[发明专利]一种锂电池荷电状态的估计方法

说明书

技术领域

本发明锂电池荷电状态预测技术，特别是涉及一种在锂电池实际应用过程中对其荷电状态进行估计的方法。

背景技术

由于面临能源和环境的压力，锂电池以其高能量密度、使用寿命长、绿色环保等优点成为目前最具潜力的储能装置。而锂电池的荷电状态估计，是对电池进行有效管理的前提和关键。目前，常见的电池荷电状态估计方法有：开路电压法、安时计量法、神经网络、卡尔曼滤波法和扩展卡尔曼滤波法。

其中，卡尔曼滤波算法是最常用的荷电状态估计方法，但其在模型参数不确定的情况下鲁棒性很差，并且，对突变状态的跟踪能力不佳。该算法要求测量噪声统计特性是已知的，但是大多数应用问题中噪声统计特性是未知的，若根据错误的噪声统计特性设计滤波器将使滤波器的误差增大，甚至使滤波器发散。

并且由于锂电池的电池模型是个非线性系统，其中电池的开路电压和电池荷电状态呈非线性关系，因此扩展卡尔曼滤波算法在卡尔曼滤波算法的基础上，对非线性方程进行线性化处理，可以适用于非线性系统。当模型参数与过程参数精确匹配或基本匹配时，只要初始值选择适当，滤波过程可渐进收敛并得到状态的近似无偏估计值。然而，当模型参数不匹配或存在较大偏差时，扩展卡尔曼滤波算法的估计精度会大大下降甚至发散。

发明内容

为克服现有技术的不足，本发明提出一种锂电池荷电状态的估计方法，针对锂电池模型不确定性以及测量噪声统计特性未知的情况，将强跟踪滤波器算法与自适应滤波算法进行结合，应用现场可编程门阵列（FPGA）或者数字信号处理器（DSP）实现融合算法，在估计荷电状态的同时利用观测数据的信息不断地在线修正噪声统计特性，从而提高锂电池荷电状态的估算精度，增强估计算法的鲁棒性和自适应性。

本发明提出了一种锂电池荷电状态的估计方法，通过建立锂电池数学模型，得到系统状态方程以及量测方程形如：

X(k+1)=A·X(k)+B·U(k+1)+V(k+1)z(k+1)=H·X(k+1)+W(k+1)]]>

其中，X(k+1)是系统在k+1时刻的状态，U(k+1)是k+1时刻对系统的控制函数，Z(k+1)是系统的观测变量，W(k+1)和V(k+1)分别表示过程和测量的噪声。A,B为系统参数，H为测量系统的参数，反映状态变量对测量变量的影响，其特征在于，该方法包括以下步骤：

步骤一、根据系统状态初值以及状态方程进行荷电状态估计；