本发明专利技术提供了一种动力锂电池荷电状态估计方法及系统，建立动力锂电池的三阶RC等效电路模型，确定模型的方程组；对三阶RC等效电路模型的方程组进行变换，得到传递函数，将传递函数转化为差分方程，采用遗忘因子递归最小二乘法推导出三阶RC等效电路模型的电路参数；且在推导过程中，利用模拟退火算法优化遗忘因子；基于得到的电路参数，利用自适应H无穷无迹卡曼滤波算法估计动力锂电池荷电状态。本发明专利技术可以显著提高在线参数辨识精度。
【技术实现步骤摘要】
本专利技术属于动力锂电池soc估算，具体涉及一种动力锂电池荷电状态估计方法及系统。
技术介绍
1、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。
2、电池管理系统(battery management system，简称：bms)是电动汽车三大核心部件(即电池、电机和电控)之一。电池的荷电状态soc(state of charge)参数是动力锂电池健康状况主要判断指标。精确的soc数据能够大幅延长电池的使用寿命，优化电池组的控制策略以更好地发挥动力电池的性能，提高电动汽车可靠性。但电池的荷电状态参数目前还无法通过直接测量获得，只能依据电池电压、电流、内阻以及电池所处环境对荷电状态进行估算，因此，动力锂电池的荷电参数一直是bms系统厂家的研究热点。
3、受电池模型精度和参数稳定性影响，目前经过多个工作周期后的动力锂的电池荷电状态估计精度还不能满足应用需要，这经常导致新能源汽车的续航里程指示不准确，从而引起新能源汽车在公路上抛锚。越时在节假日等交通拥挤时，抛锚现象越变得更加严重，造成巨大的安全隐患。目前大部分bms厂商使用的经典thevenin电池模型尽管也包含了电池的极化，但其精确度并不高，难以准确获得电池的化学状态。尽管通过二阶rc网络与智能算法的联合改进可以提升模型的预测准确率，但是仍然不能从根本上解决模型自身存在的误差这一瓶颈问题。过高阶的rc网络模型虽然可以在有限范围内提高荷电状态的估算精度，但数据计算过于复杂，对处理器的计算与存储资源要求极高，难以实际应用。
<
p>4、根据对现有公开技术和市场调研发现，大部分动力锂离子电池soc估算的实现方案主要有：安时积分法、开路电压法、神经网络法、卡尔曼滤波法等。其中，安时积分法需要小步长以确保数值稳定性，引入数值误差，长时间模拟可能失真，刚性问题需要更小的步长，在高维问题中复杂性急剧上升，不适用于非光滑系统。神经网络法的缺点包括大数据需求，黑盒性，过拟合风险，计算复杂性高，超参数调整难，不适用于小样本，可能存在偏见问题。而无迹卡尔曼滤波(unscented kalman filter，简称ukf)算法在动力锂电池刚投入使用时实现soc参数的较准确估计，但随着电池使用时间的增加，由于充放电的不规律，电池内部的参数和状态变呈现出强烈的非线性，特别在动力锂电池上曾存在过充、欠充、过放等操作后，卡尔曼滤波的soc参数估算精度会明显下降。因此，亟需研发一种对处理器计算资源要求不高的电池模型，且能满足修正各种不规范操作后引起动力锂电池非线性的soc估计算法。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种动力锂电池荷电状态估计方法及系统，本专利技术可以显著提高在线参数辨识精度。
2、根据一些实施例，本专利技术采用如下技术方案：
3、一种动力锂电池荷电状态估计方法，包括以下步骤：
4、建立动力锂电池的三阶rc等效电路模型，确定模型的方程组；
5、对三阶rc等效电路模型的方程组进行变换，得到传递函数，将传递函数转化为差分方程，采用遗忘因子递归最小二乘法推导出三阶rc等效电路模型的电路参数；
6、且在推导过程中，利用模拟退火算法优化遗忘因子；
7、基于得到的电路参数，利用自适应h无穷无迹卡曼滤波算法估计动力锂电池荷电状态。
8、作为可选择的实施方式，三阶rc等效电路模型为：
9、
10、其中，uoc代表电源的开路电压，r0代表电池的欧姆内阻，r1代表电化学极化内阻，r2代表电化学极化内阻，r3代表浓度差极化内阻，c1代表电化学极化电容，c2代表电化学极化电容，c3代表浓度差极化电容，ut代表端部电压，i是电流，u1、u2、u3分别代表电容c1、c2、c3的三个回路端电压；
11、利用安时积分法确定荷电状态soc，
12、式中，t0为放电起始时刻，t当前时刻，η为库伦效率，通过计算电池的放电容量与充电容量之比来衡量，qc则表示电池的额定容量，对上述进行离散化，得到模型的状态方程和输出方程。
13、作为可选择的实施方式，采用遗忘因子递归最小二乘法推导出三阶rc等效电路模型的电路参数的具体过程包括：
14、在递归最小二乘法参数辨识中引入遗忘因子λ，以根据电流的大小进行实时变化，电流波动大于设置值时，λ尽量减小，，反之增大，以增强辨识过程中的平稳性，形成的最小二乘法参数辨识方程为：
15、
16、其中，k为校正权重值，φ为测前向量，是解码前待辨识的参数，p(k)是协方差矩阵。
17、作为可选择的实施方式，采用遗忘因子递归最小二乘法推导出三阶rc等效电路模型的电路参数的具体过程中，将每一时刻开路电压与端电压的差值和电池电流值作为输入值，通过不断迭代来修正协方差矩阵和权因子矩阵，并求出参数矩阵，矩阵里的参数为等效电路模型传递函数z域各项环节系数，根据电池的三阶rc等效电路模型，对电池进行参数辨识。
18、作为可选择的实施方式，利用模拟退火算法优化遗忘因子的具体过程包括以终端电压误差最小为优化目标，在设定遗忘因子的可选范围内，以遗忘因子为优化变量进行迭代优化，对参数进行最优估计。
