This invention discloses a new method for estimating the power lithium battery SoC. First, the lithium battery equivalent model is established by the autoregressive autoregressive exogenous (ARX) model. Then the order of the model is solved by the genetic algorithm based on the AIC criterion, and the recursive least square method is used after the order of the model is determined. The model coefficients are solved. According to the ARX model coefficient and the state equation of lithium battery, the spatial equation of state for Calman filter is established. Finally, the estimation of the lithium battery SOC is realized by using the Calman prediction iterative equation. The invention only needs to determine the order and coefficient of the ARX model, but no longer needs to solve the specific equivalent circuit parameter value. On the one hand, it simplifies the complicated formula deduction and calculation process, avoids the operation of the subsequent Calman filter state transfer matrix and the input control matrix e exponent; on the other hand, the equivalent circuit parameters are reduced. The error introduced by the complex conditions of the lithium battery.
【技术实现步骤摘要】
一种估算动力锂电池SoC的新方法
本专利技术涉及电池荷电状态的估计领域,具体是一种估算动力锂电池SoC的新方法。
技术介绍
今年来,新能源电动汽车的发展已经由当初的萌芽阶段发展到了瓶颈期,而电源管理系统(BatteryManagementSystem,BMS)成为制约其突破发展的关键技术。电源管理系统主要包括电池荷电状态(StateofCharge,SoC)的估计,电池温度的监测,以及电池过压、过流、过充、过放、过高温的保护等。其中,电池SoC主要完成电池剩余容量的估计,为驾驶员提供续航里程等信息,由于锂电池本身结构复杂,工作中受不同工况、周围温度,以及自身老化等因素的影响,所以电池SoC的估计相当困难。目前,锂电池SoC估计方法主要有开路电压法、安时积分法、神经网络法、卡尔曼滤波法等等。开路电压法需要对电池进行放电实验来获取OCV与SoC的对应关系,多应用于电池SoC初始值的获取。安时积分法原理简单、便于实现,但存在累积误差的问题,一般与开路电压法进行联合使用。除了开路电压法、安时积分法外,应用智能算法的锂电池SoC估计大多数都依赖于锂电池等效电路模型的具体参数。由于锂电池的动态非线性特点,及其在工作过程中会受到不同工况、环境温度等等因素的影响,实际建模过程中难以将这些因素都反映到所需的模型参数中去。因此,不管是采用离线辨识还是在线辨识的模型参数都存在误差,且随着误差的不断累积会影响所建立模型的准确度,最终影响到SoC的估算精度。
技术实现思路
鉴于以上缺陷,本专利技术提出了一种能够避免辨识模型参数的SoC估计方法,即基于自回归各态历经(autoregres ...
【技术保护点】
一种估算动力锂电池SoC的新方法,其特征在于,包括以下步骤:以动力锂电池等效电路模型为依据,建立锂电池的ARX模型;采用基于AIC准则的遗传算法获得最优的ARX模型的阶数,然后利用递推最小二乘法获得该模型的系数;根据所述ARX模型和锂电池状态方程建立卡尔曼滤波所需的状态空间方程,利用卡尔曼滤波算法的递推公式,迭代获得锂电池SoC。
【技术特征摘要】
1.一种估算动力锂电池SoC的新方法,其特征在于,包括以下步骤:以动力锂电池等效电路模型为依据,建立锂电池的ARX模型;采用基于AIC准则的遗传算法获得最优的ARX模型的阶数,然后利用递推最小二乘法获得该模型的系数;根据所述ARX模型和锂电池状态方程建立卡尔曼滤波所需的状态空间方程,利用卡尔曼滤波算法的递推公式,迭代获得锂电池SoC。2.根据权利要求1所述一种估算动力锂电池SoC的新方法,其特征在于:所述ARX模型为:A(q)V(k)=B(q)·I(k)+ε(k)A(q)=1+a1q-1+a2q-2+...+amq-mB(q)=b0+b1q-1+b2q-2+...+bnq-n式中,V(k)和I(k)分别为输出量和输入控制量,q为延迟算子,ε(k)为白噪声,am、bn为待辨识的系数,m、n表示ARX模型的阶数。3.根据权利要求2所述一种估算动力锂电池SoC的新方法,其特征在于:所述遗传算法中利用最小信息准则设计遗传算法的适应度函数,具体如下式:式中,m、n表示ARX模型的阶数,VL,k表示第k个时刻电池负载电压VL的测量值,表示第k个时刻的估计值,N表示用于参数估计的数据。4.根据权利要求3所述一种估算动力锂电池SoC的新方法,其特征在于:所述利用递推最小二乘法获得ARX模型的系数,具体如下:式中,表示被辨识的参数,θ=[a1...amb1...bn];表示观测向量,L(k)表示增益因子;Γ(k)表示测量的协方差阵。5.根据权利要求1或2或3或4所述一种估算动力锂电池SoC的新方法,其特征在于:所述卡尔曼滤波所需的状态空间方程为
【专利技术属性】
技术研发人员:聂文亮,季海婷,李春莉,邱刚,
申请(专利权)人:重庆三峡学院,
类型:发明
国别省市:重庆,50
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。