【技术实现步骤摘要】
基于自适应最大相关熵校正迭代卡尔曼滤波的电池SOC估算方法
[0001]本专利技术涉及锂电池能量管理领域，尤其涉及一种高鲁棒性锂电池SOC估算方法。
技术介绍
[0002]锂电池凭借其在循环寿命、记忆效应、能量密度和安全性等方面的优势，已经成为动力电池领域的主流。在有限的条件下最大限度地发挥电池系统功能，保证电池系统的安全可靠运行，是当前新能源汽车领域电池能量控制策略研究的一个重点方向。由于电池的非线性特性和复杂工作环境，电池荷电状态SOC不能通过直接测量得到，可以在测量电流和端电压前提下利用合适的估算方法获取。电池SOC是电池安全有效运行的关键先决条件，当前的能量控制策略在电池SOC估算应用中面临诸多技术问题和挑战。锂电池系统复杂工况的不确定性容易导致量测数据被非高斯噪声干扰，意味着在非高斯噪声干扰下基于最小均方误差准则的传统卡尔曼滤波方法无法保证足够的SOC估算精度。
[0003]申请号为202210559016.0的专利公开了一种基于最小误差熵扩展卡尔曼滤波实现荷电状态估计的方法，但其未从最大相关熵的核宽度调整...
【技术保护点】
【技术特征摘要】
1.基于自适应最大相关熵校正迭代卡尔曼滤波的电池荷电状态（SOC）估算方法，其特征包括以下步骤：S1：根据锂电池简化等效电路模型，建立电池状态方程和观测方程；S2：对等效电路模型的参数进行在线辨识，包括欧姆电阻R0、极化电阻R
p
、极化电容C
p
、开路电压（OCV）；S3：建立OCV、SOC与温度（T）的拟合关系；S4：根据辨识得到的模型参数，使用自适应最大相关熵校正多步迭代卡尔曼滤波对电池SOC进行估算。2.根据权利要求1所述的基于自适应最大相关熵校正迭代卡尔曼滤波的电池SOC估算方法，其特征在于，步骤S1中，选择极化电压和SOC为状态量，端电压为观测量，时域状态模型和观测模型可以描述为：其中，是欧姆电阻，是极化电阻，是极化电容，t表示连续时间，表示t时间的极化电压，和分别是t时间的和的导数，表示t时间的电流，表示t时间的端电压，表示t时间的开路电压，为库伦系数，为标称容量。3.根据权利要求1所述的基于自适应最大相关熵校正迭代卡尔曼滤波的电池SOC估算方法，其特征在于，步骤S2中，利用拉普拉斯变换简化时域观测模型的微分计算，再利用双线性变换得到对应的离散表达形式：其中，z表示离散操作符，k表示第k个时刻，表示k
‑
1时刻的端电压，表示k
‑
1时刻的电流，表示k时刻的电流，表示k时刻的开路电压；利用带遗忘因子的递归最小二乘方法逼近端电压观测值与端电压估计值的偏差平方和最小，递归计算式为：式中，表示观测值和计算值之间的偏差，表示遗忘因子，，表
示的转置，和分别表示辨识得到的k时刻和k
‑
1时刻的参数，表示k时刻的增益，和分别表示k时刻和k
‑
1时刻的误差协方差。4.根据权利要求1所述的基于自适应最大相关熵校正迭代卡尔曼滤波的电池SOC估算方法，其特征在于，步骤S3中，OCV表示为关于SOC和T的函数，采用多项式方程对OCV
‑
SOC
‑
T的关系进行拟合：其中，表示拟合函数，a1、a2、a3、a4、a5、a6、a7、a8、a9和a
10
是拟合系数。5.根据权利要求1所述的基于自适应最大相关熵校正迭代卡尔曼滤波的电池SOC估算方法，其特征在于，步骤S4中，采用自适应最大相关熵校正迭代卡尔曼滤波的方法获取SOC估算结果的步骤：S4.1滤波初始化：初始化状态、过程噪声协方差、量测噪声协方差以及误差协方差：S4.2计算先验预测值：根据连续域状态模型和观测模型建立电池离散状态方程和观测方程，并线性化可得：其中，，表示的转置，表示k时刻的SOC，表示k时刻的极化电压，，表示k时刻的电流， ，，表示k时刻对求偏导数，，表示k
‑
1时刻状态噪声，表示k时刻量测噪声，表示采样时间，取值为1秒，为库伦系...
【专利技术属性】
技术研发人员：刘政，赵振华，经本钦，丘源，杨春山，陈少航，吴慧峰，黄和悦，封进，姚远，
申请(专利权)人：桂林航天工业学院，
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。