一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法技术

本发明专利技术提供了一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法，用于对磷酸铁锂电池进行SOC估计，包括以下步骤：步骤1，建立电池的二阶RC等效电路模型，并得到外特性方程；步骤2，分区间辨识二阶RC等效电路模型内未知的参数；步骤3，利用FFRLS算法再次辨识二阶RC等效电路模型中的欧姆内阻和开路电压OCV，并根据OCV查表获得全区间SOC曲线，得到SOC预测值；步骤4，根据扩展卡尔曼滤波算法的输出方程得到的预估端电压与实测端电压差值的绝对值作为判断条件Uerr，并以0.03V为判断界限，分别采用第一模糊推理系统和第二模糊推理系统对测量噪声协方差进行模糊控制，并实时输出测量噪声协方差；步骤5，根据测量噪声协方差辅助扩展卡尔曼滤波算法进行SOC估计。

【技术实现步骤摘要】
一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法
本专利技术属于锂离子电池领域，具体涉及一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法。
技术介绍
近年来，能源危机和环境污染的问题日益突显，电动汽车因为零排放的优势获得了全世界各国及汽车公司的重视。相比于其他电池，磷酸铁锂电池由于具有能量密度高、寿命长、自放电率低和环保等的特点而逐渐被发展为电动汽车的重要组成部件，对整车的动力性、经济性和安全性都有着至关重要的作用。但在汽车行驶过程中，磷酸铁锂电池的各个性能又很容易受到温度、循环使用次数及其他众多因素的影响。良好的电池管理系统(BMS)能够提高电池循环使用寿命和能量效率；而准确的电池模型参数辨识和荷电状态(StateofCharge，SOC)估计又是对车用电池和整车进行有效管理与控制的前提。目前常用的SOC估计方法有安时积分法、开路电压法和扩展卡尔曼滤波法等。安时积分法受SOC初值准确度的影响较大，且易因传感器精度而造成累计误差；开路电压法使用前需进行长时间静置以得到开路电压，不能用于实时在线估计，且在磷酸铁锂电池的OCV-SOC曲线中存在一段平台期，OCV变动并不大的情况下SOC也可能已经出现很大差异；扩展卡尔曼滤波在使用过程中，其噪声是一直固定不变的，这也不适用于磷酸铁锂电池特殊的OCV-SOC曲线走势。
技术实现思路
本专利技术是为了解决上述问题而进行的，目的在于提供一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法。本专利技术提供了一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法，用于对磷酸铁锂电池进行SOC估计，具有这样的特征，包括以下步骤：步骤1，建立磷酸铁锂电池的二阶RC等效电路模型，并根据二阶RC等效电路模型和基本电路原理得到二阶RC等效电路模型的外特性方程；步骤2，基于动态工况数据，分区间辨识二阶RC等效电路模型内未知的参数，辨识后得到参数的最优值并在二阶RC等效电路模型中进行使用；步骤3，利用FFRLS算法再次辨识二阶RC等效电路模型中的欧姆内阻和开路电压OCV，并根据OCV查表获得全区间SOC曲线，得到SOC预测值；步骤4，根据扩展卡尔曼滤波算法的输出方程得到的预估端电压与实测端电压差值的绝对值作为判断条件Uerr，并以0.03V为判断界限，分别采用第一模糊推理系统和第二模糊推理系统对扩展卡尔曼滤波算法的测量噪声协方差进行不同的模糊控制，并实时输出测量噪声协方差；步骤5，根据实时输出的测量噪声协方差辅助扩展卡尔曼滤波算法进行SOC估计，其中，步骤4包括以下子步骤：步骤4-1：当Uerr大于等于0.03V时，将Uerr作为第一模糊输入，将测量噪声协方差作为第一模糊输出，通过第一模糊推理系统对测量噪声协方差进行模糊控制；步骤4-2：当Uerr小于0.03V时，将FFRLS算法间接得到的SOC预测值作为第二模糊输入，将测量噪声协方差作为第二模糊输出，通过第二模糊推理系统对测量噪声协方差进行模糊控制。在本专利技术提供的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法中，还可以具有这样的特征：其中，步骤1中，二阶RC等效电路模型中包括串联连接的理想电压源UOCV、欧姆内阻R0、第一RC回路和第二RC回路，理想电压源UOCV由开路电压OCV表示，根据基本电路原理，得到二阶RC等效电路模型的外特性方程如下：第一RC回路的两端电压U1为：U1＝IR1·[1-exp(-t/τ1)](1)第二RC回路的两端电压U2为：U2＝IR2·[1-exp(-t/τ2)](2)模型输出端电压Ut为：Ut＝UOCV-IR0-U1-U2(3)公式(1)-公式(3)中，R1、C1分别为电池的浓差极化内阻和极化电容，R2、C2分别为电池的电化学极化内阻和极化电容，U1表示R1C1两端电压，U2表示R2C2两端电压，时间常数τ1＝R1C1，τ2＝R2C2，并且由于电池为非线性系统，对外特性方程进行离散化处理，得到状态方程如下：U1，k+1＝U1，kexp(-Δt/τ1，k)+IkR1，k(1-exp(-Δt/τ1，k))+ω2，k(5)U2，k+1＝U2，kexp(-Δt/τ2，k)+IkR2，k(1-exp(-Δt/τ2，k))+ω3，k(6)Ut，k＝OCVk(SOCk)-U1，k-U2，k-R0，kIk+υk(7)。在本专利技术提供的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法中，还可以具有这样的特征：其中，步骤2中，辨识二阶RC等效电路模型的参数时，基于标准容量测试、HPPC测试以及NEDC动态工况实验，并借助粒子群算法辨识参数，待辨识的参数如下：θ＝[SOCinitial，Rcha，Rdch，R1，R2，τ1，τ2](8)目标函数为：公式(8)中，SOCinitial为初始SOC，Rcha为充电欧姆内阻，Rdch为放电欧姆内阻，公式(9)中，n为采集到的所有数据值的数量，Ui和Uestimate，i分别表示i时刻对应的电池实测电压与模型端电压，在参数辨识的过程中，充放电欧姆内阻依据HPPC测试进行初步估计，此外，将SOC从0-100％等分成10个区间，每个区间分别进行10次寻优，并以模型端电压和电池实测电压间的均方根误差作为参数的评判标准，最终将每个区间中的最优值将作为二阶RC等效电路模型中的最优参数进行使用。在本专利技术提供的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法中，还可以具有这样的特征：其中，步骤3中，为消除时变参数系统中旧数据对新数据辨识结果的影响，选用带有遗忘因子λ的最小二乘法即FFRLS算法对二阶RC等效电路模型的欧姆内阻R0和OCV再次进行辨识，FFRLS算法的迭代公式如下：输出向量的预测：参数估计：增益矩阵更新：协方差矩阵更新：公式(10)-公式(13)中，是上一时刻系统所估计的OCV与R0的参考值，是此时刻的预测值大小，ek+1是系统实际观测值与的差值，即预测误差，I为单位矩阵，对于遗忘因子λ，选取0.95＜λ＜1。在本专利技术提供的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法中，还可以具有这样的特征：其中，第一模糊推理系统将Uerr作为第一模糊输入，其论域为[0，0.5]，将测量噪声协方差作为第一模糊输出，其论域为[0.00001，0.00005]，隶属度函数以三角形隶属函数为主，第一模糊输入和第一模糊输出均分为五个模糊集合。在本专利技术提供的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法中，还可以具有这样的特征：其中，第二模糊推理系统将FFRLS算法间接得到的SOC预测值作为第二模糊输入，其论域为[0，100]，将测量噪声协方差作为第二模糊输出，其论域为[0.00005，0.005]，隶属度函数均采用三角形隶属函数，第二模糊输入分为九个模糊集合，第二模糊输出分为五个模糊集合。在本专利技术提供本文档来自技高网...

