一种基于扩展卡尔曼粒子滤波的SOC估计方法及系统技术方案

本发明专利技术涉及一种基于扩展卡尔曼滤波的SOC估计方法及系统，其方法包括：通过单体电池测试系统对电池进行放电‑静置实验，获得SOC‑OCV函数关系式；建立电池的等效电路模型；根据初始概率分布产生粒子集；根据当前的数据，对模型进行在线参数辨识；使用更新后的模型对粒子进行扩展卡尔曼粒子滤波；更新粒子权值，并根据有效粒子数判断是否需要重采样。针对现有SOC估算方法的估算精度不高，有累积误差，算法对模型精度要求高等问题。本发明专利技术采用在线辨识模型参数的方法提高模型精度，采用卡尔曼滤波和粒子滤波结合的方法提高SOC估算精度。本发明专利技术可以有效的估算SOC并且抑制噪声，具有精度高的优点，可以应用于电池管理系统领域。

【技术实现步骤摘要】

本专利技术涉及电动汽车动力电池管理系统领域，尤其是一种基于扩展卡尔曼粒子滤波的SOC估计方法及系统。
技术介绍
当石油危机爆发以后，能源问题和环境问题逐步被人们重视起来，人们迫切的需要新能源汽车来解决这些问题，电动汽车因此而获得关注。动力电池作为电动汽车的动力源，承担电动汽车全部或者部分动力输出。电动汽车电池组在工作过程中常因充放电时间过长而产生过充电、过放电现象，不仅影响了电池的使用性能，而且缩短了电池的使用寿命，降低了整车性价比。动力电池的荷电状态SOC(StateOfCharge)即动力电池剩余电量，是描述电池状态的重要参数之一。电池的SOC无法使用传感器直接测得，它必须通过对一些其他物理量的测量并采用一定的数学模型和算法来估计得到。电池SOC受环境温度、工作电流以及循环次数等多种因素的影响，具有很强的非线性特性，使得准确估计SOC难度很大，SOC的估计也成为了国内外学者研究的热点。目前国内外主要的SOC估计方法分为离线估计和在线估计两大类。SOC的离线估计具有估计精度高的有点，常用于确定SOC的初始值，主要有开路电压法和内阻法等。在实际工程应用中SOC在线估计方法更为实用，本文档来自技高网...

【技术保护点】
一种基于扩展卡尔曼粒子滤波的SOC估计方法，特征在于：该方法包括步骤：步骤1，对电池进行测试，通过单体电池测试系统对电池进行放电‑静置实验，获得荷电状态和开路电压的对应数据，拟合出SOC‑OCV的关系函数表达式；步骤2，建立动力电池的等效电路模型，并得到离散状态空间模型；步骤3，根据初始概率分布，产生初始SOC粒子集并设置权值；步骤4，根据当前的数据，对模型参数进行在线辨识，更新模型；步骤5，使用扩展卡尔曼粒子滤波，得到粒子的预测值；步骤6，更新粒子权值并进行归一化处理，计算有效粒子数；如果有效粒子数小于给定阈值，在进行重采样后输出SOC估计值；如果大于给定阈值，则直接输出SOC估计值；步骤7...

【技术特征摘要】
1.一种基于扩展卡尔曼粒子滤波的SOC估计方法，特征在于：该方法包括步骤：步骤1，对电池进行测试，通过单体电池测试系统对电池进行放电-静置实验，获得荷电状态和开路电压的对应数据，拟合出SOC-OCV的关系函数表达式；步骤2，建立动力电池的等效电路模型，并得到离散状态空间模型；步骤3，根据初始概率分布，产生初始SOC粒子集并设置权值；步骤4，根据当前的数据，对模型参数进行在线辨识，更新模型；步骤5，使用扩展卡尔曼粒子滤波，得到粒子的预测值；步骤6，更新粒子权值并进行归一化处理，计算有效粒子数；如果有效粒子数小于给定阈值，在进行重采样后输出SOC估计值；如果大于给定阈值，则直接输出SOC估计值；步骤7，重复步骤4到步骤6。2.根据权利要求1所述的一种基于扩展卡尔曼粒子滤波的SOC估计方法，特征在于：所述步骤4中对模型参数进行辨识，具体方法如下：对于模型为数据向量，θ为待估参数向量，y(k)为输出向量，ε(k)为系统噪声，可采用遗忘因子最小二乘法对θ进行参数辨识，其公式为：最小二乘法增益计算：最小二乘法协方差矩阵计算：最小二乘法参数最优估计：其中为k时刻待估参数的估计值；K(k)为k时刻的增益矩阵；P(k)为k时刻的协方差矩阵，通常其初始值P(0)取足够大的单位矩阵，这里取值为105×I，其中I为单位矩阵；λ为加权因子(0＜λ≤1)，一般取值在0.9～1.0之间，这里取值为0.98。3.根据权利要求1所述的一种基于扩展卡尔曼粒子滤波的SOC估计方法，特征在于：所述步骤5中，使用扩展卡尔曼粒子滤波，得到粒子的预测值，具体方法如下：对于系统状态方程为xk+1＝Akxk+Bkuk+wk，系统观测方程为yk＝Ckxk+Dkuk+vk的系统，可采用扩展卡尔曼滤波方法对每个粒子进行预测修正，递推公式如下：状态变量先验估计值计算：预测误差...

【专利技术属性】
技术研发人员：袁慧梅，陈诚，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：北京;11