻两端的电压，U_s,k-1为第一个等效RC振荡电路在k-1时刻两端的电压；U_n,k为第二个等效RC振荡电路在k时刻两端的电压，U_n,k-1为第二个等效RC振荡电路在k-1时刻两端的电压；U_l,k为第三个等效RC振荡电路在k时刻两端的电压，U_l,k-1为第三个等效RC振荡电路在k-1时刻两端的电压；SOC_k为电池在k时刻的荷电状态，SOC_k-1为电池在k-1时刻的荷电状态；Δt为采样间隔；Cap为电池的总容量；E_B,k为电池在k时刻的开路电压。

需要注意的是，图1中示意的等效RC振荡电路的个数并不一定是三个，可以至少为一个。

已知电池的开路电压E_B,k与电池的荷电状态SOC_k有一一对应且单调递增的关系，在实际应用中可以通过拟合的方式得到该关系的拟合方程。拟合的方式有很多种，以多项式拟合为例，可以存在如下关系式：

其中，g(SOC_k)为E_B,k关于SOC_k的函数，a、b、c、d为系数，e为常数。

由于g(SOC_k)的导数O因C此，

在实际应用中，可以通过实验的方法得到a、b、c、d和e的值：

首先，将电池充满电后，获得电池的总容量。然后，以10％总容量(相当于10％SOC)为单位进行放电，每次放电结束之后静置一段时间(例如一小时)，测量电池在静置状态下的两端电压E_B，重复放电直至电池的SOC为0。由此得到一组两端电压E_B与SOC的数据，将该数据代入上述拟合方程，得到a、b、c、d和e的值。为了使得到的a、b、c、d和e的值更加准确，可以在不同温度下对电池进行实验，得到不同温度的电池对应的a、b、c、d和e。

在得到电池的开路电压E_B,k与电池的荷电状态SOC_k之间的拟合方程之后，可以构建卡尔曼滤波算法的系统状态方程。

卡尔曼滤波算法也称为最优化自回归数据处理算法(optimal recursive dataprocessing algorithm)。其中心思想是用前一时刻的系统状态最优估计解(简称最优解)估计当前时刻的系统状态最优估计解。其基本假设包括：

(1)后验概率分布p(x_k-1|y_1:k-1)为高斯分布；

(2)系统状态方程是线性的：

其中，x_k为系统在k时刻的状态估计量，x_k-1为系统在k-1时刻的状态估计量，μ_k为输入量，y_k为观测量，ω_s为系统噪声，ω_o为观测噪声，A_k、B_k和C_k为系数。

(3)系统噪声ω_s和观测噪声ω_o都是高斯分布。

适用于图1所示的电池的等效电路模型，x_k为电池等效状态估计量，且观测量y_k＝U_L,k，输入量μ_k为i_k-1，系统噪声ω_s为电流采样噪声，观测噪声为ω_o为电压采样噪声。对应的系统状态方程为：

y_k＝[-1 -1 -1 -1 g′(SOC_k)]x_k (2)

在公式(1)和(2)中，已知数为i_k-1、Δt、Cap、电池等效状态估计量的初始值x₀，其中，SOC₀为在电池上次进入非使用状态前记录的荷电状态，也就是说，U_Ω,0、U_s,0、U_m,0和U_l,0全部预估为0。公式(1)和(2)中的未知数为R0、R_s、C_s、R_n、Cn、R_l、C_l和SOC_k。

为了得到上述未知数，通过下面五个迭代公式来进行求解：

P_k/k-1＝A P_k-1A ^T+Q^s (3)

P_k＝P_k/k-1-P_k/k-1C^T(CP_k/k-1C^T+Q^o)^-1CP_k/k-1 (4)

其中，P_k＝cov{x_k|y_1:k}，表示在已知(y₁、y₂…y_k-1)时x_k的方差，方差P_k的初始值为P₀，P₀预估为5×5的全0矩阵；P_k-1为与x_k-1对应的方差；P_k/k-1为根据P_k-1得到的中间参数。也就是说，公式(3)和公式(4)是根据k-1时刻的方差P_k-1预估出k时刻的方差P_k。Q^s为电流采样噪声ω_s的方差，Qo为电压采样噪声ω_o的方差。

K_k＝P_k/k-1C^T(CP_k/k-1C^T+Q^o)^-1 (5)

