一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法技术

本发明专利技术公开一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法，主要步骤包括：首先，根据锂电池的工作机理，建立二阶RC等效电路模型；然后根据锂电池的脉冲放电响应实验数据，利用递推最小二乘法(RLS)对模型参数进行辨识；建立锂电池离散化的状态空间模型，采用分段EKF算法对锂电池SOC进行估算。本发明专利技术在区分锂电池工作过程中强弱非线性化过程的同时运用适合的扩展卡尔曼滤波算法，有效的提高了传统EKF估算SOC时的鲁棒性；克服了泰勒级数展开线性化造成滤波精度方面的降低以及可能的滤波发散问题。

A method for estimating the state of charge of lithium batteries based on piecewise extended Calman filter

【技术实现步骤摘要】
一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法
本专利技术涉及锂电池荷电状态的估算领域，具体是指一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法。
技术介绍
目前，由于不可再生能源的消耗和环境污染等方面的压力，锂电池凭借其高能量密度、使用寿命长、工作电压大以及绿色环保等优点，使其成为目前最有潜力的储能装置。为了确保锂电池电动车在整个使用过程中的行驶安全性和运行可靠性，须及时、准确地了解电池的运行状态，对电池进行合理有效的管理和控制。电池荷电状态(StateofCharge，以下简称SOC)的精确估计又是电池能量管理系统中最核心的技术；电池的SOC无法用一种传感器直接测得，目前常用的SOC估计方法是通过测量电池的外特性，例如电流、电压、电阻等，然后通过建模来模拟锂电池的内部特性，通过算法来进一步消除干扰噪音和优化模型。目前，电动汽车仿真中经常用到的动力电池模型有三类：电化学模型、人工神经网络模型和等效电路模型。电化学模型可以比较清晰的反应电池内部的各个化学反应过程。模型的建立与电池电极材料、电解质稠度、隔膜材料等很多因素有关，所以精度高，但是模型很复杂，一般用于蓄电池的设计过本文档来自技高网...

【技术保护点】
一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法，其特征在于包括以下步骤：S1：根据脉冲放电实验进行锂电池标定实验，由开路电压OCV和锂电池荷电状态SOC的实验数据，拟合出OCV‑SOC曲线；S2：根据二阶RC等效电路模型，由基尔霍夫定理建立锂电池二阶RC等效电路的数学模型；S3：通过脉冲放电实验，根据递推最小二乘法辨识锂电池的模型参数；S4:运用分段扩展卡尔曼滤波算法估算锂电池荷电状态值。

【技术特征摘要】
1.一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法，其特征在于包括以下步骤：S1：根据脉冲放电实验进行锂电池标定实验，由开路电压OCV和锂电池荷电状态SOC的实验数据，拟合出OCV-SOC曲线；S2：根据二阶RC等效电路模型，由基尔霍夫定理建立锂电池二阶RC等效电路的数学模型；S3：通过脉冲放电实验，根据递推最小二乘法辨识锂电池的模型参数；S4:运用分段扩展卡尔曼滤波算法估算锂电池荷电状态值。2.根据权利要求1所述的基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法，其特征在于：所述的步骤S2为：根据二阶RC等效电路模型，由基尔霍夫定理可得其中U0、U1、U2分别表示R0、R1和R2两端的电压,UL为锂电池负载端电压，UOC为开路电压。3.根据权利要求2所述的基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法，其特征在于：所述的步骤S3为:对式(1)先拉式变换、然后双线性变换得到锂电池的差分方程：y(k)＝Uoc(k)-UL(k)＝a1y(k-1)+a2y(k-2)+a3IL(k)+a4IL(k-1)+a5IL(k-2)(2)式(2)中a1、a2、a3、a4、a5是和R0、R1、R2、τ1和τ2存在函数关系的待定系数，根据锂电池脉冲放电的电流和电压数据，结合递推最小二乘法算法以及式(2)便可辨识出二阶等效电路的模型参数。4.根据权利要求3所述的基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法，其特征在于所述的步骤S4包括以下步骤：S4-1：建立锂电池离散化的状态方程和输出方程安时积分法的表达式为：其中，SOC0为电池剩余电量的初始值；SOCt为t时刻电池的剩余电量；QN为电池的额定容量；I(t)为t时刻的充放电电流，电池放电时为正、充电时为负；η为电池的放电比例系数，反映的是放电倍率对电池SOC的影响程度；离散化表达式为：式中，ΔT为离散时间间隔，ik为离散电流；状态方程式：观测方程：UL(k)＝UOC(k)-i(k)×R0(k)-U1(k)-U2(k)+v(k)；S4-2：Kalman滤波算法对应于卡尔曼滤波状态方程的一般形式，分别令u(k)＝i(k)式中：w(k)表示系统状态输入误差，v(k)表示观测误差；对于协方差Q(k)和R(k),定义为：Q(k)＝E[w(k)×w(k)T]R(k)＝E[v(k)×v(k)T]初始值为：R(0)＝0.001；状态变量的估计：Xk＝Ak-1Xk-1+BK-1UK-1+WK-1状态协方差估计：Pk＝Ak-1Pk-1Ak-1T+Qk-1卡尔曼增益矩阵：Kk＝PkHT(HPkHT+Rk)-1状态估计更新：Xk+1＝Xk+Kk(yk-CXk)状态协方差估计更新：Pk+1＝(I-KkC)Pk；S4-3：有限差分扩展卡尔曼滤波算法有限差分扩展卡尔曼算法相对于传统的扩展卡尔曼，采用多项式近似技术以及一阶中心差分法一起来计算非线性函数的偏导数；非线性函...

【专利技术属性】
技术研发人员：玄东吉，侍壮飞，赵小波，钱潇，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江,33