本发明专利技术公布了一种基于无迹卡尔曼滤波的电池系统荷电状态估计方法，该电池系统为M×N型电池系统，即由M个电池单体经串联成电池串、再由N个电池串并联而成。所述方法如下：建立基于电池荷电状态的电池系统等效电路模型，结合电池荷电状态含义建立电池系统空间状态方程，采用无迹卡尔曼滤波对电池系统进行荷电状态估计，并通过在线检测电池系统输出电压及电压估计值来更新无迹卡尔曼滤波的增益矩阵，以此循环递推来获取新的电池荷电状态估计值。本发明专利技术采用电池系统荷电状态估计算法比扩展卡尔曼滤波算法更准确、鲁棒性更好，既可适用于电池系统，也适用电池单体。
【技术实现步骤摘要】
本专利技术属于智能电网中丽级电池储能系统设计与控制
，涉及一种基于 无迹卡尔曼滤波的电池系统荷电状态估计方法。
技术介绍
随着风电、光伏发电等可再生能源及电网智能化的大力发展，电池系统作为电池 储能系统能量存储的主要载体，已越来越多地受到世界各国的关注和应用。同时可再生能 源规模的不断扩大及用电负荷的快速增长，也将促使电池系统向大容量化（MW级）方向发 展。然而，由于应用环境的复杂性（如秒级波动功率平滑、一次高频等高动态场合）及电池 电量不能直接测量等因素，准确估计电池系统荷电状态（State of Charge，S0C)不仅直接 决定电池系统能否安全、可靠、高效运行，且对电池系统优化配置、设计与控制等至关重要。 传统的S0C估计算法主要有：安时法、阻抗法、开路电压法等，近年来相继出现了 神经网络、模糊逻辑法、支持向量机及标准卡尔曼滤波法、扩展卡尔曼滤波法（Extended Kalman Filter，EKF)等高级算法。针对非线性时变的电池系统，目前常采用EKF，并取得良 好的效果，然而由于EKF存在自身计算复杂、忽略高阶项等问题，必会产生一定误差，使电 池的S0C估计精度仍待进一步研究。
技术实现思路
本专利技术解决的问题是在于提供一种基于无迹卡尔曼滤波（Unscented Kalman Filter, UKF)的电池系统荷电状态估计方法，解决电池系统性能参数受S0C影响、扩展卡尔 曼滤波法计算复杂、精度不高而导致电池系统S0C难以被准确测量、估算的问题，达到准确 估计电池系统S0C的目的。 本专利技术目的是通过以下技术方案来实现： 本专利技术提供一种电池系统，该系统由Μ个电池单体经串联成电池串、再由N个电池 串并联而成，其中Μ、Ν均为大于1的自然数。 -种基于无迹卡尔曼滤波的电池系统荷电状态估计方法如下：根据已知锂离子 电池单体性能参数，利用串、并联电路工作特性及筛选法确定电池系统性能参数与电池单 体性能参数的关系，再结合基尔霍夫定律KVC确定电池系统输出端电压方程，建立电池系 统等效模型（1);将电池系统的荷电状态S0C及等效模型中2个RC并联电路的端电压作为 状态变量，以电池系统的电流及输出电压分别作为系统输入量与输出量，结合电池系统等 效电路模型，得电池系统空间状态方程（2);将电池系统空间状态方程（2)中的电池系统 S0C、2个RC并联电路的端电压作为无迹卡尔曼滤波算法UKF的状态变量；电池系统空间状 态方程（2)的输入状态空间方程、输出电压状态空间方程分别作为UKF算法的非线性状态 方程及测量方程；通过电压传感器测量电池系统端电压（4)的实际值与UKF算法获得的电 池端电压估计值来更新增益矩阵（5)，最后由UKF算法经循环迭代，从而实时得到电池系统 S0C的估计值。 所述电池系统等效电路模型（1)为二阶等效电路模型，模型主电路由2个RC并联 电路、受控电压源UM(S0C)及电池内阻Rb等组成。建立准确的电池系统等效电路模型关键 在于如何根据电池工作特性来确定电池系统性能参数与电池单体性能参数的关系。本专利技术 中电池系统性能参数与电池单体性能参数关系式为： 式中，1、&1、(；；3、(；1分别表示电池系统模型中2个此并联电路的电阻和电容；下 标i表示第i个电池单体；分别表示电池单体的开路电压、内阻；^^^、(^、(^分别 表示电池单体模型中2个此并联电路的电阻和电容；1]1。、1?1、1^、1?11、(： 1；3、(：11均与30(：有关， S0C的定义为：其中，S0C。为电池单体S0C初始值，一 般为〇~1的常数；Qu(t)为电池单体不可用容量，Q。为电池单体额定容量。U 1(](S0C)、Rls、 Ru和C ls、Cn、民的计算分别如下：d。~d 2、e。~e 2、f。~f 2、bQ~b 5均为模型系数，可由电池测量数据经拟合而得。 