一种基于多重速率强跟踪扩展的储能电池SOC估算方法技术

本发明专利技术公开了一种基于多重速率强跟踪扩展的储能电池SOC估算方法，包括首先确立等效电路模型，对动力电池进行不同充放电倍率的循环间歇充放电实验，通过获得的电池模型参数以及多重速率强跟踪扩展卡尔曼滤波器估算得到的荷电状态值，然后反复交错迭代就可以获得每一个时刻的电池SOC估算值。本发明专利技术的有益效果是：通过采用多重速率强跟踪扩展卡尔曼滤波法能够提高系统增益裕度，使系统具有统一的稳定性，实现易于分散控制等优点，多重速率强跟踪扩展卡尔曼滤波器不仅具有强跟踪扩展卡尔曼滤波器算法的优点，还提高了其单速率采样的系统性能。

A SOC estimation method of energy storage battery based on multiple rate strong tracking expansion

The invention discloses a SOC estimation method of energy storage battery based on multiple rate strong tracking expansion, which includes first establishing equivalent circuit model, carrying out cyclic intermittent charging and discharging experiments for power battery with different charging and discharging rates, obtaining battery model parameters and the state of charge estimated by multiple rate strong tracking expansion Kalman filter, and then iterating repeatedly The SOC of the battery can be estimated at each time. The invention has the advantages that the system gain margin can be improved by adopting the multiple rate strong tracking extended Kalman filter method, the system has the advantages of unified stability, easy decentralized control, etc., the multiple rate strong tracking extended Kalman filter not only has the advantages of the strong tracking extended Kalman filter algorithm, but also improves the system performance of its single rate sampling.

【技术实现步骤摘要】
一种基于多重速率强跟踪扩展的储能电池SOC估算方法
本专利技术涉及一种储能电池SOC的估算方法，具体为一种基于多重速率强跟踪扩展卡尔曼滤波法的储能电池SOC的估算方法，属于多速率采样控制系统

技术介绍
随着被监测物的动态变化日趋复杂以及对监测系统的要求不断提高，单速率采样监测控制系统因其单一的采样频率不能满足较复杂监测系统的要求，不能够通过不同的采样速率的信号来分析当前系统的状态，因此系统的增益裕度还有待提高，另外现有单一的采样系统不具有统一的稳定性，因此也不能够进行分散控制，进而导致单速率采样的系统性能也较差。
技术实现思路
本专利技术的目的就在于为了解决上述问题而提供一种基于多重速率强跟踪扩展的储能电池SOC估算方法。本专利技术通过以下技术方案来实现上述目的：一种基于多重速率强跟踪扩展的储能电池SOC估算方法，包括以下步骤：步骤1、确立等效电路模型，根据戴维南等效电路搭建了二阶RC电路模型；步骤2、对动力电池进行不同充放电倍率的循环间歇充放电实验；步骤3、建立磷酸铁锂电池动态模型，通过多重速率强跟踪卡尔曼滤波器法估算预测曲线和标准SOC的参考曲线。作为本专利技术再进一步的方案：所述步骤1中，搭建的二阶RC电路模型，Uoc是电池的端电压，UL是电池的开路电压，R0是电池的欧姆内阻，R1,C1是电化学极化电阻和电容，R2,C2是浓度极化电阻和电容，在电路中，R0可以反应端子电压的突变特性，二阶RC并联网络可以反应端电压的梯度特性，Uoc可以反应电压和SOC之间的关系。作为本专利技术再进一步的方案：所述步骤2中，脉冲式充放电测试实验包括以下步骤：将磷酸铁锂电池充满至SOC＝1，静置8小时；以0.3C放电倍率进行放电实验：放电15秒，静置5分钟，放电20分钟，静置1小时，以此流程为一个循环，直至电池SOC＝0，可以计算得出，每一个放电循环，磷酸铁锂电池都放出10％的SOC。在整个放电过程中，每秒的电池电压数据被精确采集以用于分析。其中，在脉冲式充放电测试实验中，欧姆电阻0R的存在使得电池电压在放电开始和结束时瞬间跳变。作为本专利技术再进一步的方案：所述步骤3中，建立磷酸铁锂电池动态模型需通过端电压响应表达式:RC并联电路的电压的初始电压：电池放电后静置时间，电池的脉冲放电电压响应为零输入电压响应，端电压响应表达式：y＝a-be-ct-de-ft计算出电池极化参数R1，C1，R2，C2。设置电流和电压的采样周期：mTU＝T0,nTI＝T0,n＝Nm其中，TI，TU分别是电流采样周期和电压采样周期，T0是系统帧周期，n,m,N都是整数。上述公式表示，电压采样周期是帧周期的m倍，电流采样周期是帧周期的n倍。在一个电压采样周期内，电流采样了N次；在第k次帧周期中[kT0,(k+1)T0)，电流和电压如下方式采样：单体电池的电压在一个帧周期内采样m次：kT0+t1,kT0+t2,……,kT0+tm其中，0＝t1<t2<….<tm<T0并且tm+1＝T0。单体电池的电流在一个帧的周期内采样n次：在区间[kT0,(k+1)T0)中，i∈[1,m]，电流在该区间内采样N次：kT0+ti1,kT0+ti2,……,kT0+tiN其中，0<ti1<ti2<….<tiN<ti+1然后确定输入变量和过程噪声，都可以认为是扩展向量，扩展矩阵如下：电流系数和过程噪声的扩展矩阵如下：定义提升的离散状态空间模型：多重速率强跟踪扩展卡尔曼滤波器的算法的预测更新方程如下：测量更新方程：其中，P0代表初始输入信号，代表输出信号，k＝1,2,…,Nt,Λk代表是多个衰落因子矩阵，是克罗内克积，Nt代表总时间步长。Qk和Rk代表噪声的协方差矩阵，假定为不变。本专利技术的有益效果是：该基于多重速率强跟踪扩展卡尔曼滤波法的储能电池SOC的估算方法设计合理，多重速率强跟踪扩展卡尔曼滤波器可以通过不同的采样速率的信号来分析当前系统的状态，相比于单速率控制器具有提高系统增益裕度，使系统具有统一的稳定性，实现易于分散控制等优点，多重速率强跟踪扩展卡尔曼滤波器不仅具有强跟踪扩展卡尔曼滤波器算法的优点，还提高了其单速率采样的系统性能。附图说明图1为本专利技术算法流程示意图；图2为本专利技术搭建二阶RC电路模型示意图；图3为本专利技术欧姆电阻的瞬间跳变结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1～3，一种基于多重速率强跟踪扩展的储能电池SOC估算方法，包括以下步骤：步骤1、确立等效电路模型，根据戴维南等效电路搭建了二阶RC电路模型；步骤2、对动力电池进行不同充放电倍率的循环间歇充放电实验；步骤3、建立磷酸铁锂电池动态模型，通过多重速率强跟踪卡尔曼滤波器法估算预测曲线和标准SOC的参考曲线。进一步的，在本专利技术实施例中，所述步骤1中，搭建的二阶RC电路模型，Uoc是电池的端电压，UL是电池的开路电压，R0是电池的欧姆内阻，R1,C1是电化学极化电阻和电容，R2,C2是浓度极化电阻和电容，在电路中，R0可以反应端子电压的突变特性，二阶RC并联网络可以反应端电压的梯度特性，Uoc可以反应电压和SOC之间的关系。进一步的，在本专利技术实施例中，所述步骤2中，脉冲式充放电测试实验包括以下步骤：1、将磷酸铁锂电池充满至SOC＝1，静置8小时；2、以0.3C放电倍率进行放电实验：放电15秒，静置5分钟，放电20分钟，静置1小时，以此流程为一个循环，直至电池SOC＝0，可以计算得出，每一个放电循环，磷酸铁锂电池都放出10％的SOC。在整个放电过程中，每秒的电池电压数据被精确采集以用于分析。其中，在脉冲式充放电测试实验中，欧姆电阻0R的存在使得电池电压在放电开始和结束时瞬间跳变。由于15s脉冲放电时间较短，放电前后SOC的变化小，近似认为SOC不变，放电开始瞬间和结束时刻之间的电压差是相似的。进一步的，在本专利技术实施例中，所述步骤3中，建立磷酸铁锂电池动态模型需通过端电压响应表达式:RC并联电路的电压的初始电压：电池放电后静置时间，电池的脉冲放电电压响应为零输入电压响应，端电压响应表达式：y＝a-be-ct-de-ft...