19、作为可选择的实施方式，利用自适应h无穷无迹卡曼滤波算法估计动力锂电池荷电状态的具体过程包括：
20、进行参数初始化；
21、对协方差矩阵进行运用奇异值分解，计算采样点和相应的权重值；
22、时间更新，计算先验状态估计变量的期望值和误差协方差矩阵需要状态变量；
23、测量更新，计算输出预测值和协方差矩阵；
24、对后验状态估计值进行修正；
25、利用自适应算法对噪声协方差矩阵进行校正。
26、作为进一步的实施方式，对后验状态估计值进行修正的具体过程包括根据锂电池状态方程特点，得到其中，γ2取最大的特征值，通过调节γ2提高对非高斯噪声的鲁棒性，修正计算协方差矩阵时遇到的病态矩阵，其中协方差的后验估计值，是协方差的后验估计值，γ2是h无穷算法中代价函数，pxy,k是采样点观测预测和状态预测互协方差，r是噪声协方差矩阵。
27、作为进一步的实施方式，利用自适应算法对噪声协方差矩阵进行校正的具体过程包括：计算模型k时刻输出的端电压误差值，计算模型k时刻端电压误差协方差的近似值，并通过求取端电压差值的协方差来更新噪声系数qk和rk。
28、一种动力锂电池荷电状态估计系统，包括：
29、模型构建模块，被配置为建立动力锂电池的三阶rc等效电路模型，确定模型的方程组；
30、参数辨识模块，被配置为对三阶rc等效电路模型的方程组进行变换，得到传递函数，将传递函数转化为差分方程，采用遗忘因子递归最小二乘法推导出三阶rc等效电路模型的电路参数；
31、遗忘因子优化模块，被配置为在推导过程中，利用模拟退火算法优化遗忘因子；
...
【技术保护点】
1.一种动力锂电池荷电状态估计方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，三阶RC等效电路模型为：
3.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，采用遗忘因子递归最小二乘法推导出三阶RC等效电路模型的电路参数的具体过程包括：
4.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，采用遗忘因子递归最小二乘法推导出三阶RC等效电路模型的电路参数的具体过程中，将每一时刻开路电压与端电压的差值和电池电流值作为输入值，通过不断迭代来修正协方差矩阵和权因子矩阵，并求出参数矩阵，矩阵里的参数为等效电路模型传递函数Z域各项环节系数，根据电池的三阶RC等效电路模型，对电池进行参数辨识。
5.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，利用模拟退火算法优化遗忘因子的具体过程包括以终端电压误差最小为优化目标，在设定遗忘因子的可选范围内，以遗忘因子为优化变量进行迭代优化，对参数进行最优估计。
6.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，利用自适应H无穷无迹卡曼滤波算法估计动力锂电池荷电状态的具体过程包括：
7.如权利要求6所述的一种动力锂电池荷电状态估计方法，其特征是，对后验状态估计值进行修正的具体过程包括根据锂电池状态方程特点，得到其中，γ2取最大的特征值，通过调节γ2提高对非高斯噪声的鲁棒性，修正计算协方差矩阵时遇到的病态矩阵，其中协方差的后验估计值，是协方差的后验估计值，γ2作为H无穷算法中代价函数，Pxy,k是采样点观测预测和状态预测互协方差，R是噪声协方差矩阵。
8.如权利要求6所述的一种动力锂电池荷电状态估计方法，其特征是，利用自适应算法对噪声协方差矩阵进行校正的具体过程包括：计算模型k时刻输出的端电压误差值，计算模型k时刻端电压误差协方差的近似值，并通过求取端电压差值的协方差来更新噪声系数Qk和Rk。
9.一种动力锂电池荷电状态估计系统，其特征是，包括：
10.一种电子设备，其特征是，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，完成权利要求1-8中任一项所述的方法中的步骤。
...
【技术特征摘要】
1.一种动力锂电池荷电状态估计方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，三阶rc等效电路模型为：
3.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，采用遗忘因子递归最小二乘法推导出三阶rc等效电路模型的电路参数的具体过程包括：
4.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，采用遗忘因子递归最小二乘法推导出三阶rc等效电路模型的电路参数的具体过程中，将每一时刻开路电压与端电压的差值和电池电流值作为输入值，通过不断迭代来修正协方差矩阵和权因子矩阵，并求出参数矩阵，矩阵里的参数为等效电路模型传递函数z域各项环节系数，根据电池的三阶rc等效电路模型，对电池进行参数辨识。
5.如权利要求1所述的一种动力锂电池荷电状态估计方法，其特征是，利用模拟退火算法优化遗忘因子的具体过程包括以终端电压误差最小为优化目标，在设定遗忘因子的可选范围内，以遗忘因子为优化变量进行迭代优化，对参数进行最优估计。
6.如权利要求1所述的一种动力锂电池荷电状态估计...
【专利技术属性】
技术研发人员：朱运海，劳凯乐，侯冬冬，高晓瑾，欧阳红晋，
申请(专利权)人：齐鲁工业大学山东省科学院，
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。