【技术保护点】
1.一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法，用于对磷酸铁锂电池进行SOC估计，其特征在于，包括以下步骤：/n步骤1，建立所述磷酸铁锂电池的二阶RC等效电路模型，并根据所述二阶RC等效电路模型和基本电路原理得到所述二阶RC等效电路模型的外特性方程；/n步骤2，基于动态工况数据，分区间辨识所述二阶RC等效电路模型中未知的参数，辨识后得到所述参数的最优值并在所述二阶RC等效电路模型中进行使用；/n步骤3，利用FFRLS算法再次辨识所述二阶RC等效电路模型中的欧姆内阻和开路电压OCV，并根据OCV查表获得全区间SOC曲线，得到SOC预测值；/n步骤4，根据扩展卡尔曼滤波算法的输出方程得到的预估端电压与实测端电压差值的绝对值作为判断条件Uerr，并以0.03V为判断界限，分别采用第一模糊推理系统和第二模糊推理系统对所述扩展卡尔曼滤波算法的测量噪声协方差进行不同的模糊控制，并实时输出所述测量噪声协方差；/n步骤5，根据实时输出的所述测量噪声协方差辅助所述扩展卡尔曼滤波算法进行SOC估计，/n其中，所述步骤4包括以下子步骤：/n步骤4-1：当Uerr大于等于0.03V时，将Uerr作为第一模糊输入，将所述测量噪声协方差作为第一模糊输出，通过所述第一模糊推理系统对所述测量噪声协方差进行模糊控制；/n步骤4-2：当Uerr小于0.03V时，将所述FFRLS算法间接得到的所述SOC预测值作为第二模糊输入，将所述测量噪声协方差作为第二模糊输出，通过所述第二模糊推理系统对所述测量噪声协方差进行模糊控制。/n...

