【技术实现步骤摘要】
基于混合滤波的锂离子电池状态计算方法
本专利技术属于锂电池领域，具体涉及一种基于混合滤波的锂离子电池状态计算方法。
技术介绍
锂离子电池以其高能量比度、长循环寿命、低自放电率和高转化效率等特点已经在电网储能、电动汽车动力电池等领域广泛应用。电池的状态主要指电池的荷电状态SOC(StateofCharge)和健康状态SOH(StateofHealth)。一般来说，对于锂离子电池的状态估计方法，现多采用基于模型的方法，模型包括电化学模型、等效电路模型、数据驱动模型等。目前常用的SOC状态估计方法有：开路电压法、安时积分法、神经网络法、卡尔曼滤波法等。开路电压法简单易行，但是估计前要将电池静置一段时间，这个过程需要很长时间，不适合在线估计；安时积分法初始误差无法修正，随着时间的推移会导致SOC的估计精度不高；卡尔曼滤波(KF)法估算电池SOC采用闭环估计，为最小均方的最优估算；扩展KF(EKF)需要对非线性模型进行线性化处理，从而会使系统引入线性化误差，无迹卡尔曼滤波(UKF)有估算不稳定的缺点，无法确定状态协方差的半正定性，不能...
【技术保护点】
1.一种基于混合滤波的锂离子电池状态计算方法，包括如下步骤：/nS1.建立锂电池二阶等效电路模型，从而得到空间状态方程；/nS2.采用扩展卡尔曼滤波对步骤S1建立的二阶等效电路模型进行在线参数辨识，从而得到SOH估计值；/nS3.采用滑动可变结构滤波算法对锂电池的SOC值进行估计；/nS4.采用粒子群优化算法修正混合滤波器的参数，从而得到锂电池的精确的的SOH估计值和SOC估计值。/n
【技术特征摘要】
1.一种基于混合滤波的锂离子电池状态计算方法，包括如下步骤：
S1.建立锂电池二阶等效电路模型，从而得到空间状态方程；
S2.采用扩展卡尔曼滤波对步骤S1建立的二阶等效电路模型进行在线参数辨识，从而得到SOH估计值；
S3.采用滑动可变结构滤波算法对锂电池的SOC值进行估计；
S4.采用粒子群优化算法修正混合滤波器的参数，从而得到锂电池的精确的的SOH估计值和SOC估计值。
2.根据权利要求1所述的基于混合滤波的锂离子电池状态计算方法，其特征在于步骤S1所述的建立锂电池二阶等效电路模型，从而得到空间状态方程，具体为采用如下模型作为锂电池二阶等效电路模型，并采用如下算式作为空间离散状态方程：
锂电池二阶等效电路模型：
模型的电压源的电压为VOC(SOC)；模型的输出电流为ib(k)；模型的阻抗包括依次串联的第一阻抗、第二阻抗和第三阻抗；第一阻抗为阻值为Rs的电阻；第二阻抗为阻值为Rst的电阻和容值为Cst的电容并联，第二阻抗两端的端电压为Vst(k)；第三阻抗为阻值为Rlt的电阻和容值为Clt的电容并联，第三阻抗两端的端电压为Vlt(k)；模型的输出端电压为Vcell(k)；
空间离散状态方程：
y(k)＝Vcell(k)＝Voc(SOC(k))-Vst(k)-Vlt(k)-RsiB(k)
VOC(SOC)＝-a0exp(-a1SOC)+a2+a3SOC-a4SOC2+a5SOC3-a6SOC4
其中x(k+1)＝[SOC(k+1)Vst(k+1)Vlt(k+1)]T为状态变量；k为时间指数，η为库伦效率，Cmax为电池最大容量，Ts为采样周期，iB(k)为电池的瞬时电流且放电模式时为正数，α1＝exp(-Ts/τs)且τs＝Rst·Cst；β1＝Rst(1-α1)；α2＝exp(-Ts/τl)且τl＝Rlt·Clt；β2＝Rlt(1-α2)，a0～a6为OCV曲线的相关系数。
3.根据权利要求2所述的基于混合滤波的锂离子电池状态计算方法，其特征在于步骤S2所述的采用扩展卡尔曼滤波对步骤S1建立的二阶等效电路模型进行在线参数辨识，从而得到SOH估计值，具体为采用如下步骤进行SOH估计值的计算：
A.采用如下算式建立模型：
θk+1＝θk+rk
yk＝h(xk,iB,k,θk)+ek
其中θ为参数向量且θ＝[α1β1α2β21/CmaxRs]，对应的状态误差协方差矩阵为P；rk为均值为0、协方差为Q的高斯白噪声；ek为量测噪声；
B.采用如下算式计算之前参数向量和误差协方差Pk|k-1：
Pk|k-1＝Pk-1+Q
C.计算得到估计的测量值：
式中为时间k的KF增益；
D.采用如下算式计算得到SOH估计值
4.根据权利要求3所述的基于混合滤波的锂离子电池状态计算方法，其特征在于步骤C的计算参数具体为反复计算如下微分，从而得到最终的计算参数
<...
【专利技术属性】
技术研发人员：罗磊鑫，欧名勇，陈剑，张兴伟，刘立洪，谭丽平，陈娟，齐增清，唐利松，李达伟，陈柯宇，
申请(专利权)人：湖南经研电力设计有限公司，国网湖南省电力有限公司经济技术研究院，
类型：发明
国别省市：湖南;43
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。