一种基于磷酸铁锂电池的荷电状态估算方法技术

本发明专利技术公开了一种基于磷酸铁锂电池的荷电状态估算方法，包括以下步骤：建立锂离子电池的二阶RC等效电路模型；获取电池模型状态空间方程；双卡尔曼滤波更新欧姆内阻；使用梯度下降法更新融合算法中的滑模观测器增益；使用融合双卡尔曼滤波算法的滑模观测器算法进行状态变量最优估计值的更新，加入独立的补偿增益环节提高算法的收敛速度。本发明专利技术通过在滑模观测器算法中融合双卡尔曼滤波算法，能够降低算法对于模型的依赖程度，提高算法鲁棒性。提高算法鲁棒性。提高算法鲁棒性。

【技术实现步骤摘要】
一种基于磷酸铁锂电池的荷电状态估算方法


[0001]本专利技术属于锂离子电池
，应用于锂离子电池管理系统，具体涉及一种基于磷酸铁锂电池的荷电状态估算方法。

技术介绍

[0002]锂离子电池的荷电状态(State of Charge,SOC)是判断电池状态的重要依据之一。对于SOC的实时准确估算是对电池合理、安全使用的前提，也是对电池进行管理的必要条件，从而延长电池整体寿命，提高电池的安全性。但锂离子电池内部的电化学反应复杂多变，其SOC无法直接测量获取，仅能基于电池相关物理量通过一定方法估算获得。
[0003]扩展卡尔曼滤波因其较高的精度和较低的复杂度，在电池SOC估算中得到认可。但该算法对模型精度依赖性较高，但常规的时不变电池模型对电池内部动态特性的适应性不理想，当电池模型受到温度和老化等因素影响时，SOC估算精度会产生不同程度的下降，这显然不符合实际的需求。

