[发明专利]基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法

权利要求书

1.基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，包括：

a、通过HPPC试验对蓄电池性能进行测试，获得蓄电池HPPC测试数据；

b、基于获得的蓄电池HPPC测试数据，进行参数辨识，得到蓄电池模型参数；

c、基于得到的蓄电池模型参数，通过AUKF算法，估算蓄电池SOC。

2.根据权利要求1所述的基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，在步骤a之前，还包括：

对蓄电池特性进行测试，获得蓄电池基本信息；以及，

基于获得的蓄电池基本信息，建立蓄电池的数学模型。

3.根据权利要求2所述的基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，所述对蓄电池特性进行测试，获得蓄电池基本信息的操作，具体包括：

对蓄电池组充满电即SOC=1，利用恒温箱在不同温度下对蓄电池组进行恒流放电测试，每当蓄电池SOC下降10%，将蓄电池静置半小时后，测量蓄电池两端开路电压OCV；

将不同SOC和温度T下的数据导入MATLAB中，经过二维数据拟合处理，得到OCV与SOC和T的函数关系：OCV=f（SOC，T）。

4.根据权利要求1-3中任一项所述的基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，所述步骤b，具体包括：

b1、通过混合动力脉冲能力特性测试试验，对电池测试获得试验数据，选择PNGV作为等效电路模型，经过最小二乘辨识得到等效电路模型参数与SOC和T的函数关系； 

b2、根据数据拟合和参数辨识得到的函数关系，将SOC作为一状态变量，建立蓄电池的状态空间模型如下：

（1）；

（2）；

式中，为k时刻采样点时电容两端电压，为k时刻采样点时电容两端电压，为k时刻采样点时的SOC值，T为采样周期，为k时刻采样电流，为k时刻采样点负载电压，、为系统传感器引起的不相关高斯白噪声。

5.根据权利要求4所述的基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，在步骤b1中，所述经过最小二乘辨识得到等效电路模型参数与SOC和T的函数关系的操作中，得到的函数关系包括：内阻= f（SOC，T）。

6.根据权利要求1-3中任一项所述的基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，所述步骤c，具体包括：

根据步骤b得到的状态空间模型，设置合适的AUKF估算算法；

结合设置的AUKF估算算法，利用MATLAB的RTW工具将算法模型自动生成代码，进行硬件在环仿真，并将生成的代码结合到电池硬件核心控制器TMS320F2812 DSP中实现蓄电池的荷电状态估算。

7.根据权利要求6所述的基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法，其特征在于，所述电池硬件核心控制器，具体包括型号为TMS320F2812的DSP。