【技术保护点】
1.一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：包括以下步骤：/n步骤1、确立等效电路模型，根据戴维南等效电路搭建了二阶RC电路模型；/n步骤2、对动力电池进行不同充放电倍率的循环间歇充放电实验；/n步骤3、建立磷酸铁锂电池动态模型，通过多重速率强跟踪卡尔曼滤波器法估算预测曲线和标准SOC的参考曲线。/n

【技术特征摘要】
1.一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：包括以下步骤：
步骤1、确立等效电路模型，根据戴维南等效电路搭建了二阶RC电路模型；
步骤2、对动力电池进行不同充放电倍率的循环间歇充放电实验；
步骤3、建立磷酸铁锂电池动态模型，通过多重速率强跟踪卡尔曼滤波器法估算预测曲线和标准SOC的参考曲线。


2.根据权利要求1所述的一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：所述步骤1中，搭建的二阶RC电路模型，Uoc是电池的端电压，UL是电池的开路电压，R0是电池的欧姆内阻，R1,C1是电化学极化电阻和电容，R2,C2是浓度极化电阻和电容，在电路中，R0可以反应端子电压的突变特性，二阶RC并联网络可以反应端电压的梯度特性，Uoc可以反应电压和SOC之间的关系。


3.根据权利要求1所述的一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：所述步骤2中，脉冲式充放电测试实验包括以下步骤：
1)将磷酸铁锂电池充满至SOC＝1，静置8小时；
2)以0.3C放电倍率进行放电实验：放电15秒，静置5分钟，放电20分钟，静置1小时，以此流程为一个循环，直至电池SOC＝0，可以计算得出，每一个放电循环，磷酸铁锂电池都放出10％的SOC，在整个放电过程中，每秒的电池电压数据被精确采集以用于分析，
其中，在脉冲式充放电测试实验中，欧姆电阻0R的存在使得电池电压在放电开始和结束时瞬间跳变，





4.根据权利要求1所述的一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：所述步骤3中，建立磷酸铁锂电池动态模型需通过端电压响应表达式:



RC并联电路的电压的初始电压：



电池放电后静置时间，电池的脉冲放电电压响应为零输入...

【专利技术属性】
技术研发人员：尚德华，贾葳，
申请(专利权)人：上海豫源电力科技有限公司，
类型：发明
国别省市：上海;31