一种基于ARIMA估算电池SOC的方法技术

本发明专利技术涉及一种基于ARIMA估算电池SOC的方法，其包括步骤S1，提供一个待估计SOC的电池，根据其特性建立待辨识电池模型，获得离散的待辨识电池模型和待辨识电池模型矩阵；步骤S2，对离散的待辨识电池模型进行定参，并获得ARIMA模型，对ARIMA模型进行定参，利用定参ARIMA模型对定参电池模型输出预测残差进行预测，以修正定参电池模型输出预测残差，使修正后的输出预测残差更接近于白噪声；步骤S3，建立定参增广电池模型,获取定参增广电池模型矩阵；步骤S4，将定参增广电池模型和定参增广电池模型矩阵用于卡尔曼滤波修正估计的电池SOC值。本发明专利技术还增加了在线辨识，实测数据更新定参增广电池模型的参数，以跟踪电池特性随时间的变化，使SOC的实时估算更为精确。

【技术实现步骤摘要】

本专利技术涉及一种电池SOC测量方法领域，尤其涉及一种基于ARIMA估算电池SOC的方法。
技术介绍
各类二次电池在不同行业中有极为广泛的应用。在一些行业，如电动汽车、电子设备行业中，需要对SOC(State of Charge，荷电状态)给出准确的估计。精确估计SOC能够使电池在使用及充电过程中避免过放和过充，并使得设备能够充分利用电池的剩余电量，从而提高电池的使用寿命。为了准确估计电池的SOC，可使用卡尔曼滤波。卡尔曼滤波是一种状态滤波算法，若已知系统的状态矩阵及输出矩阵，且系统的输出可以测量，则可以根据输出测量值，通过卡尔曼滤波对系统的状态进行估算。同时，卡尔曼滤波有扩展卡尔曼滤波、无迹卡尔曼滤波、自适应卡尔曼滤波等变种，可以对非线性系统及变协方差噪声系统进行状态估计。卡尔曼滤波可以根据带噪声的系统输出对系统状态作出最优估计。当噪声为高斯白噪声时，该估计是最小方差估计；当噪声为非高斯白噪声时，该估计是线性最小方差估计。然而，卡尔曼滤波算法有一定的局限性，即使用卡尔曼滤波算法需要知道任意时刻系统的噪声均值、相关性及协方差矩阵。在实际系统中，这一要求常常不能得到满足。实际系统模型可能是近似模型或者经验模型，因此噪声具有较复杂的统计特性，无法满足卡尔曼滤波
的理论假设，降低了卡尔曼滤波算法对电池SOC估算的准确性。
技术实现思路
为克服现有技术存在的不足。本专利技术提供一种基于ARIMA估算电池SOC的方法。本专利技术解决技术问题的技术方案是提供一种基于ARIMA估算电池SOC的方法包括以下步骤：步骤S1：提供一个待估计SOC的电池，根据其特性建立待辨识电池模型，获得离散的待辨识电池模型和待辨识电池模型矩阵；步骤S2：利用工况测试对离散的待辨识电池模型进行定参，并建立定参电池模型输出预测残差服从的ARIMA模型，根据定参电池模型输出预测残差对ARIMA模型进行定参，利用定参ARIMA模型对定参电池模型输出预测残差进行预测，以修正定参电池模型输出预测残差，使修正后的输出预测残差更接近于白噪声；步骤S3：将步骤S2中的定参ARIMA模型与定参电池模型结合，建立定参增广电池模型，获取定参增广电池模型矩阵；步骤S4：根据步骤S3中获取的定参增广电池模型和定参增广电池模型矩阵，将定参增广电池模型和定参增广电池模型矩阵用于卡尔曼滤波修正估计的电池SOC值，使SOC值更加精确。优选地，步骤S1包括：步骤S11：提供一个待估计SOC的电池，根据其特性，建立该电池的待辨识电池模型；步骤S12：判断待辨识电池模型方程是否连续；步骤S13：若待辨识电池模型方程连续，将待辨识电池模型方程离散化，获得离散的待辨识电池模型方程；步骤S14：判断离散的待辨识电池模型方程是否线性；步骤S15：若离散的待辨识电池模型方程非线性，则将离散
