一种多时间尺度双UKF自适应估算SOC和电池容量C的方法技术

技术编号:14598340 阅读:220 留言:0更新日期:2017-02-09 02:11
本发明专利技术公开了一种多时间尺度双UKF自适应估算SOC和电池容量C的方法,先建立电池状态空间方程;利用多时间尺度双UKF自适应方法估算SOC和电池容量C;对用于宏UKF和微UKF的系统参数和状态变量以及系统噪声进行初始化;更新宏UKF的预测方程;选择合适的sigma点更新微UKF的预测方程,并更新系统的过程噪声;利用微UKF的校正方程,估计微Kalman滤波器的状态变量;当双时间尺度趋近时,将微Kalman滤波器的状态估计值传到宏Kalman滤波器中,作为测量值;对微Kalman滤波器的数据进行更新,宏Kalman滤波器的测量校正,更新电池参数。本发明专利技术能够提高BMS对动力电池SOC的估算精度及估算稳定性。

【技术实现步骤摘要】

本专利技术涉及新能源汽车的动力电池管理系统领域,具体是一种多时间尺度双UKF自适应估算SOC和电池容量C的方法。
技术介绍
在节能环保的时代背景下,新能源汽车成为汽车行业发展的必然趋势。动力电池为新能源电动汽车提供动力,是电动汽车的核心组成部分之一,动力电池的性能完全决定了新能源电动车的性能。电池管理系统(BatteryManagementSystem,简称BMS)主要就是为了能够提高电池的利用率,防止电池出现过充电与过放电,延长电池的使用寿命,监控电池的状态。其中,动力电池的荷电状态(StateofCharge,简称SOC,用z表示)是BMS中重要参数,其估算方法是BMS中的关键技术。基于电池模型估计动力电池SOC的方法是将电池的荷电状态SOC作为状态量建立起标准的状态空间模型从而实现动力电池SOC估算。该方法可以直接应用基于电池状态空间模型的Kalman滤波方法。相对于其他的SOC估算方法,Kalman滤波法应用的比较广泛,它是一种时域估计方法,将现代控制理论中的状态空间思想引入到最优滤波理论中,可处理时变系统,并且Kalman滤波采用递归计算方法,计算量和数据存储量小,便于计本文档来自技高网...

【技术保护点】
一种多时间尺度双UKF自适应估算SOC和电池容量C的方法,其特征在于,包括如下步骤:步骤一,建立电池状态空间方程;电池状态空间方程如式(1)所示:xk,l+1=F(xk,l,θk,uk,l)+wk,lYk,l=g(xk,uk)+vk,lwk,l~(0,Qk)vk,l~(0,Rk)---(1)]]>其中,xk,l为状态向量,uk,l为确定性的输入量,Yk,l为输出向量;非线性函数F(xk,l,θk,uk,l)和g(xk,uk)关于状态连续可微;wk,l和νk,l分别为系统的扰动噪声和观测噪声,两者均为高斯白噪声;Qk为系统扰动协方差矩阵,Rk为观测噪声协方差矩阵;步骤二,利用多时间尺...

【技术特征摘要】
1.一种多时间尺度双UKF自适应估算SOC和电池容量C的方法,其特征在于,包括如下步骤:步骤一,建立电池状态空间方程;电池状态空间方程如式(1)所示:xk,l+1=F(xk,l,θk,uk,l)+wk,lYk,l=g(xk,uk)+vk,lwk,l~(0,Qk)vk,l~(0,Rk)---(1)]]>其中,xk,l为状态向量,uk,l为确定性的输入量,Yk,l为输出向量;非线性函数F(xk,l,θk,uk,l)和g(xk,uk)关于状态连续可微;wk,l和νk,l分别为系统的扰动噪声和观测噪声,两者均为高斯白噪声;Qk为系统扰动协方差矩阵,Rk为观测噪声协方差矩阵;步骤二,利用多时间尺度双UKF自适应方法估算SOC和电池容量C;(1)对用于宏UKF和微UKF的系统参数和状态变量以及系统噪声进行初始化;(2)更新宏UKF的预测方程;(3)选择合适的sigma点更新微UKF的预测方程,并更新系统的过程噪声wk-1,l;(4)利用微UKF的校正方程,估计微Kalman滤波器的状态变量;(5)当双时间尺度趋近时,将微Kalman滤波器的状态估计值传到宏Kalman滤波器中,作为测量值;(6)对微Kalman滤波器的数据进行更新,以进行下一个循环;(7)宏Kalman滤波器的测量校正,更新电池参数。2.根据权利要求1所述的多时间尺度双UKF自适应估算SOC和电池容量C的方法,其特征在于,在步骤一中,对于一阶RC电池模型,动力电池状态空间方程为:U·D=-UDCDiffRDiff+iLCDiffUcell=UO...

【专利技术属性】
技术研发人员:孙兰娟程迎兵王昶卜周萌芳李健
申请(专利权)人:南京世界村汽车动力有限公司
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 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。

1