【技术特征摘要】
1.一种基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法，用于对磷酸铁锂电池进行SOC估计，其特征在于，包括以下步骤：
步骤1，建立所述磷酸铁锂电池的二阶RC等效电路模型，并根据所述二阶RC等效电路模型和基本电路原理得到所述二阶RC等效电路模型的外特性方程；
步骤2，基于动态工况数据，分区间辨识所述二阶RC等效电路模型中未知的参数，辨识后得到所述参数的最优值并在所述二阶RC等效电路模型中进行使用；
步骤3，利用FFRLS算法再次辨识所述二阶RC等效电路模型中的欧姆内阻和开路电压OCV，并根据OCV查表获得全区间SOC曲线，得到SOC预测值；
步骤4，根据扩展卡尔曼滤波算法的输出方程得到的预估端电压与实测端电压差值的绝对值作为判断条件Uerr，并以0.03V为判断界限，分别采用第一模糊推理系统和第二模糊推理系统对所述扩展卡尔曼滤波算法的测量噪声协方差进行不同的模糊控制，并实时输出所述测量噪声协方差；
步骤5，根据实时输出的所述测量噪声协方差辅助所述扩展卡尔曼滤波算法进行SOC估计，
其中，所述步骤4包括以下子步骤：
步骤4-1：当Uerr大于等于0.03V时，将Uerr作为第一模糊输入，将所述测量噪声协方差作为第一模糊输出，通过所述第一模糊推理系统对所述测量噪声协方差进行模糊控制；
步骤4-2：当Uerr小于0.03V时，将所述FFRLS算法间接得到的所述SOC预测值作为第二模糊输入，将所述测量噪声协方差作为第二模糊输出，通过所述第二模糊推理系统对所述测量噪声协方差进行模糊控制。


2.根据权利要求1所述的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法，其特征在于：
其中，所述步骤1中，所述二阶RC等效电路模型中包括串联连接的理想电压源UOCV、欧姆内阻R0、第一RC回路和第二RC回路，所述理想电压源UOCV由所述开路电压OCV表示，根据基本电路原理，得到所述二阶RC等效电路模型的外特性方程如下：
所述第一RC回路的两端电压U1为：
U1＝IR1·[1-exp(-t/τ1)](1)
所述第二RC回路的两端电压U2为：
U2＝IR2·[1-exp(-t/τ2)](2)
模型输出端电压Ut为：
Ut＝UOCV-IR0-U1-U2(3)
公式(1)-公式(3)中，R1、C1分别为电池的浓差极化内阻和极化电容，R2、C2分别为电池的电化学极化内阻和极化电容，U1表示R1C1两端电压，U2表示R2C2两端电压，时间常数τ1＝R1C1，τ2＝R2C2，
并且由于电池为非线性系统，对所述外特性方程进行离散化处理，得到状态方程如下:



U1，k+1＝U1，kexp(-Δt/τ1，k)+IkR1，k(1-exp(-Δt/τ1，k))+ω2，k(5)
U2，k+1＝U2，kexp(-Δt/τ2，k)+IkR2，k(1-exp(-Δt/τ2，k))+ω3，k(6)
Ut，k＝OCVk(SOCk)-U1，k-U2，k-R0，kIk+vk(7)。


3.根据权利要求1所述的基于模糊逻辑与扩展卡尔曼滤波的电池SOC估计方法，其特征在于：
其中，所述步骤2中，辨识所述二阶RC等效电路模型的所述参数时，基于标准容量测试、HPPC测试以及NEDC动态工况实验，并借助粒子群算法辨识所述参数，待辨识的所述参数如下：
θ＝[SOCinitial，Rcha，Rdch，R1，R2，τ1，τ2](8)
目标函数为：



公式(8)中，SOC...

【专利技术属性】
技术研发人员：王冠，郑岳久，肖占龙，孙跃东，周龙，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31