【技术实现步骤摘要】
基于IFA-EKF的锂电池SOC估算方法
本专利技术属于锂电池SOC估算
,具体涉及一种基于IFA-EKF的锂电池SOC估算方法。
技术介绍
电动汽车的电池SOC(Stateofcharge),即荷电状态,用来反映电池的剩余容量,其数值上定义为剩余容量占电池容量的比值,是新能源汽车动力系统功率分配的关键技术之一。电池SOC无法直接测量,受环境温度、内阻及电压等因素的影响。精确的估计SOC能节约电池成本、延长电池使用寿命,对电池起到保护作用,并为实现BMS均衡控制及其他功能提供重要依据。目前,围绕电池SOC估算研究的方法较多。开路电压法简单有效,但不适用于动态SOC估计。安时法存在测量仪器累积误差、电流损失等缺点,一般不在实车上应用。神经网络法自学习能力强,但依赖大量的样本进行数据训练。相对前三种方法,卡尔曼滤波(KalmanFiltering,KF)算法具有估算精度高、计算量小等优点,是目前SOC估算的热点。虽然KF算法极大提高了电池SOC管理水平和优化控制,但在使用KF算法计算时,一般都假设过程噪声协方差矩阵Qk和测量噪声协方差矩阵Rk为随机值。从而影响KF算法的精度。当Qk值较大时,会增加KF运算的不确定性;而当Rk值较大时,会导致KF算法的发散性。
技术实现思路
针对现有技术存在的缺陷,本专利技术提供一种基于IFA-EKF的锂电池SOC估算方法,可有效解决上述问题。本专利技术采用的技术方案如下:本专利技术提供一种基于IFA-EKF的锂电池SOC估算方法, ...
【技术保护点】
1.一种基于IFA-EKF的锂电池SOC估算方法,其特征在于,包括以下步骤:/n步骤1,建立锂电池二阶等效模型,其状态方程模型为:/n
【技术特征摘要】 【专利技术属性】
1.一种基于IFA-EKF的锂电池SOC估算方法,其特征在于,包括以下步骤:
步骤1,建立锂电池二阶等效模型,其状态方程模型为:
式中:
Qn为电池实际容量,Δt为采样序列的时间间隔,SOC(k+1)为k+1时刻的电池SOC,SOC(k)为k时刻的电池SOC,I(k)为k时刻的电流,V1(k+1)为k+1时刻的R1C1环端电压,V1(k)为k时刻的R1C1环端电压,R1为浓度差极化电阻,C1为浓度差极化电容,V2(k+1)为k+1时刻的R2C2环端电压,V2(k)为k时刻的R2C2环端电压,R2为电化学极化电阻,C2为电化学极化电容;
其输出方程为:
V(k)=V0(k)-V1(k)-V2(k)-R0I(k)(2)
式中:V(k)为k时刻的端电池,V0(k)为k时刻的开路电压,V1(k)为k时刻的R1C1环端电压,V2(k)为k时刻的R2C2环端电压,R0为欧姆内阻;
步骤2,对锂电池二阶等效模型进行参数辨识,分别得到开路电压V0与SOC关系数据、欧姆内阻R0与SOC关系数据、浓度差极化电阻R1与SOC关系数据、浓度差极化电容C1与SOC关系数据、电化学极化电阻R2与SOC关系数据,以及电化学极化电容C2与SOC关系数据;
步骤3,使用IFA算法对过程噪声协方差矩阵Qk和测量噪声协方差矩阵Rk进行在线寻优,得到最优的过程噪声协方差矩阵Qk'和最优的测量噪声协方差矩阵Rk′;
步骤4,以步骤3确定的最优的过程噪声协方差矩阵Qk'和最优的测量噪声协方差矩阵Rk'作为输入,以步骤2确定的参数辨识结果作为输入,采用EKF卡尔曼滤波算法进行锂电池SOC估算,得到最终的锂电池SOC估算值,本步骤具体为:
步骤4.1,令状态变量xk=[SOCkV1(k)V2(k)]T,其中,T为矩阵的转置;
则公式(1)改写成如下矩阵形式:
令
并加入k时刻的系统过程噪声wk,可得电池模型的状态方程为:
xk=Ak-1xk-1+Bk-1Ik-1+wk-1(15)
其中:xk为k时刻的状态变量;xk-1为k-1时刻的状态变量;Ik-1为k-1时刻的电流;wk-1为k-1时刻的系统噪声,与电流的测量噪声有关;Ak-1为中间量;Bk-1为中间量;
则锂电池模型输出方程为:
Vk=V0(SOCk)-V1(k)-V2(k)-R0Ik(16)
其中:Vk为k时刻的端电压,V0(SOCk)为k时刻的开路电压,V1(k)为k时刻的R1C1环端电压,V2(k)为k时刻的R2C2环端电压,R0为欧姆内阻;
由于开路电压V0(SOCk)与SOC之间是非线性关系,因此V0(SOCk)是非线性函数;令g(xk,Ik)=V0(SOCk)-V1(k)-V2(k)-R0Ik,再加入观测噪声vk,得到锂电池模型输出方程式为:
V'k=g(xk,Ik)+vk(17)
其中:V'k为k时刻的端电压的修正值;
步骤4.2,设定初值,包括:为状态变量后验值和均方估计误差后验值P0+设定初值;将步骤3确定的最优的过程噪声协方差矩阵Qk'和最优的测量噪声协方差矩阵Rk'作为初值;
步骤4.3,根据步骤4.2设定的初值启动递推算法,代入步骤4.1确定的锂电池模型输出方程式,得到k时刻的状态变量先验值和k时刻的均方估计误差先验值为:
技术研发人员:吴华伟,张远进,叶从进,杜聪聪,
申请(专利权)人:湖北文理学院,
类型:发明
国别省市:湖北;42
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。