基于自适应衰减无迹卡尔曼的锂电池SOC估算方法技术

本发明专利技术公开了基于自适应衰减无迹卡尔曼的锂电池SOC估算方法，包括：通过间歇式老化程度测定和实时校准计算处理过程，实现了锂离子电池成组SOC估算的容量归一化表征；在容量归一化表征的基础上，通过老化状态对电量的影响系数计算获得老化因素影响的老化影响系数；在定期测定校准基础上，通过额定容量与循环次数相关值的同步获取和修正，获得叠加循环次数修正的函数关系；在老化影响系数和循环次数修正计算的基础上，结合两因素影响的叠加计算处理，获得老化过程对额定容量影响修正的老化过程特性；构造基于自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型，通过自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型得到锂离子电池组SOC估算值。池组SOC估算值。池组SOC估算值。

【技术实现步骤摘要】
基于自适应衰减无迹卡尔曼的锂电池SOC估算方法


[0001]本专利技术涉及新能源领域，具体是基于自适应衰减无迹卡尔曼的锂电池SOC估算方法。

技术介绍

[0002]在锂离子电池组的整个生命周期中，电池管理系统(Battery Management System，BMS)对核心参数SOC的监控和调节将影响应急动力输出的效果和安全性；因此，实时监测该参数的变化，并基于此保障锂离子电池组的工作性能是非常必要的；由于BMS中的成组SOC估算技术尚不成熟，使用过程中存在的安全隐患严重制约了锂离子电池组的发展；对于锂离子电池组而言，可靠的BMS管理依靠准确的SOC值；在该值已知的情况下，不仅对其进行可靠能量管理和安全控制，而且还避免锂离子电池组的提前损坏，延长其使用寿命；因此，精确估算SOC值，对保障锂离子电池组的工作性能及其能量和安全管理至关重要；锂离子电池组的SOC估算模型构建和精确估算值得获取，已成为其能量和安全管理的核心问题；锂离子电池组由具有高能量密度和闭路电压的钴酸锂电池单体组合构成，其安全性受到所处工作状态的影响；SOC表征了锂离子电池组的剩余容量，是为电池管理系统最基本也是最重要的的一个关键参数；此外，锂离子电池组的充放电过程包含复杂电能、化学能和热能转换等环节，过充电和过放电现象易引发安全事故，精确SOC估算在防止过充电和过放电中起着重要作用；在锂离子电池组的应用中，其安全性依然是最为关注的问题，SOC估算是其安全使用的基础和前提；锂离子电池组采用电池单体级联结构，满足了辅助动力供能过程中的容量和电压需求；然而，由于无法避免的材料和工艺差异，单体间不一致现象客观存在且无法避免；并且，该现象会随着循环次数的增加越来越明显，这就使得单体间不一致性的表达与修正成为成组SOC估算的重要组成部分，同时也给成组SOC精确估算带来了巨大的挑战。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供基于自适应衰减无迹卡尔曼的锂电池SOC估算方法，包括：
[0004]通过间歇式老化程度测定和实时校准计算处理过程，实现了锂离子电池成组SOC估算的容量归一化表征；
[0005]在容量归一化表征的基础上，通过老化状态对电量的影响系数计算获得老化因素影响的老化影响系数；
[0006]在定期测定校准基础上，通过额定容量与循环次数相关值的同步获取和修正，获得叠加循环次数修正的函数关系；
[0007]在老化影响系数和循环次数修正计算的基础上，结合两因素影响的叠加计算处理，获得老化过程对额定容量影响修正的老化过程特性；构造基于自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型，通过自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型得
到锂离子电池组SOC估算值。
[0008]进一步的，所述的构造基于自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型，包括：
[0009]根据电路模型，建立起电池端电压与电流的关系：
[0010]U
L
＝U
OC
‑
R0I
L
‑
I
p1
R
p1
‑
I
p2
R
p2
[0011]其中，U
L
为电池端电压，U
OC
为电池开路电压，R0为电池的欧姆内阻；R
p1
和R
p2
为极化电阻；I
p1
和I
p2
分别为流过极化电阻R
p1
与R
p2
的电流；I
L
为电池环路的电流。将等效电路模型离散化处理，建立k时刻与k+1时刻电池SOC值S
k
和极化电压U
pl
、U
p2
的递推关系：
