【技术实现步骤摘要】
本专利技术涉及电池状态预测领域，特别是涉及一种复合电源电池状态预测方法、系统、设备及介质。
技术介绍
1、复合电源是两种存在供电关系的异质源构成的电源，其状态估计、预测是能量管理、实时报警、电量显示等功能的必备参数。
2、现有方法是将燃料电池-动力电池混合系统中的异质电池视为独立的电源，在使用过程中，通过外界参数的实时测量，反馈控制调整两种电池放电状态，实现能量管理，即现有方法只是针对单一的电源进行状态估计、状态预测以实现电池状态的实时观测；然而复合电源在工作过程中是存在耦合关系的，单一供电源状态观测方法无法体现出异构电池之间的耦合关系，因此，无法只利用之前的单一供电源状态观测方法来识别，且由于复合电源的引入导致系统参数时变、扰动增加，极大地影响算法的可靠性，因此，无法精确估计以及预测复合电源系统的电压以及荷电状态。
技术实现思路
1、本专利技术的目的是提供一种复合电源电池状态预测方法、系统、设备及介质，以解决现有的单一供电源状态观测方法无法精确估计以及预测复合电源系统的电压以及荷电状态的问题。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种复合电源电池状态预测方法，包括：
4、建立复合电源的一体化等效模型；所述复合电源包括燃料电池和动力电池；所述一体化等效模型用于实时接收复合电源系统中的燃料电池的电压和电流、动力电池的电压和电流，并根据燃料电池的电压和电流、动力电池的电压和电流计算复合电源的荷电状态；
5、基于
6、根据所述滤波后的复合电源电池状态预测复合电源的电池状态。
7、可选的，建立复合电源的一体化等效模型，具体包括：
8、构建燃料电池的等效电路模型以及动力电池的等效差分模型；
9、联立所述等效电路模型以及所述等效差分模型建立复合电源的一体化等效模型。
10、可选的，所述等效电路模型为：
11、
12、其中，ufc(k)为燃料电池第k时刻的输出电压，为燃料电池第k时刻的开路电压，为燃料电池第一rc并联电路第k时刻的电压，为第燃料电池第二rc并联电路第k时刻的电压，ifc(k)为燃料电池第k时刻的放电电流，为燃料电池第k时刻的内阻；
13、所述等效差分模型为：
14、
15、
16、其中，ul(k)为动力电池第k时刻的输出电压，为动力电池第一rc并联电路第k时刻的电压，为动力电池第二rc并联电路第k时刻的电压，il(k)为动力电池第k时刻的放电电流，为燃料电池第k时刻的内阻，soc(k+1)为第k+1时刻锂电池荷电状态，soc(k)为第k时刻锂电池荷电状态，qfc,l为动力电池以及燃料电池所携带电量，tl为采样时间间隔。
17、可选的，基于所述一体化等效模型，采用无迹卡尔曼滤波对传感器接收的电池状态进行滤波，确定滤波后的复合电源电池状态，具体包括：
18、基于所述一体化等效模型，采用无迹卡尔曼滤波对传感器接收的电池状态进行滤波，生成电池状态的采样点；
19、获取上一个采样点处原始状态分布中的关键点集；
20、确定所述关键点集的均值和方差矩阵；
21、根据所述均值和方差矩阵复制多个sigma样本点；
22、根据所述一体化等效模型，计算所述sigma样本点的预测样本点；
23、计算所述sigma样本点的权重；
24、根据所述权重以及所述预测样本点计算过程状态以及测量状态均值；
25、根据所述权重、所述过程状态以及所述测量状态均值确定过程变量-输出变量的协方差矩阵以及输出变量的协方差矩阵；
26、根据所述过程变量-输出变量的协方差矩阵、所述输出变量的协方差矩阵、所述过程状态以及所述测量状态均值确定滤波后的复合电源电池状态。
27、可选的，根据所述滤波后的复合电源电池状态预测复合电源的电池状态，具体包括：
28、根据所述滤波后的复合电源电池状态，采用基于数据驱动的机器学习方法输出第一电池状态预测结果以及第一预测协方差；
29、根据所述滤波后的复合电源电池状态，采用基于时序预测的模型方法输出第二电池状态预测结果以及第二预测协方差；