技术实现思路

[0004]针对上述现有技术存在的问题，本专利技术提供了一种基于磷酸铁锂电池的荷电状态估算方法，该方法通过将滑模观测器和双卡尔曼滤波算法进行融合，并加入独立的增益补偿环节，提升融合算法在估算锂离子电池SOC过程中的鲁棒性。
[0005]为实现上述目的，本专利技术提供了如下方案：本专利技术提供了一种基于磷酸铁锂电池的荷电状态估算方法，包括如下步骤：
[0006]步骤1、建立锂离子电池的二阶RC等效电路模型：采集开路电压数据与荷电状态数据，基于所述等效电路模型，获取不同状态下的电池模型参数；
[0007]步骤2、获取电池模型状态空间方程：基于基尔霍夫定律，通过所述等效电路模型和所述电池模型参数，得到模型状态空间方程；
[0008]步骤3、双卡尔曼滤波欧姆内阻更新：基于所述模型状态空间方程，使用卡尔曼滤波算法进行欧姆内阻的估算以及状态变量的时间更新；
[0009]步骤4、更新滑模观测器增益：基于所述时间更新的计算结果，使用梯度下降法更新融合算法中的滑模观测器增益；
[0010]步骤5、融合估算：使用融合滑模观测器的双卡尔曼滤波算法进行状态变量最优估计值的更新，并加入独立的补偿增益环节提高算法的收敛速度。
[0011]优选地，所述步骤4中使用梯度下降法更新融合算法中的滑模观测器增益。
[0012]优选地，所述使用梯度下降法计算公式为：
[0013]定义:
[0014][0015]对上式的L求偏导得：
[0016][0017]其中C
k
为观测方程的输出矩阵，r为滑模观测器参数，梯度下降递推过程为：
[0018]S
k
＝γS
k
+(1
‑
γ)g
k2
[0019][0020]其中，γ表示权重参数，η为学习率，τ为一较小参数，防止算法初期出现分母为零的情况。
[0021]优选地，所述步骤5中采用融合滑模观测器的双卡尔曼滤波算法修正最优状态变量估计值更新。
[0022]优选地，所述融合算法的状态变量估计值更新方程为：
[0023][0024]其中，ε为单位阶跃函数，err为电压误差限值，L
k
为独立的反馈增益，当误差超限时，将该修正环节加入，未超限时，将该修正环节切除，该修正环节类似于一个独立的反馈增益环节，设立目标旨在提高算法的收敛速度；G
k
为k时刻融合算法增益，其更新过程为：
[0025][0026]其中，H
k
为双卡尔曼滤波中用于状态变量更新的拓展卡尔曼滤波增益，D
k
为采用RMSprop算法进行梯度下降的递推结果。
[0027]本专利技术公开了以下技术效果：
[0028]与现有技术相比，本专利技术提供了一种基于磷酸铁锂电池的荷电状态估算方法，该方法通过在滑模观测器算法中融合双卡尔曼滤波算法，并采用RMSprop梯度下降法实现滑模观测器增益的自适应修正，并加入独立的补偿增益环节，提升了算法在存在SOC初值误差时的收敛速度，增强了算法抑制噪声的能力。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1为本专利技术公开的一种基于磷酸铁锂电池的荷电状态估算方法的流程框图示意。
[0031]图2为锂离子电池二阶RC等效电路模型。
[0032]图3为25℃美国联邦城市驾驶工况电流。
[0033]图4
‑
1、4
‑
2分别为25℃美国联邦城市驾驶工况下初始SOC准确，电压信号未加入噪声三种算法(滑模观测器SMO、双卡尔曼滤波算法DKF、融合双卡尔曼滤波的滑模观测器算法DKF
‑
SMO)的SOC估算结果及估算误差示意图。
[0034]图5
‑
1、5
‑
2分别为25℃美国联邦城市驾驶工况下初始SOC不准确，电压信号未加入
噪声三种算法(滑模观测器SMO、双卡尔曼滤波算法DKF、融合双卡尔曼滤波的滑模观测器算法DKF
‑
SMO)的SOC估算结果及估算误差示意图。
[0035]图6
‑
1、6
‑
2分别为25℃美国联邦城市驾驶工况下，电压信号加入非高斯分布噪声三种算法(滑模观测器SMO、双卡尔曼滤波算法DKF、融合双卡尔曼滤波的滑模观测器算法DKF
‑
SMO)的SOC估算结果及估算误差示意图。
具体实施方式
[0036]下面将结合附图和具体实施例对本专利技术作更进一步的说明。但应当理解的是，本专利技术可以以各种形式实施，以下在附图中出示并且在下文中描述的一些示例性和非限制性实施例，并不意图将本专利技术限制于所说明的具体实施例。
[0037]参见图1，图1为本专利技术实施例的一种基于磷酸铁锂电池的荷电状态估算方法，包括如下步骤：
[0038]步骤1、建立锂离子电池的二阶RC等效电路模型：采集开路电压数据与荷电状态数据，基于所述等效电路模型，获取不同状态下的电池模型参数。
[0039]步骤1中锂离子电池的二阶RC等效电路模型如图2所示，由一个受控电压源、两个RC环节和一个欧姆内阻R0串联组成，受控电压源表示电池开路电压，RC环节(R1、C1、R2、C2)为极化内阻与极化内容，用于模拟电池电化学极化与浓差极化，电池欧姆内阻用于模拟电池欧姆极化过程。
[0040]步骤1具体按照以下步骤实施：
[0041]步骤1.1、静置法通过对满电状态电池以一恒定倍率间断性进行放电并充分静置(以10％SOC为间隔)，获取电池的开路电压U
oc
与SOC数据；
[0042]步骤1.2、采用最小二乘法拟合开路电压U本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于磷酸铁锂电池的荷电状态估算方法，其特征在于，该方法主要包括以下步骤：步骤1、建立锂离子电池的二阶RC等效电路模型：采集开路电压数据与荷电状态数据，基于所述等效电路模型，获取不同状态下的电池模型参数；步骤2、获取电池模型状态空间方程：基于基尔霍夫定律，通过所述等效电路模型和所述电池模型参数，得到模型状态空间方程；步骤3、双卡尔曼滤波更新欧姆内阻：基于所述模型状态空间方程，使用卡尔曼滤波算法进行欧姆内阻的估算以及状态变量的时间更新；步骤4、更新滑模观测器增益：基于所述时间更新的计算结果，使用梯度下降法更新融合算法中的滑模观测器增益；步骤5、融合估算：使用融合双卡尔曼滤波的滑模观测器算法进行状态变量最优估计值的更新，加入独立的补偿增益环节提高算法的收敛速度。2.根据权利要求1所述的一种基于磷酸铁锂电池的荷电状态估算方法，其特征在于，所述步骤4中使用梯度下降法更新融合算法中的滑模观测器增益。3.根据权利要求2所述的一种基于磷酸铁锂电池的荷电状态估算方法，其特征在于，所述使用梯度下降法计算公式为：定义:对上式中的L求偏导得：其中C
k
为观测方程的输出矩阵，r为滑模观测器参数，梯度下降递推过程...

【专利技术属性】
技术研发人员：周娟，杨晓全，林加顺，吴乃豪，王梅鑫，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：