本发明专利技术公开了一种基于灰色扩展卡尔曼滤波算法用于估算锂离子电池SOC的方法，包括步骤：首先通过灰色预测模型，预测当前时刻电池模型极化电压和SOC状态量的先验估算值，替代扩展卡尔曼滤波算法中Jacobian矩阵；然后利用扩展卡尔曼滤波算法通过观测值对先验估算值进行更新、修正得当前时刻锂离子电池SOC估算值。本发明专利技术为电动汽车电池管理系统提供了一种锂离子电池SOC估算方法，能提高锂离子电池SOC估算精度。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于灰色扩展卡尔曼滤波算法用于估算锂离子电池SOC的方法，包括步骤：首先通过灰色预测模型，预测当前时刻电池模型极化电压和SOC状态量的先验估算值，替代扩展卡尔曼滤波算法中Jacobian矩阵；然后利用扩展卡尔曼滤波算法通过观测值对先验估算值进行更新、修正得当前时刻锂离子电池SOC估算值。本专利技术为电动汽车电池管理系统提供了一种锂离子电池SOC估算方法，能提高锂离子电池SOC估算精度。【专利说明】一种基于灰色扩展卡尔曼的锂离子电池 SOC估算方法
本专利技术属于锂离子电池
，更为具体地讲，是涉及一种锂离子电池的SOC估 算方法。
技术介绍
： 动力电池作为电动汽车的主要储能装置，是电动汽车发展的核心部件。锂离子电 池因其能量密度大、循环寿命长、自放电低等特点，已经成为电动汽车动力电池的主攻方 向。 电池荷电状态（State of Charge，S0C)是电池状态的一个重要指标。准确在线估 计SOC能有效防止电池过充过放、提醒用户及时充电、及时更换电池等，同时还能节约电池 成本，延长电池使用寿命，并为电动汽车整车控制提供依据。目前国内外研究人员提供了安 时(Ah)积分法、开路电压法以及卡尔曼滤波等SOC估算方法。安时积分法因其原理简单、计 算方便，但是准确的初值、电池老化、累计误差等制约安时法计算精度。开路电压法根据OCV 曲线可以获得相对准确的S0C，但是，开路电压法需要长时间静置，难以满足在线估算要求。 扩展卡尔曼滤波法是近几年研究热点，其具有计算量小，估算精度高等特点，但扩展卡尔曼 滤波法要求噪声统计符合高斯模型，而在实车中难以满足，可能导致估算结果不收敛，影响 SOC估算精度。因此，使用扩展卡尔曼与其他算法的融合，提高SOC估算精度具有重要意义。
技术实现思路
本专利技术的目的是克服现有扩展卡尔曼算法中估算锂离子电池 SOC精度不足，提供 一种基于灰色扩展卡尔曼算法的锂离子电池 SOC估算方法，基于锂离子电池一阶RC模型，通 过带滑窗的灰色预测模型预测当前时刻模型极化电压和SOC状态量，然后再通过观测值对 极化电压和SOC进行更新、修正。 本专利技术所提出的一种基于灰色扩展卡尔曼算法的锂离子电池 SOC估算方法，该方 法包含以下步骤： (1)基于锂离子电池一阶RC模型，通过建立锂离子电池的数学模型，得到电池系统 状态空间方程和系统观测方程； 设电池荷电状态SOC和RC网络两端电压U1为系统状态量，电池端电压U t为观测量， 根据SOC定义，以安时法和锂离子电池一阶RC模型建立锂离子电池各时刻系统状态空间方 程(1)和系统观测方程(2):C1) U1表示RC网络部分两端电压，SOC表示电池荷电状态，R1表示RC网络部分极化内阻， C1表示RC网络部分极化电容，η为容量系数，τ为系统采样时间间隔;Cn为电池标称容量，k表 示电流，W为服从高斯分布的白噪声，均值为0,协方差为Qk，k为正整数，k=l，2,3· · ·;(2) U。。