的待辨识电池模型方程线性化，获得待辨识电池模型矩阵，若离散的待辨识电池模型方程为线性，则根据离散的待辨识电池模型方程直接获得待辨识电池模型矩阵。优选地，步骤S2包括：步骤S21：利用工况测试，获取待估计SOC的电池的工况测试数据；步骤S22：对离散的待辨识电池模型进行离线辨识，获得定参电池模型；步骤S23：对步骤S22中的定参电池模型计算输出预测值；步骤S24：获取定参电池模型输出预测残差；步骤S25：建立定参电池模型输出预测残差服从的ARIMA(p,d,q)模型；步骤S26：对ARIMA(p,d,q)模型进行离线辨识，建立定参ARIMA(p,d,q)模型。优选地，步骤S25包括：步骤S251：考察定参电池模型输出预测残差的统计特性；步骤S252：建立定参电池模型输出预测残差满足的ARIMA(p,d,q)模型。优选地，步骤S3包括：步骤S31：用定参ARIMA(p,d,q)模型扩展原来的定参电池模型，获得定参增广电池模型；步骤S32：获取定参增广电池模型方程和定参增广电池模型矩阵。优选地，待辨识电池模型矩阵包括,待辨识电池模型线性化状态矩阵待辨识电池模型线性化输出矩阵其中 A ^ k = ∂ f ( x k , u k ) ∂ x k ]]> C ^ k = ∂ g ( x k , u k ) ∂ x k ]]>k是采样点编号，uk是第k个采样点的输入向量，xk是第k个采样点的状态向量，f(xk,uk)是离散的待辨识电池模型状态方程，g(xk,uk)是离散的待辨识电池模型输出
方程。优选地，所述定参增广电池模型矩阵包括定参增广电池模型线性化状态矩阵定参增广电池模型状态噪声协方差矩阵Σext,w、定参增广电池模型线性化输出矩阵定参增广电池模型输出噪声协方差矩阵Σext,v；定参增广电池模型线性化状态矩阵为，其中，I是单位对角矩阵，O是零矩阵，和θ1、θ2…θq均是ARIMA(p,d,q)模型参数；定参增广电池模型状态噪声协方差矩阵Σext,w为，其中Σv是定参ARIMA(p,d,q)模型中的白噪声过程vk的协方差矩阵，Σw是离散的待辨识电池模型的状态噪
声协方差矩阵；定参增广电池模型线性化输出矩阵为，定参增广电池模型输出噪声协方差矩阵Σext,v为，Σext,v＝O。提供一种基于ARIMA估算电池SOC的方法，其特征在于，其包括：步骤S1＇：提供一个待估计SOC的电池，根据其特性建立待辨识电池模型，获得离散的待辨识电池模型和待辨识电池模型矩阵；步骤S2＇：利用工况测试对离散的待辨识电池模型进行定参，并建立定参电池模型输出预测残差服从的ARIMA模型，根据定参电池模型输出预测残差对ARIMA模型进行定参，利用定参ARIMA模型对定参电池模型输出预测残差进行预测，以修正定参电池模型输出预测残差，使修正后的输出预测残差更接近于白噪声；步骤S3＇：将步骤S2＇中的定参ARIMA模型与定参电池模型结合，建立定参增广电池模型，获取定参增广电池模型矩阵；对定参增广电池模型进行在线辨识，获取参数实时修正的增广电池模型和参本文档来自技高网...

