一种基于双向电力变换器的化成工艺滤波状态估计方法技术

本发明专利技术公开了一种基于双向电力变换器的化成工艺滤波状态估计方法，属于参数估计技术领域。通过对Bi

【技术实现步骤摘要】
一种基于双向电力变换器的化成工艺滤波状态估计方法


[0001]本专利技术涉及一种基于双向电力变换器的化成工艺滤波状态估计方法，属于参数估计


技术介绍

[0002]锂电池出厂前反复给锂电池进行充电和放电的过程称为化成，其目的是激活电池内部的化学能，并在碳阳极表面形成均匀的固体电解质界面(SEI，Solid Electrolyte Interface)。化成过程作为电池制造的关键工序，需要对可能影响电池品质的各因素进行实时监测调整，比如恒流充电的电流大小、充电时间、充电截止电压、搁置时间、放电电流等。
[0003]监测调整过程涉及到对上述参数的估计，而随着生产环境变得越来越复杂，不可避免地会产生各种各样的噪声，如电磁干扰、测量误差等。噪声的存在会影响电压或电流等参数的估计，从而影响判断电荷态(SOC，State of Charge)等化成质量的指标。
[0004]锂电池组化成过程的核心部件是双向DC
‑
DC变换器，它在适当的控制下实现直流功率的双向流动。根据能量流动的方向，可以将其转换为Buck电路或Boost电路。随着科学技术的发展，不间断电源系统、航空电源系统等场合对双向DC
‑
DC变换器的需求逐渐增加，并被广泛应用于电力系统、家电、航空航天、国防军工、工业控制等领域。可以通过对双向DC
‑
DC变换器的状态估计，判断化成过程的质量优劣。
[0005]传统对于非线性系统的状态参数估计是贝叶斯经典方法，例如扩展卡尔曼滤波、粒子滤波等，它要求对噪声的概率分布满足先验性高斯假设。但实际由于生产过程的复杂性和未知性，总不能得到噪声的精确分布，或者虽然已知噪声分布，但属于非高斯或非白噪声情况，这些情形使得基于概率的状态估计结果不精确甚至失灵。这些情况使得基于概率的状态估计结果不准确甚至失败，这导致了经典滤波算法的局限性。而集员辨识(SMI，Set
‑
membership Identification)不需要知道噪声的特征，只要噪声有界，它就可以任意分布，因而被广泛的应用于各种未知噪声干扰的环境中进行状态参数估计。常用的SMI算法包括椭球、全对称多胞体、区间、超平行体和正多胞体等。
[0006]但椭球和全对称多胞体算法保守性较大，其他算法如区间和超平行体存在计算量较大的缺点。除此，复杂生产环境中的未知噪声，如电磁干扰等，会影响传统化成参数的状态估计值，进而影响锂电池的出厂品质；因此，针对锂电池组化成过程中对于双向DC
‑
DC变换器的状态估计问题，需要一种新的方法以保证锂电池的出厂品质。