表示锂离子电池开路电压，Ro表示锂离子电池欧姆内阻部分，v为服从高斯分布 的白噪声，均值为〇，协方差为Rk，V和W相互独立； 将方程（1)和方程(2)改写通用表达式3得各 时刻电池系统系数矩阵：Dk = Ro(k);系统状态量表达式.X·'电流u(k) = U(k)，模型估算端电压 }(/<) = U,{k)； (2)模型参数辨识： 测量k时刻锂离子电池电流及端电压电压，由带遗忘因子的递推最小二乘算法辨 识此时刻锂离子电池一阶RC模型参数:Ro(k) Kk)，(Mk)，得锂离子状态空间表达式和观 测方程表达式系数矩阵Ak，Bk，Ck，Dk; (3)进行灰色扩展卡尔曼滤波算法设计： 首先，算法初始化;给定算法初始值:X(0 )，Po，Qo和初始时亥Ijv的协方差Ro，其中P0 为极化电压和SOC状态估算误差协方差矩阵Pk初始时刻时值； 其次，预测电池系统状态量的先验估计值;采用基于滑窗结构的GM(1，1)灰色预测 模型（Sliding window Gray prediction Model，简称SGM)替代扩展卡尔曼滤波算法中的 Jacobian矩阵，做k时刻系统状态量的先验估算，；将灰色卡尔曼算法中的系统中间状态量 看作成随时间变化的灰色发展过程，而不是简单随机过程，进而对该灰色发展过程建立SGM 模型，并使其白化； 假定时间序列在k时刻时滑窗窗口内η个更新后电池系统状态量的历史数据 .41，私_2,...，私_"，即后验估算值，构成序列乂 (°)，则乂(°)可由式(3)表示：(3) 为挖掘序列Xw变化趋势，对该序列进行一次累加变换，得到Xw的1-AG0序列Χ(1)， 贝丨仅⑴可由忒Μ)丟元.(4> 其中Χ(1)各项可以由式(5)表示：(5)则GM(1，1)的表达式为一阶方程式(6)所示：(6) 通过最小二乘法方程式(7)求解出式中3、S估算值：(7) 其中B和Yn表达式(8)为：(8) 联立式（7)和（8)计算得出?和I后代入式(6)得GM(1，1)的白化方程，通过解白化 方程得到该一阶方程的时间响应函数，进而预测系统下一步发展，将模型离散化后，可得出 预测模型表达式(9):(9)根据灰色预测模型预测k时刻电池极化系统电压和SOC状态量先验估算结果，如式 (10)所示：C1〇) 式中丨是由k时刻的前η个时刻系统状态量后验估算值灰色预测得来，4是当前 时刻系统极化电压和SOC状态量的先验估算值，同时采用式（11)计算系统状态估算误差协 方差C :ClD 最后，更新估算结果和估算误差协方差;利用k时刻系统观测量Y(k)更新系统状态 估算结果和状态估算误差协方差，首先通过式（12)计算系统测量余量：C12) 其中Y(k)为电池实测端电压。ekSk时刻系统测量余量。通过式（13)计算最优卡尔 曼增益Kk:U3)利用式（12)和式（13)里新t贝测结果，如式（14)和式（15)所示。C14) 式中对是1^时刻电池系统状态量更新后估算结果，即后验估算值。同时通过式（15) 对该值误差协方差矩阵进行更新： P^=(I-KlCi)Pt (15) (4)电池 SOC 估算：在GM-EKF算法实际应用中，当EKF算法使SOC估算值收敛于真值后再启用灰色预 测，通过EKF算法为灰色预测估算系统状态量的先验估算提供k时刻前η个系统状态量的后 验估算值和+·^，…再通过式（14)更新k时刻系统状态量后验估算值.?，即可得k时 亥Ij电池 SOC状态，在k+1时刻时，根据采集到的电池端电压Ut (k+1)和电流IL (k+1)辨识出电池 模型参数RMk+DKk+lhCKk+l)并更新状态空间方程（1)和观测方程(2)中的Ak+1，B k+1， Ck+1，Dk+1，并重复上述预测和更新的步骤，完成电池 SOC估算。 与现有基于扩展卡尔曼估算锂离子电池 SOC技术相比，本方法的有益效果为： (1)利用带遗忘因子的递推最小二乘算法实时更新模型参数，提高了灰色扩展卡 尔曼估算电池 SOC的实时更新能力，具有较强的实用推广性。 (2)灰色预测模型是基于锂离子电池多个系统状态量的历史数据估算当前时刻系 统状态量，能够降低系统随机扰动等因素对系统状态预测的影本文档来自技高网...
