一种基于融合滤波策略的电池SOC估计方法及系统技术方案

本发明专利技术提出了一种基于融合滤波策略的电池SOC估计方法及系统，包括：基于测试试验获得不同SOC处的开路电压OCV，确定OCV

【技术实现步骤摘要】
一种基于融合滤波策略的电池SOC估计方法及系统


[0001]本专利技术属于电池SOC估计相关
，尤其涉及一种基于融合滤波策略的电池SOC估计方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]坚定支持和大力发展以电动汽车为代表的新能源汽车产业是解决能源危机和环境污染问题的关键途径，已成为世界各国政府的普遍共识。相比其他电池，锂离子电池由于具有能量密度高、循环寿命长、无记忆效应等诸多优点，已成为电动汽车和储能领域的首选。荷电状态(State of Charge,SOC)作为电池内部的关键状态之一，反映了剩余电量的水平，对其精确估计不仅能够防止过充、过放以及起火、爆炸等危险事故的发生，而且能够延长电池寿命，提高电池利用的效率和水平。然而，SOC作为隐含状态量，无法直接测量得到，通常需要借助电池模型(等效电路模型、电化学模型等)，并利用其他方法进行估算和预测。其中，以扩展卡尔曼滤波器(Extended Kalman Filter,EKF)和无迹卡尔曼滤波器(Unscented Kalman Filter,UKF)为代表的卡尔曼滤波器方法由于具有在线、闭环、自修正、估计精度较高等优点在电池管理系统(Battery Management System,BMS)中受到较为广泛的应用。然而，此方法取得较高估计精度的前提是需要一个比较精确的电池模型，否则估计精度将难以保证，严重情况下甚至发散，其估计效果的最优性是以牺牲鲁棒性和稳定性为代价的。与之不同，由变结构理论和滑模概念发展而来的平滑变结构滤波器(Smooth Variable Structure Filter,SVSF)虽然具有很强的鲁棒性和稳定性，但在模型匹配度较高时，仍不能取得理想的SOC估计结果。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术提供了一种基于融合滤波策略的电池SOC估计方法及系统，有机融合两种方法的优势，提出一种兼顾准确性和鲁棒性的电池SOC估计方法。在兼顾准确性和鲁棒性的同时，具有实现简单、计算量小、占用内存空间少等优点。
[0005]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：一种基于融合滤波策略的电池SOC估计方法，其特征在于，包括：
[0006]基于测试试验获得不同SOC处的开路电压OCV，确定OCV
‑
SOC的映射关系；
[0007]初始化电池等效模型的RC参数及SOC；
[0008]根据OCV
‑
SOC的映射关系及SOC确定开路电压OCV，利用优化算法求解电池等效模型的离散域回归方程，在线辨识当前时刻的RC参数；
[0009]基于当前时刻的RC参数及更新的电池系统状态空间表达式，利用卡尔曼滤波器和平滑变结构滤波器的融合滤波策略估计出电池当前的SOC。
[0010]本专利技术的第二个方面提供一种基于融合滤波策略的电池SOC估计系统，包括：
[0011]映射关系确定模块：基于测试试验获得不同SOC处的开路电压OCV，确定OCV
‑
SOC的映射关系；
[0012]初始化模块：初始化电池等效模型的RC参数及SOC；
[0013]RC参数辨识模块：根据OCV
‑
SOC的映射关系及SOC确定开路电压OCV，利用优化算法求解电池等效模型的离散域回归方程，在线辨识当前时刻的RC参数；
[0014]SOC估计模块：基于当前时刻的RC参数及更新的电池系统状态空间表达式，利用卡尔曼滤波器和平滑变结构滤波器的融合滤波策略估计出电池当前的SOC。
[0015]本专利技术的第三个方面提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。
[0016]本专利技术的第四个方面提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。
[0017]以上一个或多个技术方案存在以下有益效果：
[0018]本专利技术充分研究不同方法的工作原理，有机融合两种方法的优势，提出一种兼顾准确性和鲁棒性的电池SOC估计方法。在兼顾准确性和鲁棒性的同时，具有实现简单、计算量小、占用内存空间少等优点，因而有望受到BMS及相关领域工业界和学术界的广泛关注和应用，具有广阔的应用前景。