【技术保护点】
一种基于ARIMA估算电池SOC的方法，其特征在于，包括以下步骤：步骤S1：提供一个待估计SOC的电池，根据其特性建立待辨识电池模型，获得离散的待辨识电池模型和待辨识电池模型矩阵；步骤S2：利用工况测试对离散的待辨识电池模型进行定参，并建立定参电池模型输出预测残差服从的ARIMA模型，根据定参电池模型输出预测残差对ARIMA模型进行定参，利用定参ARIMA模型对定参电池模型输出预测残差进行预测，以修正定参电池模型输出预测残差，使修正后的输出预测残差更接近于白噪声；步骤S3：将步骤S2中的定参ARIMA模型与定参电池模型结合，建立定参增广电池模型，获取定参增广电池模型矩阵；步骤S4：根据步骤S3中获取的定参增广电池模型和定参增广电池模型矩阵，将定参增广电池模型和定参增广电池模型矩阵用于卡尔曼滤波修正估计的电池SOC值，使SOC值更加精确。

【技术特征摘要】
1.一种基于ARIMA估算电池SOC的方法，其特征在于，包括以下步骤：步骤S1：提供一个待估计SOC的电池，根据其特性建立待辨识电池模型，获得离散的待辨识电池模型和待辨识电池模型矩阵；步骤S2：利用工况测试对离散的待辨识电池模型进行定参，并建立定参电池模型输出预测残差服从的ARIMA模型，根据定参电池模型输出预测残差对ARIMA模型进行定参，利用定参ARIMA模型对定参电池模型输出预测残差进行预测，以修正定参电池模型输出预测残差，使修正后的输出预测残差更接近于白噪声；步骤S3：将步骤S2中的定参ARIMA模型与定参电池模型结合，建立定参增广电池模型，获取定参增广电池模型矩阵；步骤S4：根据步骤S3中获取的定参增广电池模型和定参增广电池模型矩阵，将定参增广电池模型和定参增广电池模型矩阵用于卡尔曼滤波修正估计的电池SOC值，使SOC值更加精确。2.如权利要求1所述的基于ARIMA估算电池SOC的方法，其特征在于，步骤S1包括：步骤S11：提供一个待估计SOC的电池，根据其特性，建立该电池的待辨识电池模型；步骤S12：判断待辨识电池模型方程是否连续；步骤S13：若待辨识电池模型方程连续，将待辨识电池模型方程离散化，获得离散的待辨识电池模型方程；步骤S14：判断离散的待辨识电池模型方程是
\t否线性；步骤S15：若离散的待辨识电池模型方程非线性，则将离散的待辨识电池模型方程线性化，获得待辨识电池模型矩阵，若离散的待辨识电池模型方程为线性，则根据离散的待辨识电池模型方程直接获得待辨识电池模型矩阵。3.如权利要求1所述的基于ARIMA估算电池SOC的方法，其特征在于，步骤S2包括：步骤S21：利用工况测试，获取待估计SOC的电池的工况测试数据；步骤S22：对离散的待辨识电池模型进行离线辨识，获得定参电池模型；步骤S23：对步骤S22中的定参电池模型计算输出预测值；步骤S24：获取定参电池模型输出预测残差；步骤S25：建立定参电池模型输出预测残差服从的ARIMA(p,d,q)模型；步骤S26：对ARIMA(p,d,q)模型进行离线辨识，建立定参ARIMA(p,d,q)模型。4.如权利要求3所述的基于ARIMA估算电池SOC的方法，其特征在于，步骤S25包括：步骤S251：考察定参电池模型输出预测残差的统计特性；步骤S252：建立定参电池模型输出预测残差满足的ARIMA(p,d,q)模型。5.如权利要求1所述的基于ARIMA估算电池SOC的方法，其特征在于，步骤S3包括：步骤S31：用定参ARIMA(p,d,q)模型扩展原来的定参电池模型，获得定参增广电池模型；步骤S32：获取定参增广电池模型方程和定参增广电池模型矩阵。6.如权利要求1所述的基于ARIMA估算电池SOC的方法，其特征在于：待辨识电池模型矩阵包括,待辨识电池模型线性化状态矩阵待辨识电池模型线性化输出矩阵其中 A ^ k = ∂ f ( x ...

【专利技术属性】
技术研发人员：冯雪松，向勇，王健翔，
申请(专利权)人：四川普力科技有限公司，
类型：发明
国别省市：四川;51