【技术实现步骤摘要】
基于衰减记忆卡尔曼滤波器的电池SOC估计方法及系统
[0001]本专利技术属于电池状态估计
，具体涉及一种基于衰减记忆卡尔曼滤波器的电池
SOC
估计方法及系统
。
技术介绍
[0002]锂离子电池由于其在能量密度
、
功率密度
、
循环寿命
、
记忆效应等方面具有的诸多优点，备受电动汽车和储能电站等领域的关注和青睐
。
为防止起火
、
爆炸等安全事故的发生，实现电池的最大化利用，延长电池使用寿命，通常需配备电池管理系统
(Battery Management System, BMS)
对电池内部的各种状态指标，比如荷电状态
(State of Charge, SOC)、
健康状态
(State of Health, SOH)、
功率状态
(State of Power, SOP)
等，进行监控
。
其中，荷电状态描述了电池的剩余电量，是...
【技术保护点】
【技术特征摘要】
1.
一种基于衰减记忆卡尔曼滤波器的电池
SOC
估计方法，其特征在于，包括以下步骤：建立电池开路电压和
SOC
之间的映射关系；基于电池开路电压和
SOC
之间的映射关系，对电池开展动态应力测试工况
DST
测试试验，以对电路模型中的
RC
参数进行辨识；基于辨识到的
RC
参数，并结合根据基尔霍夫定律和欧姆定律，建立电池系统的离散状态空间表达式；基于电池系统离散状态空间表达式，采用衰减记忆卡尔曼滤波器实时估计电池
SOC
；所述采用衰减记忆卡尔曼滤波器实时估计电池
SOC
，包括卡尔曼滤波器初始化阶段
、
卡尔曼滤波器时间更新阶段及卡尔曼滤波器测量更新阶段；所述卡尔曼滤波器时间更新阶段：；；式中，表示为
k
时刻状态的先验估计值，表示为
k
时刻先验估计误差协方差矩阵的值；表示
k
‑1时刻的系统矩阵；表示
k
‑1时刻的输入矩阵；表示为
k
‑1时刻的输入向量；表示为
k
‑1时刻状态的后验估计值，表示
k
‑1时刻的状态向量；表示为
k
‑1时刻对应的后验误差协方差矩阵的值；为
k
‑1时刻过程噪声协方差矩阵的值；参数的取值取决于期望的对过去测量值的遗忘程度，其值越大遗忘程度越大，对系统模型的依赖程度也就越小；其中，参数将按下述公式进行计算：；为大于1的数；为电池已经使用的时间，单位为天或者月；为缩放因子，其值需要根据不同电池类型及应用场景灵活确定
。2.
根据权利要求1所述的一种基于衰减记忆卡尔曼滤波器的电池
SOC
估计方法，其特征在于，电池开路电压和
SOC
之间的映射关系具体为：；式中，表示电池开路电压，表示电池的
SOC
，为多项式拟合阶数，为多项式拟合系数，
i
表示变量
。3.
根据权利要求2所述的一种基于衰减记忆卡尔曼滤波器的电池
SOC
估计方法，其特征在于，使用遗传算法对电池模型中的
RC
参数进行辨识，所述
RC
参数包括欧姆内阻
、
极化电阻和极化电容
。4.
根据权利要求3所述的一种基于衰减记忆卡尔曼滤波器的电池
SOC
估计方法，其特征...
【专利技术属性】
技术研发人员：朱瑞，吴晓亮，马长武，段彬，胡显哲，
申请(专利权)人：东方电子股份有限公司，
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。