【技术实现步骤摘要】
一种基于非线性电热模型的动力电池双温度估计方法
[0001]本专利技术涉及一种基于非线性电热模型的动力电池双温度估计方法，属于动力电池状态估计
技术介绍
[0002]动力电池因其寿命长、自放率低、能量密度高等优势成为最具有发展前景的储能电源，被广泛应用于储能领域的各个方面。动力电池应用领域的不断拓展对电池的性能提出了较高的要求，安全性和可靠性问题是电池储能系统最关键的问题，而动力电池的工作温度很大程度上反应了电池储能系统的工作情况。因此为了使其时刻工作在正常的工作状态下，需要对动力电池的工作温度(通常包括电池表面温度和核心温度)进行实时的检测。
[0003]动力电池工作环境复杂，在工作时容易受到各种噪声干扰的影响，当前大部分针对动力电池温度的状态估计方法都是假设噪声和干扰符合一定的概率分布，然而实际动力电池系统中的噪声和干扰统计特性很难获得，因此这类状态估计方法所得到的结果准确度不高。同时动力电池系统为非线性系统，而在现有针对动力电池温度的估计方案中，为了降低计算复杂度，通常采用建立线性电热模型的处理方法，因此估计结果与实际值存在一定的误差，估计精度有待于进一步提高。
技术实现思路
[0004]为了进一步提高对动力电池温度的估计精度，确保动力电池系统的安全性和可靠性，本专利技术提供了一种基于非线性电热模型的动力电池双温度估计方法，所述方法包括：
[0005]Step1：建立动力电池的非线性电热模型；
[0006][0007]其中，x
k
＝[x>1,k
,x
2,k
]T
＝[T
c,k
,T
s,k
]T
为状态变量，T
c,k
和T
s,k
分别表示k时刻的电池核心温度和表面温度，u
k
＝[Q
gen,k
,T
e,k
]T
为k时刻的输入矩阵，Q
gen
表示电池核心的发热功率；T
e,k
表示k时刻的环境温度，表示未知但有界的扰动噪声；表示未知但有界的测量噪声；A、B为系统的参数矩阵；y
k+1
为输出变量，函数h(x
k+1
)为非线性电热模型的测量函数；
[0008]Step2：利用Stirling插值将动力电池的非线性电热模型中的测量函数展开，构建动力电池的线性电热模型；
[0009]Step3：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件；
[0010]Step4：根据Step2构建的线性电热模型和Step3确定的温度状态约束条件，确定带温度状态约束条件的动力电池线性电热模型，并根据带温度状态约束条件的动力电池线性电热模型获取k时刻状态变量x
k
；
[0011]Step5：根据k时刻状态变量x
k
得到对应的全对称多胞体集合Z
k
，根据k时刻状态变
量x
k
对应的全对称多胞体集合Z
k
构建k+1时刻状态变量预测集对应的全对称多胞体集合
[0012]Step6：根据k+1时刻的输出变量构建k+1时刻的带状空间S
k+1
，根据k+1时刻线性化后的测量方程，将测量过程线性化误差融入带状空间S
k+1
；
[0013]Step7：对k+1时刻状态变量预测集的全对称多胞体集合与带状空间S
k+1
求交集得到k+1时刻包含状态变量x
k+1
的全对称多胞体集合Z
k+1
，根据k+1时刻包含状态变量x
k+1
的全对称多胞体集合Z
k+1
得到电池核心温度和表面温度的估计区间，完成对动力电池双温度的估计。
[0014]可选的，所述非线性电热模型的测量函数h(x
k+1
)为：
[0015][0016]其中，x
1,k+1
表示k+1时刻的电池核心温度；x
2,k+1
表示k+1时刻的电池表面温度。
[0017]可选的，所述Step2包括：
[0018]利用Stirling插值将非线性电热模型中的测量方程展开为：
[0019][0020]其中，H.O.T2是Stirling插值展开的高阶误差项，用区间进行包裹表示为H.O.T2＝[Δh
min
(x
k+1
),Δh
max
(x
k+1
)]，即为测量过程线性化误差；l为步长，n为状态变量x
k
的维数，是k+1时刻的状态预测估计值；
[0021]构建动力电池的线性电热模型为：
[0022][0023]可选的，所述Step3获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件，包括：
[0024]动力电池工作在正常工况下，核心温度T
c
满足M1℃≤T
c
≤M2℃；核心温度和表面温度之间存在差值，差值稳定在m℃
±
ε℃范围内，即m
‑
ε℃≤T
c
‑
T
s
≤m+ε℃；
[0025]确定系统的状态约束：
[0026][0027]将系统的状态约束写成式(7)的形式：
[0028]||f(x
k
)||≤ζ,f(x
k
)＝D
k
‑
F
k
x
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0029]其中，
