[发明专利]似然度函数粒子滤波的动力电池电荷状态估计方法和系统有效
申请号: | 201510405189.7 | 申请日: | 2015-07-10 |
公开(公告)号: | CN105093121B | 公开(公告)日: | 2017-09-08 |
发明(设计)人: | 党选举;刘政;姜辉;伍锡如;张向文;汪超;杨倩;言理;黄品高;王土央 | 申请(专利权)人: | 桂林电子科技大学 |
主分类号: | G01R31/36 | 分类号: | G01R31/36 |
代理公司: | 桂林市持衡专利商标事务所有限公司45107 | 代理人: | 欧阳波 |
地址: | 541004 广*** | 国省代码: | 广西;45 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 似然度 函数 粒子 滤波 动力电池 电荷 状态 估计 方法 系统 | ||
1.一种似然度函数粒子滤波的动力电池电荷状态估计方法,采用Thevenin模型描述电池的静态和动态性能;电池的极化电阻Rp与电池的极化电容Cp并联构成一阶RC结构,RC两端电压为Up(t);串接欧姆电阻R0和Uoc,Uoc为电池的开路电压OCV,采样得到电池端电压U(t)和流过欧姆内阻R0的电流i(t);
电池Thevenin模型数学表达式如下:
用后向差分法对Thevenin电池模型离散化,整理后得到对应的后向差分离散模型:
U(k)=aU(k-1)+bI(k)+cI(k-1)+(1-a)UOC(k)(2)
式中:UOC(k)表示k时刻的开路电压;U(k)为k时刻的电池输出端电压;I(k)为k时刻的回路电流;a,b,c为离散模型参数;
采用含遗忘因子的递推最小二乘法,进行电池后向差分模型的参数辨识,求得a、b、c、UOC(k)的值,根据方程(2),对应得到k时刻的电池端电压的预测值U(k);
定义SOC如下:
式中:SOC0是SOC的初始值;QN为电池的额定容量;η0为电池的充放电库伦效率,取η0=1;i(t)为放电电流;
结合电池的离散模型,对电池特性描述如下,
状态方程
量测方程UK=UOC(SOCk)-R0ik-Up,k (5)
式中:Up,k为k时刻极化电容两端电压;T为采样周期;UOC(SOCk)表示电池的开路电压和SOC的非线性关系;
UOC(SOCk)与SOC关系如下:
根据实验得到的SOC和在线辨识得到的开路电压UOC,运用含遗忘因子的递推最小二乘法(FFRLS),求出式(6)中的a1~a9;
根据式(5),由SOC的预测值SOCk得到端电压的预测值Uk;
其特征在于主要包括如下步骤:
步骤Ⅰ、参数初始化
设定SOC的初始值和滤波协方差初始值,分别记作x0|0和P0|0,设定采样粒子数为N,N取值为30~100;有效粒子数阈值为Nthr,设定Nthr=(0.5~0.85)N;
步骤Ⅱ、重要性采样
从正态分布,即高斯分布N(xk-1|k-1,Pk-1|k-1)中随机采样N个粒子记作为从N(xk-1|k-1,Pk-1|k-1)中采样得到的大小为N的以xk-1|k-1为中心值、Pk-1|k-1为方差的高斯分布;xk-1|k-1和Pk-1|k-1分别为k-1时刻滤波均值和协方差,即SOCk-1及其协方差;
Ⅱ-1、状态预测
采用步骤Ⅰ中的式(4)
状态方程
进行状态预测,即求得:
其中,为k-1时刻的对SOC的第i个采样点;为k时刻从预测粒子集采样的第i个采样点;ik-1为k-1时刻的电流,放电时电流值为正,充电时电流值为负;T为采样周期,QN为电池额定容量;
Ⅱ-2、计算状态预测值的均值xk|k-1和协方差Pk|k-1
Ⅱ-3、重新采样、重构采样分布函数
以状态预测值的均值xk-1|k-1和协方差Pk-1|k-1重构高斯分布得N(xk|k-1,Pk|k-1),并重新采样
为从高斯分布N(xk|k-1,Pk|k-1)中采样的N个粒子;
步骤Ⅲ、计算粒子权值并归一化
Ⅲ-1、计算电池端电压预测值
将粒子代入量测方程(5)中计算电池端电压预测值表示k时刻粒子对应的端电压预测值集合;
即:
由式(6)计算得到;
Ⅲ-2、计算粒子权值
k时刻第i个粒子的权值由高斯分布的似然度函数计算得到,即R为高斯似然度函数的方差,根据经验赋值;y1,k为k时刻的量测值,表示k时刻第i个粒子对应的端电压预测值;
Ⅲ-3、权值归一化和计算有效粒子数Neff
为归一化后的权值;Neff为相对于采样粒子数N而言的有效粒子数;为的方差;
xk|k为状态估计值;Pk|k为协方差估计值;
步骤Ⅳ、有效粒子数Neff与有效粒子数阈值Nthr的比较
高斯粒子滤波的预测粒子分布即先验概率分布π(xk|k-1),代表粒子数分布;后验概率分布即粒子实际概率分布,代表粒子的权值分布;
当Neff小于Nthr,进入步骤Ⅴ;否则进入步骤Ⅵ;
步骤Ⅴ、更换似然度函数
采用拉普拉斯分布作为似然度函数;
拉普拉斯分布的概率密度函数,或称为似然度函数如下:
式中:x为预测方程所得状态预测值,或者x为量测方程所得量测值对应物理量的预测值,μ和R分别是该拉普拉斯分布的中心值和方差;
借鉴高斯滤波的方法,用代替拉普拉斯分布的概率密度函数(13)中的x-μ,得到修改后的拉普拉斯分布似然度函数
其中x、μ、R的赋值分别参照高斯分布的似然度函数中的y1,k、R,然后进行归一化;
步骤Ⅵ、状态更新和协方差更新
即执行步骤Ⅲ-3的式(11)(12),得到更新的SOC估计值和更新的协方差;
步骤Ⅶ、判断滤波时间大于设定运行时间,则滤波结束;否则,k=k+1,返回步骤Ⅱ。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学,未经桂林电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510405189.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:借助全身线圈和局部发送线圈的组合建立磁共振图像
- 下一篇:一种无线噪声传感器