电动汽车用锂离子电容器荷电状态估计方法技术

一种电动汽车用锂离子电容器荷电状态估计方法，包括：S1，建立简化的锂离子电容器的动态二阶模型S2，基于所述动态二阶模型，分别建立状态方程和观测方程；S3，对锂离子电容器参数进行辨识获；S4，将建立简化的锂离子电容器二阶模型带入人工免疫粒子滤波进行SOC估计，获取锂离子电容器荷电状态。

【技术实现步骤摘要】

本专利技术涉及一种电动汽车用锂离子电容器荷电状态估计方法。
技术介绍
锂离子电容器是近十年来国内外发展起来的一种介于超级电容器与化学电池二者之间的新型储能元件。它具备超级电容器那样的放电功率，也具备化学电池储备电荷的能力。与超级电容器相比，锂离子电容器具备更大的电容量、较高的能量；与化学电池相比，锂离子电容器具有较高的比功率、极长的使用寿命(充放电循环次数可达十万次以上)且不用维护和无环境污染等。因此锂离子电容器是一种高效、实用、环保的能量存储装置，其优越的性能得到各方的重视，目前发展十分迅速。随着电极制作工艺的不断进步，锂离子电容器的比能量在不断提高且成本在不断下降，因此高比能锂离子电容器不仅具有良好的功率特性，而且其能量特性也日益接近铅酸电池、镍氢电池、锂离子电池等传统储能器件。锂离子电容器与高能量电池组成的混合电源应用在纯电动汽车时，可作为汽车的辅助电源与动力电池配合使用，减少大电流充放电对电池的损害，延长电池的使用寿命。同时锂离子电容器的使用可以减少车内用于电制动、电转向等子系统的布线，使车辆的稳定性得到提高。荷电状态(SOC)是锂离子电容器应用在混合电源电动汽车储能管理系统中最重要的参数之一。随时了解锂离子电容器的SOC值，可为储能系统均衡技术提供基础数据，保证混合电源系统整体充电与放电性能，延长混合电源系统使用寿命。但锂离子电容器的SOC值是无法实现直接测量。目前，卡尔曼滤波是一种较成熟的预测储能器件SOC的方法，但是由锂离子电容器与高能量电池组成的混合电源系统是非常复杂的非线性系统，在处理非线性问题时，卡尔曼滤波具有一定的局限性。粒子滤波法对系统状态噪声和观测噪声无限制，可适用于任何非线性系统，精度可以逼近最优估计，是一种很有效的非线性滤波技术。同时，为了增加粒子多样性，釆用人工免疫算法来对粒子滤波进行优化，可对锂离子电容器SOC的估计更加的准确，以满足实际需求。
技术实现思路
本专利技术的目的在于克服现有技术的缺点，提供一种电动汽车用锂离子电容器荷电状态估计方法。为解决上述技术问题，本专利技术采用了以下技术措施：本专利技术提供一种电动汽车用锂离子电容器荷电状态估计方法，包括以下步骤：S1，建立简化的锂离子电容器的动态二阶模型：UL＝Uocv-I·R0-Up1-Up2(1)，其中，I锂离子电容器的负载电流，UL为端电压，Uocv为开路电压，R0为欧姆内阻，Up1、Up2为极化电压；S2，基于所述动态二阶模型，分别建立状态方程和观测方程：Uk=Uocv(Sk)-ikR0-Ukp1-Ukp2+vk---(3),]]>其中，Q为锂离子电容器实际容量，Δt为采样周期，η为充放电效率，ik为k时刻的电流，放电时为负，充电时为正，Up1k表示k时刻Rp1上的极化电压估计值，Up2k表示k时刻Rp2上的极化电压估计值，τ1、τ2为RC时间常数，τ1＝Rp1Cp1、τ2＝Rp2Cp2，Sk表示k时刻的SOC值，ωk为k时刻的过程噪声；S3，对锂离子电容器参数进行辨识获，从而获取Q、η、Uocv、τ1、τ2、Rp1、Rp2、Cp1和Cp2；S4，将建立简化的锂离子电容器二阶模型带入人工免疫粒子滤波进行SOC估计，获取锂离子电容器荷电状态。作为进一步改进的，在步骤S3中，所述对锂离子电容器参数进行辨识，从而获取Q、η的步骤包括：进行一定温度下、电流倍率条件下的锂离子电容器恒流充放电实验，得出锂离子电容器的充放电曲线，对放电曲线进行按时间积分得出Q、η。