[发明专利]一种电池模型参数与剩余电量联合异步在线估计方法

权利要求书

1.一种电池模型参数与剩余电量联合异步在线估计方法，其特征在于该方法的具体步骤是：

步骤(1)测量在                                               时刻的电池端电压和电池供电电流，；

步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态依赖关系：

状态方程：

观测方程：

其中为电池的荷电状态，即剩余电量；为电池的放电比例系数，反映的是放电速率、温度等因素对电池SOC的影响程度，本发明中只考虑放电速率的影响；是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量，是测量时间间隔，为处理噪声；为电池观测模型的参数，是一个列向量；为电池的内阻，为观测噪声；

放电比例系数的确定方法为：

(a)将完全充满电的电池以不同放电速率恒流放电次，计算相应放电速率下的电池总电量，，，，为电池的额定放电电流；

(b)根据最小二乘方法拟合出与间的二次曲线关系，即在最小均方误差准则下求出同时满足， 为最优系数；

(c)在放电电流为时，对应的放电比例系数为：

       

此处，由于放电比例系数与电池老化无关，因此最优系数对于同一类型的电池只需确定一次，确定后可作为已知常数直接用于所有同类型电池的剩余电量估计；

步骤(3)执行如下初始化过程：

(a)电池剩余电量估计的初始化：

起始状态及其方差分别为：

，

处理噪声的方差、观测噪声的方差分别为：

,

尺度参数为：

扩展后的状态向量及其协方差为：

，

均值加权系数和方差加权系数分别为：

，，，

(b)电池模型参数估计的初始化：

任意选取初始模型参数；

设定的平方根均方差矩阵为，，其中为的单位矩阵；

选取比例常数,；

设定变量；

设定加权系数，；

步骤(4)采用采样点卡尔曼滤波算法进行循环递推：

在时刻，根据测得的电池端电压及电池的供电电流，按下列步骤迭代进行电池模型参数与剩余电量的联合异步估计：

(a)电池剩余电量的估计流程

①根据时刻的扩展状态向量及其协方差，计算该时刻的所有的采样点序列：

②根据状态方程进行时间域更新：

由采样点序列，根据状态方程计算采样点更新：；

对采样点更新进行加权，计算状态估计：；

计算状态估计的方差： ；

③根据观测方程完成测量更新：

由采样点更新及时刻的参数估计值，根据观测方程计算测量更新：；

对测量更新进行加权，计算测量估计：；

计算测量估计的方差：；

计算与的互协方差： ；

计算卡尔曼增益：；

计算状态更新：；

计算状态更新的方差：；

通过上述流程，所得到的状态更新值即为当前时刻所估计得到的电池剩余电量；

(b)电池模型参数的估计流程：

①计算模型参数的估计值：；

计算模型参数的平方根均方差矩阵的估计值：，其中，，为对应矩阵的对角线元素构成的列向量；

②计算的采样点序列：

；

为6×1列向量，为6×6矩阵，故为6×13矩阵；

③按下列各式计算测量更新：

计算采样点的观测序列：，为6×13矩阵；

计算观测序列的估计值：，为的第列；

计算观测序列的平方根均方差矩阵：

计算协方差矩阵：；

计算卡尔曼增益：；

计算参数更新：；

计算临时变量：；

计算模型参数的平方根均方差矩阵的更新：；

其中表示求矩阵的正交三角分解，并返回得到的上三角矩阵；为矩阵的转置操作；表示求矩阵的Cholesky分解；

通过上述流程，所得到的即为当前时刻所估计得到的电池模型参数；

在每一时刻，上述步骤4(a)、4(b)交替进行，因此，电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果，另一方面，电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成；整个循环递推过程是在线完成的，即在电池实际工作过程中在线异步完成各时刻电池剩余电量的估计与电池模型参数的估计。