[发明专利]基于有限差分扩展卡尔曼算法的锂电池荷电状态估计方法

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

电池作为电源已在通信、电力系统、军事装备、电动汽车等领域得到了广泛地应用。随着环保观念的日渐深入人心，越来越多的系统开始采用电池作为主要动力供给。在这些系统中，动力电池工作状态的好坏直接关系到整个系统的运行可靠性。为确保动力电池组的性能良好，延长电池组的使用寿命，须及时、准确地了解电池的运行状态，对电池进行合理有效地管理和控制。而电池荷电状态的精确估算是电池管理系统中最核心的技术。目前，对单体电池荷电状态估计的主要方法有开路电压法、内阻法、安时计量法、神经网络、卡尔曼滤波法和扩展卡尔曼滤波法等。

其中，开路电压法进行电池荷电状态估计时电池必须静置较长时间以达到稳定状态，而且只适用于电池电流非剧烈变化状态下的荷电状态估计，不能满足在线检测要求。内阻法需要精确测量电池的内阻，由于一般电池内阻在毫欧级，因此使用该方法会对测量仪器的要求非常高，难以在实际中加以应用。安时计量法易受到电流测量精度的影响，在高温或电流波动剧烈情况下，精度很差。神经网络法需要大量的样本数据进行训练才可以得到较好的精度。卡尔曼滤波法对电池模型要求较高，并且只适用于线性方程，这一问题的解决办法之一是采用扩展卡尔曼滤波法来进行荷电状态的估计。但是，扩展卡尔曼滤波法为了求取估计误差方差通过非线性函数的传播，需将非线性函数用泰勒级数展开并线性化，一方面增加了计算复杂度，另一方面，在该过程中忽略了高阶项，必定会引起误差。

发明内容

为克服现有技术的不足，本发明提出一种基于有限差分扩展卡尔曼算法的锂电池荷电状态估计方法，在锂电池的电池数学模型的基础上，利用有限差分卡尔曼滤波法进行剩余电量的估计，在对非线性方程进行线性化处理上，采用多项式近似技术和一阶中心差分法计算非线性函数的偏导数。

本发明提出了一种基于有限差分扩展卡尔曼算法的锂电池荷电状态估计方法，该方法包括以下步骤：

一种基于有限差分扩展卡尔曼算法的锂电池荷电状态估计方法，其特征在于，该方法包括以下步骤：

通过建立锂电池电量的数学模型，得到电池系统荷电状态方程x及荷电状态观测方程y如下：

x_k+1＝f(x_k,u_k，w_k)

y_k＝g(x_k,u_k，v_k)

其中，x_k∈Rⁿ和y_k∈R^m分别为k时刻的系统n维状态向量和m维观测向量，f:Rⁿ→Rⁿ和g:Rⁿ→R^m分别为系统状态函数和观测函数，w_k和v_k是互不相关的高斯白噪声，且假设噪声有如下统计学特性：