[0030]可选的，所述Step4包括：
[0031]确定带温度约束条件的动力电池线性电热模型：
[0032][0033]其中，ζ
k+1
∈<0,ζ
·
I
p
×
d
>，p为输出变量的维数，d为D
k+1
的维数；
[0034]根据带温度状态约束条件的动力电池线性电热模型获取k时刻电池核心温度和表面温度，确定k时刻的状态变量x
k
。
[0035]可选的，所述Step5包括：
[0036]构建k时刻状态变量x
k
对应的全对称多胞体集合Z
k
；
[0037]设置初始化状态变量x0对应的全对称多胞体代表初始时刻对应全对称多胞体的中心点，代表初始时刻对应全对称多胞体的形状矩阵，B
m
为m个单位区间[
‑
1,1]构成的单位盒子；假设k时刻的状态变量x
k
对应的全对称多胞体构建k+1时刻状态变量预测集对应的全对称多胞体集合本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于非线性电热模型的动力电池双温度估计方法，其特征在于，所述方法包括：Step1：建立动力电池的非线性电热模型；其中，x
k
＝[x
1,k
,x
2,k
]
T
＝[T
c,k
,T
s,k
]
T
为状态变量，T
c,k
和T
s,k
分别表示k时刻的电池核心温度和表面温度，u
k
＝[Q
gen,k
,T
e,k
]
T
为k时刻的输入矩阵，Q
gen
表示电池核心的发热功率；T
e,k
表示k时刻的环境温度，表示未知但有界的扰动噪声；表示未知但有界的测量噪声；A、B为系统的参数矩阵；y
k+1
为输出变量，函数h(x
k+1
)为非线性电热模型的测量函数；Step2：利用Stirling插值将动力电池的非线性电热模型中的测量函数展开，构建动力电池的线性电热模型；Step3：获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件；Step4：根据Step2构建的线性电热模型和Step3确定的温度状态约束条件，确定带温度状态约束条件的动力电池线性电热模型，并根据带温度状态约束条件的动力电池线性电热模型获取k时刻状态变量x
k
；Step5：根据k时刻状态变量x
k
得到对应的全对称多胞体集合Z
k
，根据k时刻状态变量x
k
对应的全对称多胞体集合Z
k
构建k+1时刻状态变量预测集对应的全对称多胞体集合Step6：根据k+1时刻的输出变量构建k+1时刻的带状空间S
k+1
，根据k+1时刻线性化后的测量方程，将测量过程线性化误差融入带状空间S
k+1
；Step7：对k+1时刻状态变量预测集的全对称多胞体集合与带状空间S
k+1
求交集得到k+1时刻包含状态变量x
k+1
的全对称多胞体集合Z
k+1
，根据k+1时刻包含状态变量x
k+1
的全对称多胞体集合Z
k+1
得到电池核心温度和表面温度的估计区间，完成对动力电池双温度的估计。2.根据权利要求1所述的方法，其特征在于，所述非线性电热模型的测量函数h(x
k+1
)为：其中，x
1,k+1
表示k+1时刻的电池核心温度；x
2,k+1
表示k+1时刻的电池表面温度。3.根据权利要求2所述的方法，其特征在于，所述Step2包括：利用Stirling插值将非线性电热模型中的测量方程展开为：
其中，H.O.T2是Stirling插值展开的高阶误差项，用区间进行包裹表示为H.O.T2＝[Δh
min
(x
k+1
),Δh
max
(x
k+1
)]，即为测量过程线性化误差；l为步长，n为状态变量x
k
的维数，是k+1时刻的状态预测估计值；构建动力电池的线性电热模型为：4.根据权利要求3所述的方法，其特征在于，所述Step3获取动力电池正常工作状态下的核心温度和表面温度，确定动力电池的温度状态约束条件，包括：动力电池工作在正常工况下，核心温度T
c
满足M1℃≤T
c
≤M2℃；核心温度和表面温度之间存在差值，差值稳定在m℃
±
ε℃范围内，即m
‑
ε℃≤T
c
‑
T
s
≤m+ε℃；确定系统的状态约束：将系统的状态约束写成式(7)的形式：||f(x
k
)||≤ζ,f(x
k
)＝D
k
‑
F
k
x
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)其中，5.根据权利要求4所述的方法，其特征在于，所述Step4包括：确定带温度约束条件的动力电池线性电热模型：其中,ζ
k+1
∈<0,ζ
·
I
p
×
d
>，p为输出变量的维数，d为D
k+1
的维数；根据带温度状态约束条件的动力电池线性电热模型获取k时刻电池核心温度和表面...
【专利技术属性】
技术研发人员：王子赟，占雅聪，王艳，陈宇乾，纪志成，霍雷霆，
申请(专利权)人：江南大学，
类型：发明
国别省市：
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。