30、分别求解并对比所述第一预测协方差以及所述第二预测协方差的最大特征值，输出所述最大特征值对应的电池状态预测结果以及对应的协方差矩阵。
31、一种复合电源电池状态预测系统，包括：
32、一体化等效模型建立模块，用于建立复合电源的一体化等效模型；所述复合电源包括燃料电池和动力电池；所述一体化等效模型用于实时接收复合电源系统中的燃料电池的电压和电流、动力电池的电压和电流，并根据燃料电池的电压和电流、动力电池的电压和电流计算复合电源的荷电状态；
33、滤波后的复合电源电池状态确定模块，用于基于所述一体化等效模型，采用无迹卡尔曼滤波对传感器接收的电池状态进行滤波，确定滤波后的复合电源电池状态；所述电池状态包括燃料电池的输出电压、动力电池的输出电压以及复合电源的荷电状态；
34、电池状态预测模块，用于根据所述滤波后的复合电源电池状态预测复合电源的电池状态。
35、可选的，一体化等效模型建立模块，具体包括：
36、等效电路模型以及等效差分模型构建单元，用于构建燃料电池的等效电路模型以及动力电池的等效差分模型；
37、一体化等效模型建立单元，用于联立所述等效电路模型以及所述等效差分模型建立复合电源的一体化等效模型。
38、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述复合电源电池状态预测方法。
39、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述复合电源电池状态预测方法。
40、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术实施例建立复合电源的一体化等效模型，并基于所述一体化等效模型采用无迹卡尔曼滤波对传感器接收的电池状态进行滤波，确定复合电源的电池状态的sigma样本点，基于sigma样本点预测复合电源的电池状态；本专利技术通过构建复合电源的一体化等效模型体现复合电源在工作过程中的耦合关系，更精确估计和预测复合电源系统的电压以及荷电状态。
本文档来自技高网...【技术保护点】
1.一种复合电源电池状态预测方法，其特征在于，包括：
2.根据权利要求1所述的复合电源电池状态预测方法，其特征在于，建立复合电源的一体化等效模型，具体包括：
3.根据权利要求2所述的复合电源电池状态预测方法，其特征在于，所述等效电路模型为：
4.根据权利要求1所述的复合电源电池状态预测方法，其特征在于，基于所述一体化等效模型，采用无迹卡尔曼滤波对传感器接收的电池状态进行滤波，确定滤波后的复合电源电池状态，具体包括：
5.根据权利要求4所述的复合电源电池状态预测方法，其特征在于，根据所述滤波后的复合电源电池状态预测复合电源的电池状态，具体包括：
6.一种复合电源电池状态预测系统，其特征在于，包括：
7.根据权利要求6所述的复合电源电池状态预测系统，其特征在于，一体化等效模型建立模块，具体包括：
8.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1-5中任一项所述的复合电源电池状态预测方法。
9.一种计
...【技术特征摘要】
1.一种复合电源电池状态预测方法，其特征在于，包括：
2.根据权利要求1所述的复合电源电池状态预测方法，其特征在于，建立复合电源的一体化等效模型，具体包括：
3.根据权利要求2所述的复合电源电池状态预测方法，其特征在于，所述等效电路模型为：
4.根据权利要求1所述的复合电源电池状态预测方法，其特征在于，基于所述一体化等效模型，采用无迹卡尔曼滤波对传感器接收的电池状态进行滤波，确定滤波后的复合电源电池状态，具体包括：
5.根据权利要求4所述的复合电源电池状态预测方法，其特征在于，根据所述滤波后的复合电源电池状态预测...
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。