电池的优化状态方程

其中，表示在已知(y₁、y₂…y_k-1)时x_k的期望，也就是k时刻电池状态的最优解，即SOC_k、U_Ω,k、U_s,k、U_n,k以及U_l,k分别在k时刻的最优解；为k-1时刻电池状态的最优解；为根据得到的中间参数；为根据得到的中间参数，即为已知(y₁、y₂…y_k-1)时y_k的期望；K_k为k时刻的卡尔曼增益。C＝[-1 -1 -1 -1 g′(SOC_k)]。

由此可见，通过卡尔曼滤波算法，可以得到各个时刻电池荷电状态的最优解。

然而，由于电流采样噪声ω_s和电压采样噪声ω_o并不已知，因而电流采样噪声ω_s的方差Q^s和电压采样噪声ω_o的方差Q^o也并不已知，所以需要对ω_s和ω_o(或Q^s和Q^o)进行估计。若估计不准确，则会出现荷电状态SOC_k的最优解超出正常的物理范围(即荷电状态小于零或大于1)的现象，即得到的荷电状态是无效的，甚至出现不回归的现象。另外，荷电状态的计算需要系统初始状态(即电池等效状态估计量的初始值x₀以及方差P_k的初始值P₀)的参与，一般情况下，系统初始状态也是一个预估的状态，若预估值与实际偏差较大，则也可能会出现计算出来的荷电状态SOC_k超出正常物理范围的现象。如果荷电状态SOC_k超出正常物理范围，则错误在后续迭代的过程中会一直累加，因为SOC_k会参与到下一次SOC_k最优解的计算，所以最终导致计算得到的荷电状态SOC_k与电池的实际荷电状态相差较大。

为了克服上述技术问题，本申请提供了一种电池荷电状态确定方法及装置，为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

实施例一：

参见图2，该图为本申请实施例一提供的一种电池荷电状态确定方法的流程图。

本实施例提供的电池荷电状态确定方法包括如下步骤：

步骤S101：依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值。

在本实施例中，所述相关参数为影响所述电池荷电状态最优解的参数。所述相关参数包括所述等效电路模型中的参数和/或卡尔曼增益等。所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值和/或卡尔曼增益在当前时刻的参数值等。

若所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值，且所述电池的等效电路模型包括电池的等效内阻和电池的等效RC振荡电路，所述等效内阻与所述等效RC振荡电路串联，则所述等效电路模型中的参数在上一时刻的参数值包括：上一时刻所述等效内阻的电压的最优解和上一时刻等效RC振荡电路的电压的最优解。

以图1的等效电路模型为例，参见所述公式(6)和(7)，对k时刻电池的最优状态起到根本性影响的是k-1时刻电池的最优状态即，荷电状态SOC_k的最优解从本质上说是根据k-1时刻对应的U_Ω,k-1的最优解、U_s,k-1的最优解、U_n,k-1的最优解以及U_l,k-1的最优解得到的，若U_Ω,k-1、U_s,k-1、U_n,k-1以及U_l,k-1数据不合适，则可能会导致SOC_k大于1或小于0。因此，影响所述电池荷电状态SOC_k的最优解的相关参数包括所述等效电路模型中的参数U_Ω、U_s、U_n和U_l，相关参数的第一参数值包括U_Ω,k-1的最优解、U_s,k-1的最优解、U_n,k-1的最优解以及U_l,k-1的最优解。

除了k-1时刻电池的最优状态对k时刻电池的最优状态产生影响的参数还可以包括k时刻的卡尔曼增益K_k。K_k越大，SOC_k的值越高。当K_k的值大到一定程度，则SOC_k的值可能会大于1。

步骤S102：若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解。

步骤S103：若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

当电流采样噪声ω_s和电压采样噪声ω_o估计不准确，或者是系统初始状态估计不准确时，用于计算所述SOC_k的前一时刻的相关参数也不准确，进而根据所述相关参数得到的SOC_k也不准确，可能会出现SOC_k的值大于1或小于0的现象。为了减少出现SOC_k的值大于1或小于0的现象的可能性，本实施例对用于计算当前时刻的电池荷电状态的相关参数的数值进行了限定，即所述相关参数的数值需要在预设范围之内。具体的，判断所述相关参数的第一参数值是否在预设范围之内，若是，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；若否，利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻的所述电池荷电状态的最优解，其中，所述第二参数值在所述预设范围之内。即，通过利用在所述预设范围内的第二参数值代替不在所述预设范围内的第一参数值，来对SOC_k的最优解进行估计，降低SOC_k出现无效值的可能性，从而避免在卡尔曼滤波算法在后续迭代的过程中对错误的累计，提高电池荷电状态的准确性。

