一种基于滤波的锂电池核心与表面温度估计方法技术

本发明专利技术公开了一种基于滤波的锂电池核心与表面温度估计方法，属于状态估计技术领域。所述方法通过利用滤波方法进行系统状态的迭代，不需要提前知道系统噪声和扰动的先验分布，增加了状态变量方法的适用性；在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制，使粒子的分布更加接近真实值且更为密集；粒子分布密集意味着粒子的权重更加接近，小权值的粒子数量更少，避免了在重采样过程中被替换，保留了粒子的多样性，从而解决传统粒子滤波算法过程中出现的粒子匮乏导致的系统鲁棒性较差的问题。

【技术实现步骤摘要】
一种基于滤波的锂电池核心与表面温度估计方法
本专利技术涉及一种基于滤波的锂电池核心与表面温度估计方法，属于状态估计

技术介绍
锂电池储能系统以其在功率密度、能量密度、循环寿命、自放电率以及价格等方面的优势，成为清洁电能缓冲和电动汽车动力源的主要选择之一。为了使其时刻工作在正常的工作状态下，就需要对其工作温度(核心与表面温度)作出实时的估计。作为一种状态估计的智能算法，粒子滤波算法因其对系统模型和噪声分布的低依赖性，在状态估计领域有着广泛应用。然而，现有方法中，由于噪声的存在导致粒子滤波算法中粒子的扩散不可控，会产生远离真实值的小权值粒子，小权值粒子会在重采样过程中被大权值粒子替代，降低了重采样过程后粒子样本的多样性。现有方法中往往会通过构造马尔科夫链，采用马尔科夫蒙特卡洛的方法移动粒子后对粒子进行重采样，但是马尔科夫链的构造往往相当困难。由于现有方法降低了重采样过程后粒子样本的多样性，所以导致大权值粒子在迭代过程中占主导地位，对于系统参数变化的应对不灵敏，降低了系统的鲁棒性。
技术实现思路
为了保持粒子样本的多样性，从而进一步提高对于锂电池工作温度的实时估计的准确性，本专利技术提供了一种基于滤波的锂电池核心与表面温度估计方法，所述方法包括：建立锂电池电热耦合状态空间模型，基于锂电池电热耦合状态空间模型采用粒子滤波方法得到锂电池核心与表面温度的状态估计区域；所述粒子滤波方法在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制。可选的，所述方法包括：步骤一：建立锂电池电热耦合状态空间模型；锂电池电热耦合模型的状态空间表达式如下式(1)所示：其中，x(k)为系统状态向量，y(k)为系统输出矩阵，u(k)为系统输入矩阵；表示状态扰动，表示系统测量噪声，扰动和噪声都是有界的，即|ω(k)|≤σ、|v(k)|≤γ；A、B、c、F为系统给定矩阵；系统状态变量x＝[TcTs]T，Tc为电池核心温度，Ts为电池表面温度；系统输入矩阵u＝[QgenTe]T，Qgen为电池核心发热功率，Te为环境温度；当矩阵c＝[11]T时，系统输出矩阵y＝Tc+Ts，表示电池核心温度与表面温度之和；步骤二：设定初始粒子分布情况和粒子数目，得到一组随机的初始粒子集合，并以初始粒子为中心点，以给定的形状矩阵为初始形状矩阵，构建系统状态变量对应的多胞体集合；步骤三：根据k-1时刻的粒子集合和式(1)所示的状态空间表达式求解k时刻的预测粒子集合；步骤四：根据k-1时刻的系统状态变量对应的多胞体集合构建k时刻的状态变量可行集的多胞体集合并根据k时刻系统输出构建带状空间；步骤五：求解步骤四中构建得到的k时刻状态变量可行集的多胞体集合和带状空间的交集，并用最小体积的多胞体包裹，得到k时刻的系统状态变量对应的多胞体集合步骤六：判断步骤三中得到的k时刻的预测粒子集合中每个粒子是否落在步骤五得到的系统状态变量对应的多胞体集合中对应的多胞体里；若在多胞体中，则保留粒子；若在多胞体之外，则在对应的多胞体中随机生成一个粒子替代，得到一组新的粒子集合步骤七：计算步骤六得到的新的粒子集合中每个粒子的权重并将其归一化；步骤八：对归一化后的粒子集合进行重采样得到后验粒子集合，并重置每个粒子的权值；步骤九：对步骤八的后验粒子集合进行加权计算，得到k时刻的系统状态变量估计值。可选的，所述步骤二包括：定义粒子数目为N，初始粒子分布满足高斯分布从而得到粒子集合表示初始时刻的第i个粒子，x0为高斯分布的期望，为方差；定义初始多胞体的中心点集合与初始多胞体形状矩阵根据初始多胞体形状矩阵以初始粒子群中的每个粒子分别为初始多胞体的中心点构建初始多胞体集合可选的，所述步骤三包括：根据式(4)和k-1时刻粒子集合得到k时刻的预测粒子集合可选的，所述步骤四包括：4.1根据k-1时刻的多胞体集合和式(5)～(7)计算k时刻的状态变量可行集的多胞体集合其中，分别代表k-1时刻和k时刻第i个粒子对应多胞体的中心点；分别代表k-1时刻和k时刻第i个粒子对应多胞体的形状矩阵；为m+nF个单位区间[-1,1]构成的单位盒子；4.2根据k时刻的系统观测值yk、式(1)所示的状态空间表达式和系统测量噪声的边界γ构建如式(8)所示的带状空间：Sk＝{xk∈Rn:|cTxk-yk|≤γ}(8)。可选的，所述步骤五包括：根据式(9)～(13)计算能包裹步骤四所得到的k时刻的状态变量可行集的多胞体集合和带状空间Sk交集的最小容积多胞体集合其中，与分别代表矩阵的第j列和第m列向量；向量q和对角矩阵L通过式(14)～(17)求得：m＝1,2,...,r其中，qm为向量q的第m个元素，Lmm为对角矩阵对角线上的第m个元素；上述所求得的j个多胞体中，容积最小的多胞体即为其中心点和形状矩阵即为和可选的，所述步骤七包括：根据式(18)计算新的粒子集合中每个粒子权重根据式(19)将新的粒子集合中每个粒子权重归一化：表示归一化后的粒子权重。可选的，所述步骤八包括：在(0,1]中产生一个随机数ui,i＝1,2,…,N；根据式(20)对新的粒子集合进行重采样，得到重采样后的粒子集合，称为后验粒子集合将后验粒子集合中每个粒子权重重置为1/N。可选的，所述步骤九包括：根据式(21)对后验粒子集合进行加权计算，得到k时刻的系统状态变量的估计值：可选的，式(1)中，Cc表示电池内部材料的热容系数，Cs表示电池表面的热容系数，Rc表示电池核心与表面之间的热阻，Ru表示电池表面与冷却空气之间的对流电阻，Δt表示单位时间间隔。本专利技术有益效果是：通过利用滤波方法进行系统状态的迭代，不需要提前知道系统噪声和扰动的先验分布，增加了状态变量方法的适用性；在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制，使粒子的分布更加接近真实值且更为密集；粒子分布密集意味着粒子的权重更加接近，小权值的粒子数量更少，避免了在重采样过程中被替换，保留了粒子的多样性，从而解决传统粒子滤波算法过程中出现的粒子匮乏导致的系统鲁棒性较差的问题。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员本文档来自技高网...