作为进一步改进的，在步骤S3中，所述对锂离子电容器参数进行辨识，从而获取Uocv的步骤包括：在一定温度条件开展间隔放电实验以得出SOC-OCV曲线，对放电电流进行按时间积分得到锂离子电容器实际电量，然后折算出每次测量锂离子电容器端电压时对应的SOC值，最后得出一定温度条件下的SOC-OCV参数。作为进一步改进的，在步骤S3中，所述对锂离子电容器参数进行辨识，从而获取τ1、τ2的步骤包括：使用Matlab软件以U01、U02、τ1、τ2作为待测参数，以U01exp(-t/τ1)+U02exp(-t/τ2)作为目标式进行实验数据曲线拟合，得到时间常数τ1和τ2。作为进一步改进的，在步骤S3中，所述对锂离子电容器参数进行辨识获，从而获取Rp1、Rp2、Cp1和Cp2的步骤包括：将得出的时间常数τ1和τ2和代入中，并使用Matlab软件将Rp1和Rp2作为待定参数，进行实验数据曲线拟合，得到极化电阻参数Rp1和Rp2，再由公式τ1＝Rp1Cp1、τ2＝Rp2Cp2计算出极化电容参数Cp1和Cp2。作为进一步改进的，所述将建立简化的锂离子电容器二阶模型带入人工免疫粒子滤波进行SOC估计的步骤包括：S41，首先进行初始化，确定锂离子电容器的初始状态，包括极化电压初始值和SOC初始值；S42，依据初始概率密度函数p(x0)产生粒子集所得粒子的初始权重进行下一步时刻k＝1的估算；S43，在k时刻，利用锂离子电容器状态方程式(2)和k-1时刻的状态值得出粒子的值并用锂离子电容器观测方程式(3)计算出对应的S44，根据公式(4)计算粒子权值，并根据公式(5)对权值进行归一化处理，以得到每个粒子的权值其中，yk为真值，为计算值，wki=12πσe-(yk-yki)22σ2---(4)]]>w~ki=wki/Σi=1Nwki---(5)]]>S45，根据人工免疫算法将求得的粒子集作为初始抗体群，并根据公式得出每个抗体的亲和力fitk(i)，并对亲和力进行排序，排除排斥力不大于0.0001中的1个抗体，选择排在前面的N个抗体来更新记忆单元的数据；S46，将记忆单位中的N个抗体作为新一代的粒子，重返上述步骤S44-S45以得到新粒子集并对权值进行归一化处理，得到S47，若Neff＜Nthres则进行随机重采样，产生1个服从[0，1]均匀分布的数ui，如果则第m个粒子重采样结果为并将重采样后的粒子权值进行归一化；如果Neff＞Nthres，则转到下一步骤S48；S48，进行状态估计，输出k时刻估计值粒子权值更新为S49，返回步骤S43，k加1继续循环，直到k＝M时结束。本专利技术提供的电动汽车用锂离子电容器荷电状态估计方法具有以下优点：其一，基于简化的锂离子电容器二阶模型和参数辨识方法，准确描述锂离子电容器工作特性，用于锂离子电容器在储能系统电路中的设计；其二，准确预测混合电池电动汽车用锂离子电容器辅助电源的荷电状态，实现锂离子电容器辅助储能系统的状态监测和健康管理。附图说明图1为简化的锂离子电容器二阶模型。图2为模型参数辨识流程。图3基于人工免疫粒子滤波的SOC估计流程图。具体实施方式下面结合附图与具体实施方式对本专利技术作进一步详细描述。改进锂离子电容器二阶模型：请参照图1，建立简化的锂离子电容器动态二阶模型，来表征锂离子电容器端电压和SOC、内阻等的动态关系。图中I锂离子电容器的负载电流，UL为端电压，Uocv为开路电压；R0为欧姆内阻。Rp1、Rp2为极化电阻，Cp1、Cp2为极化电容，用来描述锂离子电容器的极化电压。E为理想电压源，电容Cb表示电流累积产生的开路电压，E和Cb一起描述开路电压Uocv的变化。根据电路模型，锂离子电容器端电压与电流本文档来自技高网...