本实施例对如何确定预设范围不做具体限定，可以凭经验进行设定，还可以根据具体参数计算得到。

若所述相关参数包括卡尔曼增益，则所述预设范围的最大值不能太大，因为如果太大，则无法达到限制所述当前时刻的电池荷电状态的值的目的；且所述预设范围的最小值不能太小，因为太小则会降低荷电状态的估算精度，所以所述预设范围应当为一个合适的范围，具体数值的确定可以通过实验或凭经验得到，此处不再赘述。

若所述相关参数包括所述等效电路模型中的参数在上一时刻的参数值，则根据所述电池处于使用状态下的电压范围和电池在非使用状态下的电压范围得到所述预设范围。所述预设范围包括第一预设范围和第二预设范围，所述第一预设范围与所述上一时刻所述等效内阻的电压的最优解对应，所述第二预设范围与所述上一时刻等效RC振荡电路的电压的最优解对应。

所述电池处于使用状态下的电压范围为闭路电压的范围，不同电池在使用状态下的电压范围是不同的，以某款三元材料锂离子电池为例，其处于使用状态下的电压范围为[2.8V,4.2V]，该范围是通过电压传感器测出来的。所述电池在非使用状态下的电压范围为开路电压的范围，通常为电池的荷电状态为0％且静置时两端电压以及电池荷电状态为100％且静置时两端电压组成的范围。

以图1为例，假设某款三元材料锂离子电池的处于使用状态下的电压范围为[2.8V,4.2V]那么k-1时刻的闭路电压2.8V≤U_L,k≤4.2V，由于U_L,k-1＝-U_Ω,k-1-U_s,k-1-U_n,k-1-U_l,k-1+E_B,k-1，则2V≤_Ω,k.-U_-1s 8。

该电池在非使用状态下的电压范围为[3.4V,4.2V]，那么k-1时刻开路电压3.4V≤E_B,k-1≤4.2V，则由于电池在使用过程中，第一个等效RC振荡电路的两端电压U_s,k-1一定有U_s,k-1＞U_s,k-2＞0，此时一定有k-2时刻的电池流出的电流i_k-2≥0，因为如果i_k-2＜0，则U_s,k-1为最大值不成立。同理可得U_n,k-1＞U_n,-k2＞0,U_l,k-1＞U_l,k-2＞0。

以U_s,max来表示k-1时刻第一个等效RC振荡电路的两端电压的最大值，以U_n,max来表示k-1时刻第二个等效RC振荡电路的两端电压的最大值，以U_l,_max来表示k-1时刻第三个等效RC振荡电路的两端电压的最大值，则有U_Ω,_k-1+U_s,max+U_n,max+U_l,max≤1.4V。由于i_k-2≥0，则有U_Ω,k-1≥0，所以有

同理，若以U_s,min来表示k-1时刻第一个等效RC振荡电路的两端电压的最小值，以U_n,min来表示k-1时刻第二个等效RC振荡电路的两端电压的最小值，以U_l,min来表示k-1时刻第三个等效RC振荡电路的两端电压的最小值，则有所以可得-0.8V≤U_s,k-1+U_n,k-1+U_l,k-1≤1.4V。由于-0.8V≤U_Ω,k-1+U_s,k-1+U_n,k-1+U_l,k-1≤1.4V，则-2.2V≤U_Ω,k-1≤2.2V。

综上所述，为了满足SO_kC在[0,1]范围内，需要满足及-4V2.2V≤U_Ω,k-1≤2.2V的条件，即第一预设范围为[-2.2V,2.2V]，第二预设范围为[-0.8V,1.4V]。需要注意的是，正负号表示电流的方向，若定义其中一个方向为电流正方向，则另外一个方向为电流负方向。

基于以上实施例提供的一种电池荷电状态方法，本申请实施例还提供了一种电池荷电状态装置，下面结合附图来详细说明其工作原理。

实施例二

参见图3，该图为本申请实施例二提供的一种电池荷电状态确定装置的结构框图。

本实施例提供的电池荷电状态确定装置包括：获取单元101、第一确定单元102和第二确定单元103；

其中，所述获取单元101，用于依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值；

所述第一确定单元102，用于若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；

所述第二确定单元103，用于若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

当电流采样噪声ω_s和电压采样噪声ω_o估计不准确，或者是系统初始状态估计不准确时，用于计算所述SOC_k的前一时刻的相关参数也不准确，进而根据所述相关参数得到的SOC_k也不准确，可能会出现SOC_k的值大于1或小于0的现象。为了减少出现SOC_k的值大于1或小于0的现象的可能性，本实施例对用于计算当前时刻的电池荷电状态的相关参数的数值进行了限定，即所述相关参数的数值需要在预设范围之内。具体的，判断所述相关参数的第一参数值是否在预设范围之内，若是，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；若否，利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻的所述电池荷电状态的最优解，其中，所述第二参数值在所述预设范围之内。即，通过利用在所述预设范围内的第二参数值代替不在所述预设范围内的第一参数值，来对SOC_k的最优解进行估计，降低SOC_k出现无效值的可能性，从而避免在卡尔曼滤波算法在后续迭代的过程中对错误的累计，提高电池荷电状态的准确性。

