欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024106685152
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于无迹卡尔曼滤波的电池SOC估算方法,其特征在于,包括以下步骤:建立二阶RC等效电路模型,基于所述二阶RC等效电路模型建立锂电池的状态空间方程;

进行放电-静置实验确定开路电压OCV在不同放电阶段对应锂电池荷电状态SOC变化的关系,并拟合得到OCV-SOC关系曲线;

基于所述状态空间方程计算得到电压估计值,利用递推最小二乘法对模型进行端电压辨识,得到端电压辨识曲线验证模型的精度;在锂电池恒流放电的情况下,对锂电池的开路电压、电流进行采样,获得开路电压的初始值;

利用无迹卡尔曼滤波算法,对状态空间方程不断优化,完成OCV-SOC关系曲线的不断地预测和修正,实现荷电状态SOC估计值向荷电状态SOC实际值的不断收敛;所述OCV-SOC关系曲线的表达式如下:UOC=F(SOC)=31.26SOC6-98.19SOC5+120.1SOC4-70.56SOC3+19.07SOC2-13.09SOC+3.15;

利用无迹卡尔曼滤波算法,对状态空间方程不断优化的过程如下:用无迹变换找出采样点,在状态空间方程中设状态变量x的维度为n,则;

式中,是Sigma点,是收敛k次的状态变量最优值,i表示采样点的个数,λ为缩放比例系数,其计算公式如下:λ=α2(n+k)-n,α为10-4到1之间的整数;

采用以下公式分别计算Sigma点的均值权值协方差权重初始均值和初始协方差将状态空间方程定义为y=f(x),则将Sigma点代入到y=f(x)中,则收敛k+1次的系统状态变量的估计值如下:yi=f(xi),i=0~2n;

式中,表示采样点i的从收敛k次到收敛k+1次的状态变量均值;

式中,表示采样点i的从收敛k次到收敛k+1次的状态变量最优值。

2.根据权利要求1所述的一种基于无迹卡尔曼滤波的电池SOC估算方法,其特征在于,所述状态空间方程如下:还包括基于所述状态空间方程建立的观测建立的观测方程,所述观测方程表达如下:y(k)=[-1 -1 0]x(k)+[-R0]I(k)+v(k);

式中,x(k)为收敛次数k的系统输入值,状态变量x=[U1U2SOC]T,y(k)为收敛次数k的系统的输出值,Δt为采样时间,R0为锂电池欧姆内阻,R1、R2为锂电池的极化电阻,C1、C2为锂电池的极化电容,U1为R1两端电压,U2为R2两端电压,ω(k)为收敛次数k的系统过程噪声,I(k)为收敛次数k的采样电流,v(k)为收敛次数k的观测噪声,qN为离散后需要计算的电容值,k为收敛次数。

3.根据权利要求1所述的一种基于无迹卡尔曼滤波的电池SOC估算方法,其特征在于,利用递推最小二乘法对模型进行端电压辨识的辨识流程如下:采用以下公式计算电池的参数辨结果:

式中,为电池的观测参数矩阵;θ为参数矩阵,表示为θ=[R0 R1 R2 C1 C2];其中,R0为锂电池欧姆内阻,R1、R2为锂电池的极化电阻,C1、C2为锂电池的极化电容;e(k)为误差值。

4.根据权利要求3所述的一种基于无迹卡尔曼滤波的电池SOC估算方法,其特征在于,采用以下方法对参数矩阵进行优化:计算当前收敛次数k+1的增益值K(k+1):

式中,P(k)收敛次数为k的误差协方差矩阵,为当前收敛次数k+1的观测数据矩阵;

计算等效电路模型的当前收敛次数k+1的参数误差e(k+1):式中,y(k+1)为当前收敛次数k+1的系统的输出值,θ(k)表示收敛次数k的参数矩阵,表示当前收敛次数k+1的观测值;

采用以下公式得到当前收敛次数k+1的电池模型参数矩阵θ(k+1):θ(k+1)=θ(k)+K(k+1)e(k+1)。

5.根据权利要求1所述的一种基于无迹卡尔曼滤波的电池SOC估算方法,其特征在于,还包括以下步骤:对收敛k+1次的误差协方差矩阵进行预测:

式中,Qk+1为收敛k+1次的系统噪声协方差阵;

将收敛k+1次的状态量预测值点集代入观测方程中,利用观测方程获取收敛k+1次的观测预计值在观测方程中进行一次状态传递,继而加权得到收敛k+1次的测量的均值计算收敛k+1次的测量值的方差矩阵Pxy,k+1:

计算收敛k+1次的状态量与测量值协方差矩阵Pyy,k+1:计算卡尔曼滤波增益Kk+1:Kk+1=Pxy,k+1/Pyy,k+1;

更新系统状态变量值

误差方差矩阵更新Px,k+1|k+1:式中,为变量x收敛k+1次的状态变量最优值,y(k+1)为收敛k+1次的输出值,为收敛次数k+1的系统的输出最优值。

6.根据权利要求4所述的一种基于无迹卡尔曼滤波的电池SOC估算方法,其特征在于,当前收敛次数k+1的误差协方差矩阵P(k+1)的计算公式如下:式中,I为单位矩阵,P(k)是收敛次数为k的误差协方差矩阵,K(k+1)为当前收敛次数k+1的增益值,为当前收敛次数k+1的观测数据矩阵。

7.一种基于无迹卡尔曼滤波的电池SOC估算系统,用于实现如权利要求1至6中任意一项所述的电池SOC估算方法,其特征在于,包括:第一模块,被设置为建立二阶RC等效电路模型,基于所述二阶RC等效电路模型建立锂电池的状态空间方程;

第二模块,被设置为进行放电-静置实验确定开路电压OCV在不同放电阶段对应锂电池荷电状态SOC变化的关系,并拟合得到OCV-SOC关系曲线;

第三模块,被设置为基于所述状态空间方程计算得到电压估计值,利用递推最小二乘法对模型进行端电压辨识,得到端电压辨识曲线验证模型的精度;在锂电池恒流放电的情况下,对锂电池的开路电压、电流进行采样,获得开路电压的初始值;

第四模块,被设置为利用无迹卡尔曼滤波算法,对状态空间方程不断优化,完成OCV-SOC关系曲线的不断地预测和修正,实现荷电状态SOC估计值向荷电状态SOC实际值的不断收敛。