【技术保护点】
一种电动汽车用锂离子电容器荷电状态估计方法，包括以下步骤：S1，建立简化的锂离子电容器的动态二阶模型：UL＝Uocv‑I·R0‑Up1‑Up2     (1)，其中，I锂离子电容器的负载电流，UL为端电压，Uocv为开路电压，R0为欧姆内阻，Up1、Up2为极化电压；S2，基于所述动态二阶模型，分别建立状态方程(2)和观测方程(3)：Sk+1Up1k+1Up2k+1=1000exp(-Δt/τ1)000exp(-Δt/τ2)SkUp1kUp2k+-ηΔtQRp1(1-exp(-Δt/τ1))Rp2(1-exp(-Δt/τ2))ik+ωk---(2),]]>Uk=Uocv(Sk)-ikR0-Ukp1-Ukp2+vk---(3),]]>其中，Q为锂离子电容器实际容量，Δt为采样周期，η为充放电效率，ik为k时刻的电流，放电时为负，充电时为正，Up1k表示k时刻Rp1上的极化电压估计值，Up2k表示k时刻Rp2上的极化电压估计值，τ1、τ2为RC时间常数，τ1＝Rp1Cp1、τ2＝Rp2Cp2，Sk表示k时刻的SOC值，ωk为k时刻的过程噪声；S3，对锂离子电容器参数进行辨识，从而获取Q、η、Uocv、τ1、τ2、Rp1、Rp2、Cp1和Cp2；S4，将建立简化的锂离子电容器二阶模型带入人工免疫粒子滤波进行SOC估计，获取锂离子电容器荷电状态。...

【技术特征摘要】
1.一种电动汽车用锂离子电容器荷电状态估计方法，包括以下步骤：S1，建立简化的锂离子电容器的动态二阶模型：UL＝Uocv-I·R0-Up1-Up2(1)，其中，I锂离子电容器的负载电流，UL为端电压，Uocv为开路电压，R0为欧姆内阻，Up1、Up2为极化电压；S2，基于所述动态二阶模型，分别建立状态方程(2)和观测方程(3)：Sk+1Up1k+1Up2k+1=1000exp(-Δt/τ1)000exp(-Δt/τ2)SkUp1kUp2k+-ηΔtQRp1(1-exp(-Δt/τ1))Rp2(1-exp(-Δt/τ2))ik+ωk---(2),]]>Uk=Uocv(Sk)-ikR0-Ukp1-Ukp2+vk---(3),]]>其中，Q为锂离子电容器实际容量，Δt为采样周期，η为充放电效率，ik为k时刻的电流，放电时为负，充电时为正，Up1k表示k时刻Rp1上的极化电压估计值，Up2k表示k时刻Rp2上的极化电压估计值，τ1、τ2为RC时间常数，τ1＝Rp1Cp1、τ2＝Rp2Cp2，Sk表示k时刻的SOC值，ωk为k时刻的过程噪声；S3，对锂离子电容器参数进行辨识，从而获取Q、η、Uocv、τ1、τ2、Rp1、Rp2、Cp1和Cp2；S4，将建立简化的锂离子电容器二阶模型带入人工免疫粒子滤波进行SOC估计，获取锂离子电容器荷电状态。2.根据权利要求1所述的电动汽车用锂离子电容器荷电状态估计方法，其特征在于：在步骤S3中，所述对锂离子电容器参数进行辨识，从而获取Q、η的步骤包括：进行一定温度下、电流倍率条件下的锂离子电容器恒流充放电实验，得出锂离子电容器的充放电曲线，对放电曲线进行按时间积分得出Q、η。3.根据权利要求1所述的电动汽车用锂离子电容器荷电状态估计方法，其特征在于：在步骤S3中，所述对锂离子电容器参数进行辨识，从而获取Uocv的步骤包括：在一定温度条件开展间隔放电实验以得出SOC-OCV曲线，对放电电流进行按时间积分得到锂离子电容器实际电量，然后折算出每次测量锂离子电容器端电压时对应的SOC值，最后得出一定温度条件下的SOC-OCV参数。4.根据权利要求1所述的电动汽车用锂离子电容器荷电状态估计方法，其特征在于：在步骤S3中，所述对锂离子...

【专利技术属性】
技术研发人员：卢向军，周振威，谢安，张勇，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：福建;35