【技术保护点】
一种基于灰色扩展卡尔曼算法的锂离子电池SOC估算方法，将灰色预测模型和扩展卡尔曼滤波算法融合，通过灰色预测模型预测当前时刻锂离子电池极化电压和SOC状态先验估算值，再通过观测值对其进行更新、修正，进行锂离子电池SOC估算，其特征在于，基于灰色扩展卡尔曼算法估算锂离子电池SOC方法的包含以下步骤：(1)基于锂离子电池一阶RC模型，通过建立锂离子电池的数学模型，得到电池系统状态空间方程和系统观测方程，具体为：设电池荷电状态SOC和RC网络极化电压U1为系统状态量，电池端电压Ut为观测量，根据SOC定义，以安时法和锂离子电池一阶RC模型建立锂离子电池各时刻极化电压和SOC状态空间方程(1)和系统观测方程(2)：U1(k)SOC(k)=e-TR1C1001U1(k-1)SOC(k-1)+(1-e-TR1C1)R1(k)-ηTCnIL(k)+w(k)---(1)]]>R1表示RC网络部分极化内阻，C1表示RC网络部分极化电容，η为容量系数，T为系统采样时间间隔，Cn为电池标称容量，IL表示电流，w为服从高斯分布的白噪声，均值为0，协方差为Qk，k为正整数，k＝1，2，3···；y(k)=-1dUoc(SOC)dSOCTU1(k)SOC(k)+R0(k)IL(k)+v(k)---(2)]]>Uoc表示锂离子电池开路电压，R0表示锂离子电池欧姆内阻部分，v为服从高斯分布的白噪声，均值为0，协方差为Rk，v和w相互独立；将方程(1)和方程(2)改写通用表达式为得k时刻电池系统系数矩阵：Dk＝R0(k)；系统状态量表达式电流u(k)＝IL(k)，模型估算端电压(2)进行灰色扩展卡尔曼滤波算法设计：首先，算法初始化；给定算法初始值：x(0)，P0，Q0和初始时刻v的协方差R0，其中P0为极化电压和SOC状态估算误差协方差矩阵Pk初始时刻时值；其次，预测电池系统状态量的先验估计值；根据灰色预测模型预测k时刻系统状态量先验估算结果，如式(3)所示：x^k-=x^n+1(0)---(3)]]>式中是由k时刻的前n个时刻系统量后验估算值灰色预测得来，是当前时刻系统状态量的先验估算值，系统状态估算误差协方差由式(4)计算得来：Pk-=AkPk-1+AkT+Qk---(4)]]>最后，更新估算结果和估算误差协方差；利用k时刻系统观测量Y(k)更新系统状态估算结果和状态估算误差协方差，首先通过式(5)计算系统测量余量：ek=Y(k)-(Ckx^k-+DkIL(k))---(5)]]>其中Y(k)为电池实测端电压；ek为k时刻系统测量余量；最优卡尔曼增益Kk通过式(6)计算：Kk=Pk-CkT(CkPk-CkT+Rk)-1---(6)]]>利用式(7)和式(8)更新预测结果：x^k+=xk-+Kkek---(7)]]>式中是k时刻电池系统状态量更新后估算结果，即后验估算值。同时通过式(8)对该值误差协方差矩阵进行更新：Pk+=(I-KkCk)Pk----(8)]]>式中为误差协方差矩阵，I为单位矩阵。(3)锂离子电池SOC估算：在该算法的实际应用中，首先利用扩展卡尔曼算法使电池SOC估算收敛后再启用灰色预测模型估算电池SOC；以k时刻前n个系统状态量的后验估算值通过灰色预测模型预测k时刻系统状态先验估计值再依次以式(4)至式(8)分别计算ek，Kk，根据中的SOC(k)即可得k时刻电池SOC值；在k+1时刻时，根据采集到的电池端电压Ut(k+1)和电流IL(k+1)辨识出电池模型参数R0(k+1)，R1(k+1)，C1(k+1)并更新状态空间方程(1)和观测方程(2)中的Ak+1，Bk+1，Ck+1，Dk+1，重复上述预测和更新的步骤，完成电池SOC估算。...
【技术特征摘要】
【专利技术属性】
技术研发人员：潘海鸿，吕治强，陈琳，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45
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。