【技术保护点】
1.一种基于滤波的锂电池核心与表面温度估计方法，其特征在于，所述方法包括：/n建立锂电池电热耦合状态空间模型，基于锂电池电热耦合状态空间模型采用粒子滤波方法得到锂电池核心与表面温度的状态估计区域；所述粒子滤波方法在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制。/n

【技术特征摘要】
1.一种基于滤波的锂电池核心与表面温度估计方法，其特征在于，所述方法包括：
建立锂电池电热耦合状态空间模型，基于锂电池电热耦合状态空间模型采用粒子滤波方法得到锂电池核心与表面温度的状态估计区域；所述粒子滤波方法在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制。


2.根据权利要求1所述的方法，其特征在于，所述方法包括：
步骤一：建立锂电池电热耦合状态空间模型；
锂电池电热耦合模型的状态空间表达式如下式(1)所示：



其中，x(k)为系统状态向量，y(k)为系统输出矩阵，u(k)为系统输入矩阵；表示状态扰动，表示系统测量噪声，扰动和噪声都是有界的，即|ω(k)|≤σ、|ν(k)|≤γ；A、B、c、F为系统给定矩阵；
系统状态变量x＝[TcTs]T，Tc为电池核心温度，Ts为电池表面温度；系统输入矩阵u＝[QgenTe]T，Qgen为电池核心发热功率，Te为环境温度；当矩阵c＝[11]T时，系统输出矩阵y＝Tc+Ts，表示电池核心温度与表面温度之和；
步骤二：设定初始粒子分布情况和粒子数目，得到一组随机的初始粒子集合，并以初始粒子为中心点，以给定的形状矩阵为初始形状矩阵，构建系统状态变量对应的多胞体集合；
步骤三：根据k-1时刻的粒子集合和式(1)所示的状态空间表达式求解k时刻的预测粒子集合；
步骤四：根据k-1时刻的系统状态变量对应的多胞体集合构建k时刻的状态变量可行集的多胞体集合并根据k时刻系统输出构建带状空间；
步骤五：求解步骤四中构建得到的k时刻状态变量可行集的多胞体集合和带状空间的交集，并用最小体积的多胞体包裹，得到k时刻的系统状态变量对应的多胞体集合
步骤六：判断步骤三中得到的k时刻的预测粒子集合中每个粒子是否落在步骤五得到的系统状态变量对应的多胞体集合中对应的多胞体里；若在多胞体中，则保留粒子；若在多胞体之外，则在对应的多胞体中随机生成一个粒子替代，得到一组新的粒子集合
步骤七：计算步骤六得到的新的粒子集合中每个粒子的权重并将其归一化；
步骤八：对归一化后的粒子集合进行重采样得到后验粒子集合，并重置每个粒子的权值；
步骤九：对步骤八的后验粒子集合进行加权计算，得到k时刻的系统状态变量估计值。


3.根据权利要求2所述的方法，其特征在于，所述步骤二包括：
定义粒子数目为N，初始粒子分布满足高斯分布从而得到粒子集合表示初始时刻的第i个粒子，x0为高斯分布的期望，为方差；
定义初始多胞体的中心点集合与初始多胞体形状矩阵
根据初始多胞体形状矩阵以初始粒子群中的每个粒子分别为初始多胞体的中心点构建初始多胞体集合


4.根据权利要求3所述的方法，其特征在于，所...

【专利技术属性】
技术研发人员：王子赟，王培宇，王艳，占雅聪，纪志成，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32