所述电池系统空间状态方程（2)的建立如下：a、以电池系统的荷电状态S0Cb及等 效模型中2个RC并联电路的端电压作为状态变量，以电池系统的电流Ib为系统输入量，根 据等效电路模型建立电池系统空间状态方程为 式中，Ubs、Ubl为2个RC并联电路端电压，R bs、Rbl为2个RC并联电路的电阻，Q 电池系统额定电量，τρ τ2为时间常数，Wk为系统观过程噪声，At为采样周期，k为大于 1的自然数；b、根据基尔霍夫电压定律，结合电池系统等效电路模型，可得电池系统输出电 压方程为：Ub (t) = Ub。(t) _Rb (t) Ib (t) _Ubl (t) _Ubs⑴，式中，Ub为电池系统端电压，R b为电池 系统内阻。 所述无迹卡尔曼滤波算法UKF的主要步骤为：1)初始化状态变量X均值 E0和均方误差P。：； 2)获取采样 点Xi及对应权重ω : 式中，λ = a2(n+h)-n，〇Γ、别表示方差及均值的 权重，a、β分别表示采样点中粒子分布距离及高阶项误差大小；3)状态估计及均方误 差的时间更新：状态估计时间更新为，均方误 差时间更新为，系统输出时间更 新为式中，gkl(·)为测量方程；4)计算增益矩阵L k(5):;5)状态估计及均方误差的 测量更新：状态估计测量更新为，均方误差测量更新为 与采用扩展卡尔曼滤波算法EKF进行电池系统S0C估计相比，本专利技术具有以下有 益的技术效果：一是整个放电过程，本专利技术所采用的UKF算法比EKF算法进行电池系统S0C 估计时UKF估计精度更高，尤其是放电初期和末期效果更明显；二是所采用的UKF算法比 EKF算法能更快收敛于实验数据，鲁棒性更好。【附图说明】 图1为基于无迹卡尔滤波的电池系统荷电状态估计方法流程图； 图2为电池系统结构示意图； 图3为12X2电池系统结构示意图； 图4为含2个RC并联电路的电池系统等效电路模型图； 图5为无迹卡尔曼滤波算法流程图； 图6-1~图6-4为S0C。不同时电池恒流放电特性，其中图6-1为S0CQ= 1时S0C 变化情况，图6-2为S0CQ= 1时电池系统端电压变化情况，图6-3为S0C。= 0. 8时S0C变 化情况，图6-4为SOQi 0. 8时电池系统端电压变化情况； 图7-1~图7-4为S0C。不同时电池脉冲放电特性，其中图7-1为S0CQ= 1时S0C 变化情况，图7-2为S0CQ= 1时电池系统端电压变化情况，图7-3为S0C。= 0. 8时S0C变 化情况，图7-4为SOQi 0. 8时电池系统端电压变化情况。【具体实施方式】 下面结合具体的实例对本专利技术作进一步的详细说明，所述为对本专利技术的解释而不 是限定。 根据本专利技术实施例，如图1、图2、图3、图4和图5所示，提供了一种基于无迹卡尔 曼滤波的电池系统荷电状态估计方法，实施例的流程图如图1所示，主要包括以下几个步 骤： 1、建立电池系统等效电路模型 1)电池系统 电池系统是由Μ个电池单体经串联成电池串、再由N个电池串并联而成，其结构图 如图2所示。为便于分析，本实例中假设电池系统由12个电池单体经串联成电池串、再由 2个电池串并联而成，即12X2电池系统，如图3所示。电池系统中每个电池单体的额定电 压为3. 2V，额定容量为25Ah，放电截止电压为2. 5V。 2)建立12X2电池系统等效电路本文档来自技高网...
【技术保护点】
本专利技术公布了一种基于无迹卡尔曼滤波的电池系统荷电状态估计方法，其特征在于所述的电池系统是由M个电池单体经串联成电池串、再由N个电池串并联而成，其中M、N均为大于1的自然数。所述方法包括以下步骤：根据已知锂离子电池单体性能参数，利用串、并联电路工作特性及筛选法确定电池系统性能参数与电池单体性能参数的关系，再结合基尔霍夫定律KVC确定电池系统输出端电压方程，建立电池系统等效模型(1)。将电池系统的荷电状态SOC及等效模型中2个RC并联电路的端电压作为状态变量，以电池系统的电流及输出电压分别作为系统输入量与输出量，结合电池系统等效电路模型，得电池系统空间状态方程(2)。将电池系统空间状态方程(2)中的电池系统SOC、2个RC并联电路的端电压作为无迹卡尔曼滤波算法UKF的状态变量；电池系统空间状态方程(2)的输入状态空间方程、输出电压状态空间方程分别作为UKF算法的非线性状态方程及测量方程；通过电压传感器测量电池系统端电压(4)的实际值与UKF算法获得的电池端电压估计值来更新增益矩阵(5)，最后由UKF算法经循环迭代，从而实时得到电池系统SOC的估计值。
【技术特征摘要】
【专利技术属性】
技术研发人员：彭思敏，沈翠凤，薛迎成，何坚强，胡国文，阚加荣，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。