1.一种锂离子电池SOC与容量联合估计方法,其特征在于,所述的估算方法包括以下步骤:
步骤一,建立锂离子电池等效电路模型,其作用是用来研究包括电池的端电压、充、放电电流、工作温度外特性之间的关系,表征电池静态特性及动态特性;
步骤二,结合电池模型与安时积分模型建立状态空间方程;
步骤三,将电池容量衰减量作为电池模型误差在状态方程中表征;
步骤四,将以上状态空间方程代入EKF算法迭代式,解耦估计算法得到并行的状态量估计器与模型误差估计器,即误差校正扩展卡尔曼滤波算法用来同时估计锂离子电池SOC和容量。
2.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,步骤一,建立一阶RC锂离子电池等效电路模型的表达式为:其中Ut为电池端电压;UOCV为电池开路电压;IB为电流,规定放电时为正,充电时为负;R0为电池欧姆内阻;UP为极化电压;RP与CP分别是极化内阻和极化电容。
3.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,步骤二,安时积分模型:
其中,SOCk和SOCk+1分别为迭代至第k步和第k+1步的电池荷电状态的数值;η为库伦效率;Δt为系统采样周期;CN为电池标称容量;IB,k为电流值,规定放电为正,充电为负,则系统的状态空间方程是:式中w1,k和w2,k分别为系统状态方程中对应于SOC和UP的高斯白噪声项,vk+1为系统观测方程的高斯白噪声项。
4.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,所述的步骤三具体为:
将电池容量衰减量作为电池模型误差在状态方程中表征,得到以下的状态空间表达式其中bk为电池容量衰减导致的模型误差。
5.根据权利要求1所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,所述步骤四中,将所述状态空间表达式代入EKF算法迭代式,解耦估计算法得到并行的状态量估计器与模型误差估计器,可用来同时估计锂离子电池SOC和容量,首先,非线性时变系统的状态方程为:式中,xk和xk‑1分别为系统处于k时刻和k‑1时刻的状态向量,uk和uk‑1分别为系统k时刻和k‑1时刻的控制输入向量,f(xk‑1,uk‑1)是非线性系统的状态方程函数,wk‑1为过程噪声,yk为系统k时刻的观测向量,h(xk,uk)为非线性系统的观测方程函数,vk为观测噪声。
6.根据权利要求5所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,为了达到线性化处理,采用泰勒公式进行展开,定义其中,Ak为系统状态转移矩阵,Ck为系统的观测矩阵,扩展卡尔曼滤波算法的递推过程式可表达如下:滤波状态初始条件:
式中, 为状态量初始值; 为误差协方差矩阵初始值;x0为状态量真实值,假定系统当前处于k时刻,根据系统的状态空间表达式,系统从上一时刻k‑1转移到k时刻的状态可由k‑1时刻预测:式中, 是系统处于k时刻状态量的先验估计值, 是系统处于k‑1时刻状态的后验估计值,uk‑1为k‑1时刻系统的输入量,P表示xk的协方差,
式中, 是与 对应的协方差, 是与 对应的协方差,Ak‑1为系统状态转移矩阵,Qk‑1是过程噪声wk‑1的方差。
7.根据权利要求6所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,利用卡尔曼增益对k时刻系统状态的估计值 进行修正,修正方程如下:式中 是系统处于k时刻状态量的先验估计值, 是系统处于k时刻状态的后验估计值,yk为系统k时刻的观测向量, 为非线性系统的观测方程函数,Kk即为卡尔曼增益:
式中 是与 对应的协方差,Ck为系统的观测矩阵,Rk是观测噪声vk的方差,经过以上推导过程便可输出k时刻系统状态的最优估计值协方差更新:
其中I为单位矩阵。
8.根据权利要求7所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,对算法解耦得到并行的SOC估计器与模型误差估计器:定义:
T
xk=[SOCk Up,k];yk=Ut,k;
Dk=0;
9.根据权利要求8所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,初始化:当k=0时,
(a)用于SOC估计的标准EKF算法式中, 为状态量初始值; 为状态量误差协方差初始值;x0为状态量真实值,(b)容量误差估计器算法式中, 为模型误差量初始值;Ux,0为迭代矩阵初始值; 为模型误差量误差协方差初始值;b0为模型误差量真实值。
10.根据权利要求9所述的一种锂离子电池SOC与容量联合估计方法,其特征在于,当k=1,2,……
(a)用于SOC估计的标准EKF算法时间更新环节
先验状态量估计值更新:
先验状态量估计误差协方差更新:式中, 是SOC估计器的先验状态量估计误差协方差, 是SOC估计器的后验状态量估计误差协方差,
测量更新环节
测量新息更新:
式中,rx,k是SOC估计器的状态量测量新息,状态量卡尔曼增益更新:
式中,Kx,k是SOC估计器的卡尔曼增益,后验状态量估计值更新:
后验状态量估计误差协方差更新:(b)容量误差估计器算法模型误差时间更新环节
先验模型误差估计值更新:bk=bk‑1;
先验误差量估计误差协方差更新:算法迭代矩阵:
模型误差测量更新环节
模型误差估计误差协方差更新:式中, 是容量误差估计器的先验模型误差量估计误差协方差,Pb,k+1是容量误差估计器的后验状态量估计误差协方差,模型误差卡尔曼增益更新:式中,Kb,k是容量误差估计器的模型误差量卡尔曼增益,模型误差测量新息更新:
式中,rb,k是容量误差估计器的模型误差量测量新息,后验模型误差估计值更新:(c)SOC最优估计
式中, 是SOC的最优估计值。