[0012][0013]建立k时刻电池端电压U
k
与电流i
k
与SOC值S
k
的关系：
[0014][0015]其中Δt为采样时间间隔，τ1＝R
p1
C
p1
、τ2＝R
p2
C
p2
，Q为电池容量；
[0016]对不同时刻k，SOC估算包括融合高斯白噪声w(k)的随机状态变量SOC，以及融入高斯白噪声v(k)的观测随机变量U
L
(k)；f(*)是一个非线性状态方程，用于描述锂离子电池组的SOC状态；g(*)是一个非线性观测方程，用于描述输出闭路电压的特征；噪声矩阵w(k)的方差使用Q进行描述，噪声矩阵v(k)的方差使用R进行描述。
[0017]进一步的，不同时刻k的估算包括以下步骤：
[0018]锂电池的非线性系统离散状态空间方程为：
[0019][0020]式中，w
k
、v
k
为随机变量x与观测变量y的高斯白噪声，其方差矩阵分别为Q
w
和R
v
，如下式所示：
[0021][0022]初始化X0＝(SOC0,0,0)设置为状态变量初始值，其方差估计P0的表达式如下式所示：
[0023][0024]进一步的，基于UT变换的无迹卡尔曼滤波估计锂电池SOC，包括如下过程：
[0025]计算采样点，采用Sigma点对称采样策略，得到x点的Sigma点集，以及其对应的均值加权值和方差的加权值如下式所示：
[0026][0027]式中，α，β是常数；自适应调节因子r＝α2(L+ε)
‑
L，起到调节高阶矩阵并减少预测误差的作用；0≤α≤1，用于设置这些点集到均值点的距离；ε是次级尺度调节因子，通常设置为0；β≥0应用于融入随机变量x，对于高斯先验分布，β＝2最优；表示加权协方差矩阵的平方根矩阵的第i列；
[0028]时间更新，根据状态方程式计算状态更新得到：
[0029]X
k|k
‑1＝f(X
k
‑1,i
k
)+q
k
[0030]计算预测状态值：
[0031][0032]计算状态预测值的协方差：
[0033][0034]根据状态方程式计算测量更新得到：
[0035]Y
k|k
‑1＝g(X
k|k
‑1,i
k
)+r
k
[0036]计算预测测量值：
[0037][0038]计算测量估计的协方差：
[0039][0040]计算X
k|k
‑1与Y
k|k
‑1的协方差：
[0041][0042]测量更新，计算卡尔曼增益矩阵：
[0043][0044]更新状态得到：
[0045][0046]更新误差协方差得到；
[0047][0048]在UKF算法的基础之上引入衰减因子，组成带有衰减记忆效应的无迹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应衰减无迹卡尔曼的锂电池SOC估算方法，其特征在于，包括：通过间歇式老化程度测定和实时校准计算处理过程，实现了锂离子电池成组SOC估算的容量归一化表征；在容量归一化表征的基础上，通过老化状态对电量的影响系数计算获得老化因素影响的老化影响系数；在定期测定校准基础上，通过额定容量与循环次数相关值的同步获取和修正，获得叠加循环次数修正的函数关系；在老化影响系数和循环次数修正计算的基础上，结合两因素影响的叠加计算处理，获得老化过程对额定容量影响修正的老化过程特性；构造基于自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型，通过自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型得到锂离子电池组SOC估算值。2.根据权利要求1所述的基于自适应衰减无迹卡尔曼的锂电池SOC估算方法，其特征在于，所述的构造基于自适应衰减无迹卡尔曼的锂离子电池组SOC估算模型，包括：根据电路模型，建立起电池端电压与电流的关系：U
L
＝U
OC
‑
R0I
L
‑
I
p1
R
p1
‑
I
p2
R
p2
其中，U
L
为电池端电压，U
OC
为电池开路电压，R0为电池的欧姆内阻；R
p1
和R
p2
为极化电阻；I
p1
和I
p2
分别为流过极化电阻R
p1
与R
p2
的电流；I
L
为电池环路的电流。将等效电路模型离散化处理，建立k时刻与k+1时刻电池SOC值S
k
和极化电压U
pl
、U
p2
的递推关系：建立k时刻电池端电压U
k
与电流i
k
与SOC值S
k
的关系：其中Δt为采样时间间隔，τ1＝R
p1
C
p1
、τ2＝R
p2
C
p2
，Q为电池容量；对不同时刻k，SOC估算包括融...

【专利技术属性】
技术研发人员：王顺利，周恒，侯燕，于春梅，朱永杰，陈蕾，黄燕，范永存，侯萍，乔家璐，谢滟馨，
申请(专利权)人：四川新智绿能测控技术有限公司，
类型：发明
国别省市：