[0019]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0020]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0021]图1为本专利技术实施例一中Thevenin模型电路图；
[0022]图2是本专利技术实施例一中SVSF的实际轨迹和估计轨迹的示意图；
[0023]图3是本专利技术实施例一中EKF和SVSF融合的实现原理示意图。
具体实施方式
[0024]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0025]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。
[0026]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0027]实施例一
[0028]本实施例公开了一种基于融合滤波策略的电池SOC估计方法，包括：
[0029]步骤1：基于测试试验获得不同SOC处的开路电压(Open Circuit Voltage,OCV)，确定OCV
‑
SOC的映射关系；
[0030]步骤2：初始化电池等效模型的RC参数及SOC；
[0031]步骤3：根据OCV
‑
SOC的映射关系及SOC确定开路电压OCV，利用优化算法求解电池等效模型的离散域回归方程，在线辨识当前时刻的RC参数；
[0032]步骤4：基于当前时刻的RC参数及更新的电池系统状态空间表达式，利用卡尔曼滤波器和平滑变结构滤波器的融合滤波策略估计出电池当前的SOC，估计过程是不断循环进行的，当执完此步骤后，接着继续执行步骤3。
[0033]具体的，如图1所示，以Thevenin模型开展研究，令E
L
(s)＝U
t
(s)
‑
U
oc
(s)，其传递函数可以表示为：
[0034][0035]利用双线性变换方法，将系统的传递函数从s域变换到z域，可得其离散传递函数为：
[0036][0037]式中，T
s
表示采样时间。
[0038]将公式(2)写为如下所示的回归形式：
[0039本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于融合滤波策略的电池SOC估计方法，其特征在于，包括：基于测试试验获得不同SOC处的开路电压OCV，确定OCV
‑
SOC的映射关系；初始化电池等效模型的RC参数及SOC；根据OCV
‑
SOC的映射关系及SOC确定开路电压OCV，利用优化算法求解电池等效模型的离散域回归方程，在线辨识当前时刻的RC参数；基于当前时刻的RC参数及更新的电池系统状态空间表达式，利用卡尔曼滤波器和平滑变结构滤波器的融合滤波策略估计出电池当前的SOC。2.如权利要求1所述的一种基于融合滤波策略的电池SOC估计方法，其特征在于，采用最小二乘法、粒子群优化、遗传算法中的一种求解电池等效模型的离散域回归方程。3.如权利要求1所述的一种基于融合滤波策略的电池SOC估计方法，其特征在于，所述卡尔曼滤波器和平滑变结构滤波器的融合具体为：通过时变平滑层判定模型的不确定性，若k时刻时变平滑边界层矩阵的值大于施加在时变平滑边界层上的阈值门限，则采用平滑变结构滤波器的增益进行后验状态的更新，反之则采用卡尔曼滤波器的增益进行后验状态的更新。4.如权利要求1所述的一种基于融合滤波策略的电池SOC估计方法，其特征在于，所述卡尔曼滤波器和平滑变结构滤波器的融合，可包括扩展卡尔曼滤波器和平滑变结构滤波器的融合、无迹卡尔曼滤波器和平滑滤波器的融合。5.如权利要求4所述的一种基于融合滤波策略的电池SOC估计方法，其特征在于，所述扩展卡尔曼滤波器和平滑变结构滤波器的融合，选用不同增益计算公式为：其中，K
k
为k时刻的增益，为C
k
的伪逆，表示哈达玛积，diag(A)表示由向量A所含元素构成的对角矩阵，sat(e
k|k
‑1,ψ
k
)为饱和矩阵，为k时刻先验误差协方差矩阵的值，将施加在时变平滑边界层上的阈值门限定位为恒定平滑边界层ψ
con
，ψ
k
为k时刻时变平滑边界层矩阵的值，S
k
为k时刻新息协方差矩阵的值。6.如权利要求4所述的一种基于融合滤波策略的电池SOC估...

【专利技术属性】
技术研发人员：朱瑞，翟仑，王双岭，田锡园，贾伟宽，康伟翔，田善君，
申请(专利权)人：烟台东方威思顿电气有限公司，
类型：发明
国别省市：