The invention discloses a method for estimating SOC of power battery based on robust unscented Kalman filter against outliers, which belongs to the technical field of power battery. It includes the following steps: designing the state and observation equation of power battery by using composite model method combined with safe-time method, determining the model equation of on-board battery, establishing the equivalent model of battery, identifying model parameters and identifying by recursive least square method. The battery model observes the parameters of the test equation, and the input of the system is continuously stimulated. The number of identification iterations converges and stabilizes the final results. The improved robust unscented Kalman filter algorithm against outliers is used to estimate the SOC of the battery. The method modifies the measurement error model to a normalized contaminated normal distribution model, calculates the posterior probability of outliers with Bayesian theorem, and adaptively adjusts the correlation difference and gain matrix of measurement prediction as a weighting coefficient, which can effectively overcome the problem of outliers interference.
【技术实现步骤摘要】
一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法
本专利技术涉及一种动力电池SOC估计方法，特别是涉及一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，属于动力电池
技术介绍
以往动力电池荷电状态SOC估计通常先验地假设测量噪声为正态随机序列，但是在实际应用中，由于测量设备本身或者数据传输过程中可能出现错误或受到环境干扰等影响，会使观测序列中包含一些错误的观测量，工程领域称之为野值。SOC无法直接测量，只能通过测量电池其他状态量来间接估计。此时观测量中如果存在野值会对系统产生更加严重的影响，滤波器的精度和稳定性会明显下降，当出现连续成片野值时很可能就会导致滤波器发散。因此，研究一种鲁棒滤波算法对动力电池管理系统而言是一项迫切而又十分有意义的工作。电池工作环境恶劣，受干扰因素颇多，因此要求所设计的算法对外界干扰具有矫正作用，从而使得电池SOC估计算法能够尽快收敛于直实值。无迹卡尔曼滤波UKF利用二阶以上精度近似高斯非性系统状态的后验均值与方差，具有实现简单、精度高及收敛性好等优点，但其抗野值方面的鲁棒性仍有较大优化提升空间。针对这一问题，使用极大似...
【技术保护点】
1.一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，包括如下步骤：步骤1：利用复合模型方法结合安时法设计动力电池的状态和观测方程，确定车载电池的模型方程，建立电池等效模型；步骤2：进行模型参数辩识，递推最小二乘法辨识电池模型观测试方程的相关参数，系统输入量为持续激励，辩识迭代次数使最终结果收敛并趋于稳定；步骤3：采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计。
【技术特征摘要】
1.一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，包括如下步骤：步骤1：利用复合模型方法结合安时法设计动力电池的状态和观测方程，确定车载电池的模型方程，建立电池等效模型；步骤2：进行模型参数辩识，递推最小二乘法辨识电池模型观测试方程的相关参数，系统输入量为持续激励，辩识迭代次数使最终结果收敛并趋于稳定；步骤3：采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计。2.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤1中，建立电池等效模型，包括如下步骤：结合安时计量法设计状态方程，引入了环境温度和充放电倍率比例因子，得到电池模型的状态方程；采用状态观测复合模型将电池SOC作为非线性系统的唯一状态变量，得到电池观测模型方程；若在电池的采集数据序列中存在野值干扰情况下，采用归一化受污染正态分布模型，用两个归一化的加权正态分布来逐次逼近可能具有野值的测量噪声的误差分布，将野值看作是一个相对于正态分布拖尾更大的误差分布。3.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，结合安时计量法设计状态方程，引入了环境温度和充放电倍率比例因子，电池模型的状态方程如下：其中：xk为k时刻的SOC值；ik为k时刻采样得到的电池电流值；η为充电效率；C为电池的额定总容量；Δt为采样周期；假定wk为满足正态分布的高斯白噪声，即wk～N(0,Qk)，Qk为状态噪声方差阵。4.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，采用状态观测复合模型将电池SOC作为非线性系统的唯一状态变量，得到电池观测模型方程如下：其中：Eo为电池开路电压；RΩ为电池内阻；k1、k2、k3、k4为拟合系数；yk为k时刻采样得到的电池端电压。5.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，若在电池的采集数据序列中存在野值干扰情况下，采用归一化受污染正态分布模型，用两个归一化的加权正态分布来逐次逼近可能具有野值的测量噪声的误差分布，将野值看作是一个相对于正态分布拖尾更大的误差分布，将观测方程中的测量噪声vk分布定义为：vk～a1N(0,Rk,1)+a2N(0,Rk,2)(3)其中：a1、a2和Rk,1、Rk,2均为已知参数，a1+a2＝1，通常取a2∈(0,0.15)；测量电压方差设定后，取6.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤2中，进行模型参数辩识，利用公知的递推最小二乘法辨识电池观测模型方程的模型参数，针对电池观测模型方程的观测方程，递推计算公式如下：待估参数向量最小二乘形式yk＝HTθ+e(k)；e(k)为误差函数。7.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤3中，...
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。