技术实现思路

[0007]为解决传统全对称多胞体保守性较大以及生产环境中未知有界噪声对电池化成环节的干扰问题，本申请提出了一种基于双向电力变换器的化成工艺滤波状态估计方法，本申请方法基于全对称多胞体方法进行了新的改进，通过观测条带降低了估计结果的保守性，并通过重复利用下一时刻观测条带，基于观测条带位移全对称多胞体的对称面，对其进
行二次紧缩，实现了对于锂电池的化成参数更高效、准确地估计，从而更进一步的保证了锂电池的出厂品质。
[0008]一种基于双向电力变换器的化成工艺滤波状态估计方法，所述方法包括：
[0009]步骤一：搭建未知噪声干扰下的双向电力变换器Bi
‑
DC/DC的子系统Σ1～Σ4的模型；
[0010]步骤二：获取子系统Σ1～Σ4下系统输出数据，并利用全对称多胞体Z
k|k
包络k时刻状态参数，所述状态参数包括电感电流i
L
和电容电压u
C
；
[0011]步骤三：根据各子系统的状态方程对全对称多胞体Z
k|k
做仿射变换得到Z
k+1|k
；
[0012]步骤四：根据子系统Σ1～Σ4下系统输出数据构建观测条带S
k+1
，并与Z
k+1|k
相交得到下一时刻包裹状态真值的全对称多胞体；
[0013]步骤五：利用观测条带S
k+1
进一步紧缩得到Z
k+1|k+1
，其中心点即为双向电力变换器Bi
‑
DC/DC的状态估计值。
[0014]可选的，所述步骤一包括：
[0015]步骤1.1：搭建未知噪声干扰下的双向电力变换器Bi
‑
DC/DC的通用模型：
[0016][0017]其中，表示k时刻Bi
‑
DC/DC的状态向量，包括电感电流i
L
和电容电压u
C
；表示k时刻的系统的观测值；A、B、C分别是系统参数矩阵，且C＝[1 0]；ω
k
为过程噪声，v
k
为观测噪声，二者均是未知有界量；
[0018]步骤1.2：以Bi
‑
DC/DC变换器分别处于BUCK模式和BOOST模式构建其子系统Σ1～Σ4。
[0019]可选的，所述步骤二包括：
[0020]步骤2.1：设置BUCK模式和BOOST模式的切换率，根据各子系统Σ1～Σ4对应的模型提取输出数据y
k+1
，即电感电流i
L
的观测值；
[0021]步骤2.2：设k时刻状态估计值为构建全对称多胞体其中是全对称多胞体Z
k|k
的中心点，H是形状矩阵，B
n
是n维盒子。
[0022]可选的，所述步骤三包括：
[0023]步骤3.1：构造过程噪声ω
k
的全对称多胞体Z
w
；
[0024]设过程噪声ω
k
的边界为ε
w
，包络ω
k
全对称多胞体为其中：
[0025]p
ω
＝{0,0,
…
,0}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0026]H
w
＝diag{ε
w
,ε
w
,
…
,ε
w
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0027]步骤3.2：构造仿射变换全对称多胞体Z
k+1|k
；
[0028]设k时刻包含状态参数的超平行体为带入式(1)的状态方程，将全对称多胞体Z
k|k
线性变换后得到仿射变换全对称多胞体线性变换后得到仿射变换全对称多胞体
[0029]可选的，所述步骤四包括：
[0030]步骤4.1：根据步骤2.1中提取到的系统输出数据得到线性观测集合：
[0031][0032]其中
[0033][0034][0035]变量上标j表示此向量的第j个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双向电力变换器的化成工艺滤波状态估计方法，其特征在于，所述方法包括：步骤一：搭建未知噪声干扰下的双向电力变换器Bi
‑
DC/DC的子系统∑1～∑4的模型；步骤二：获取子系统∑1～∑4下系统输出数据，并利用全对称多胞体Z
k|k
包络k时刻状态参数，所述状态参数包括电感电流i
L
和电容电压u
C
；步骤三：根据各子系统的状态方程对全对称多胞体Z
k|k
做仿射变换得到Z
k+1|k
；步骤四：根据子系统∑1～∑4下系统输出数据构建观测条带S
k+1
，并与Z
k+1|k
相交得到下一时刻包裹状态真值的全对称多胞体；步骤五：利用观测条带S
k+1
进一步紧缩得到Z
k+1|k+1
，其中心点即为双向电力变换器Bi
‑
DC/DC的状态估计值。2.根据权利要求1所述的方法，其特征在于，所述步骤一包括：步骤1.1：搭建未知噪声干扰下的双向电力变换器Bi
‑
DC/DC的通用模型：其中，表示k时刻Bi
‑
DC/DC的状态向量，包括电感电流i
L
和电容电压u
C
；表示k时刻的系统的观测值；A、B、C分别是系统参数矩阵，且C＝[1 0]；ω
k
为过程噪声，v
k
为观测噪声，二者均是未知有界量；步骤1.2：以Bi
‑
DC/DC变换器分别处于BUCK模式和BOOST模式构建其子系统∑1～∑4。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：步骤2.1：设置BUCK模式和BOOST模式的切换率，根据各子系统∑1～∑4对应的模型提取输出数据y
k+1
，即电感电流i
L
的观测值；步骤2.2：设k时刻状态估计值为构建全对称多胞体其中是全对称多胞体Z
k|k
的中心点，H是形状矩阵，B
n
是n维盒子。4.根据权利要求3所述的方法，其特征在于，所述步骤三包括：步骤3.1：构造过程噪声ω
k
的全对称多胞体Z
w
；设过程噪声ω
k
的边界为ε
w
，包络ω
k
全对称多胞体为其中：p
ω
＝{0，0，...，0}
ꢀꢀꢀꢀ
(17)H
w

【专利技术属性】
技术研发人员：王子赟，李旭，王艳，纪志成，
申请(专利权)人：江南大学，
类型：发明
国别省市：