可选的，所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值和/或卡尔曼增益在当前时刻的参数值。

可选的，若所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值，且所述电池的等效电路模型包括电池的等效内阻和电池的等效RC振荡电路，所述等效内阻与所述等效RC振荡电路串联，则所述等效电路模型中的参数在上一时刻的参数值包括：

上一时刻所述等效内阻的电压的最优解和上一时刻等效RC振荡电路的电压的最优解。

可选的，所述装置还包括：

预设范围确定单元，用于根据所述电池处于使用状态下的电压范围和电池在非使用状态下的电压范围得到所述预设范围，所述预设范围包括第一预设范围和第二预设范围，所述第一预设范围与所述上一时刻所述等效内阻的电压的最优解对应，所述第二预设范围与所述上一时刻等效RC振荡电路的电压的最优解对应。

当介绍本申请的各种实施例的元件时，冠词“一”、“一个”、“这个”和“所述”都意图表示有一个或多个元件。词语“包括”、“包含”和“具有”都是包括性的并意味着除了列出的元件之外，还可以有其它元件。

需要说明的是，本领域普通技术人员可以理解实现上述方法实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccess Memory,RAM)等。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元及模块可以是或者也可以不是物理上分开的。另外，还可以根据实际的需要选择其中的部分或者全部单元和模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (8)

1.一种电池荷电状态确定方法，其特征在于，所述方法包括：

依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值；

若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；

若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

2.根据权利要求1所述的方法，其特征在于，所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值和/或卡尔曼增益在当前时刻的参数值。

3.根据权利要求2所述的方法，其特征在于，若所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值，且所述电池的等效电路模型包括电池的等效内阻和电池的等效RC振荡电路，所述等效内阻与所述等效RC振荡电路串联，则所述等效电路模型中的参数在上一时刻的参数值包括：

上一时刻所述等效内阻的电压的最优解和上一时刻等效RC振荡电路的电压的最优解。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述电池处于使用状态下的电压范围和电池在非使用状态下的电压范围得到所述预设范围，所述预设范围包括第一预设范围和第二预设范围，所述第一预设范围与所述上一时刻所述等效内阻的电压的最优解对应，所述第二预设范围与所述上一时刻等效RC振荡电路的电压的最优解对应。

5.一种电池荷电状态确定装置，其特征在于，所述装置包括：获取单元、第一确定单元和第二确定单元；

其中，所述获取单元，用于依据电池的等效电路模型和卡尔曼滤波算法，得到电池荷电状态的相关参数的第一参数值；

所述第一确定单元，用于若所述第一参数值在预设范围之内，则利用所述第一参数值得到当前时刻所述电池荷电状态的最优解；

所述第二确定单元，用于若所述第一参数值在所述预设范围之外，则利用预先设定的所述相关参数的第二参数值代替所述第一参数值得到当前时刻所述电池荷电状态的最优解，所述第二参数值在所述预设范围内。

6.根据权利要求5所述的装置，其特征在于，所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值和/或卡尔曼增益在当前时刻的参数值。

7.根据权利要求6所述的装置，其特征在于，若所述相关参数的第一参数值包括所述等效电路模型中的参数在上一时刻的参数值，且所述电池的等效电路模型包括电池的等效内阻和电池的等效RC振荡电路，所述等效内阻与所述等效RC振荡电路串联，则所述等效电路模型中的参数在上一时刻的参数值包括：

上一时刻所述等效内阻的电压的最优解和上一时刻等效RC振荡电路的电压的最优解。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

预设范围确定单元，用于根据所述电池处于使用状态下的电压范围和电池在非使用状态下的电压范围得到所述预设范围，所述预设范围包括第一预设范围和第二预设范围，所述第一预设范围与所述上一时刻所述等效内阻的电压的最优解对应，所述第二预设范围与所述上一时刻等效RC振荡电路的电压的最优解对应。