[发明专利]一种基于RC等效模型的动力电池SOC估计方法

权利要求书

1.一种基于RC等效模型的动力电池SOC估计方法，其特征是，包括如下步骤：

（1）基于RC等效模型的估计方程的确定：

x_k+1＝A_k·x_k+B_k·u_k+ω_k                               （3）

y_k＝C_k·x_k-R₀·u_k+υ_k                                 （4）

其中，x_k是k时刻输入状态变量；x_k+1是k+1时刻输入状态变量；y_k是输出测量变量；u_k是k时刻的输入控制变量；A_k是增益矩阵，将时刻k的状态线性映射到当前时刻k+1的状态；B_k是k时刻的控制变量增益矩阵；C_k是增益矩阵，状态变量x_k对测量变量y_k的增益，R₀为电池欧姆内阻，ω_k、υ_k为互不相关的系统噪声；

（2）扩展Kalman滤波的估算方法：

扩展卡尔曼滤波是通过系统状态空间模型将动力电池非线性系统进行线性化，然后再利用标准卡尔曼滤波算法的循环迭代过程对状态变量做算法最优估计。

2.如权利要求1所述的基于RC等效模型的动力电池SOC估计方法，其特征是，所述步骤（2）扩展Kalman滤波的估算方法中，

系统离散状态空间模型为：

状态方程：x_k+1＝f(x_k,u_k)+ω_k                    （5）

输出方程：y_k＝g(x_k,u_k)+υ_k                      （6）

其中，f(x_k,u_k)、g(x_k,u_k)为分别对应非线性状态转移函数和非线性测量函数，由式（3）、（4）、（5）、（6）可知，令f(x_k,u_k)＝A_k·x_k+B_k·u_k，g(x_k,u_k)＝C_k·x_k-R₀·u_k，得到扩展卡尔曼滤波离散状态空间模型，

将该非线性模型在(x_k,u_k)附近进行一级泰勒展开,并对状态变量x求偏导数得：

Ak=∂f(xk,uk)∂x|x=xk+=100exp(-Δt/τpa),]]>

Ck=∂f(xk,uk)∂x|x=xk-=dUoc(Sk)dS|S=Sk-1;]]>

其中，是采样时刻点k时刻右侧的状态估计值；x_k为采样时刻点k时刻左侧的状态估计；

扩展卡尔曼滤波器预测方程：

状态变量预测估计：xk-=f(xk-1+,uk-1)---(7)]]>

协方差误差预测估计：Pk-=Ak-1Pk-1+Ak-1T+Σω---(8)]]>

扩展卡尔曼滤波器校正方程：

卡尔曼增益计算：Kk=Pk-CkT(CkPk-CkT+Συ)-1---(9)]]>

状态变量最优估计：xk+=xk-+Kk[yk-g(xk-,uk)]---(10)]]>

协方差最优估计：Pk+=(E-KkCk)Pk----(11)]]>

其中，∑_ω、∑_υ分别为ω_k、υ_k的方差；是采样时刻k-1时刻右侧的状态估计值；其中，A_k-1是将时刻k-1的状态线性映射到当前时刻k的状态的增益矩阵，B_k-1是k-1时刻的控制变量增益矩阵，u_k-1是k-1时刻的输入控制变量；是k时刻协方差误差预测估计；是k-1时刻的协方差最优估计；为A_k-1的转置；C_k^T是C_k的转置；K_k是k时刻卡尔曼增益；是k时刻协方差最优估计；E为单位矩阵。