[发明专利]基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法

说明书

技术领域

本发明属于智能电网中MW级电池储能系统设计与控制技术领域，涉及一种基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法。

背景技术

随着风电、光伏发电等可再生能源及电网智能化的大力发展，电池系统作为电池储能系统能量存储的主要载体，已越来越多地受到世界各国的关注和应用。同时可再生能源规模的不断扩大及用电负荷的快速增长，也将促使电池系统向大容量化(MW级)方向发展。然而，由于应用环境的复杂性(如秒级波动功率平滑、一次高频等高动态场合)及电池电量不能直接测量等因素，准确估计电池系统荷电状态(StateofCharge,SOC)不仅直接决定电池系统能否安全、可靠、高效运行，且对电池系统优化配置、设计与控制等至关重要。

传统的SOC估计算法主要有：安时法、阻抗法、开路电压法等，近年来相继出现了神经网络、模糊逻辑法、支持向量机及标准卡尔曼滤波法、扩展卡尔曼滤波法(ExtendedKalmanFilter,EKF)等高级算法。针对非线性时变的电池系统，目前常采用EKF，并取得良好的效果，然而由于EKF存在自身计算复杂、忽略高阶项等问题，必会产生一定误差，使电池的SOC估计精度仍待进一步研究。

发明内容

本发明解决的问题是在于提供一种基于无迹卡尔曼滤波(UnscentedKalmanFilter,UKF)的大容量电池系统荷电状态估计方法，解决大容量电池系统性能参数受SOC影响、扩展卡尔曼滤波法计算复杂、精度不高而导致电池系统SOC难以被准确测量、估算的问题，达到准确估计大容量电池系统SOC的目的。

本发明目的是通过以下技术方案来实现：

本发明提供一种大容量电池系统，该系统由M个电池单体经串联成电池串、再由N个电池串并联而成，其中M、N均为大于1的自然数。

一种基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法如下：根据已知锂离子电池单体性能参数，利用串、并联电路工作特性及筛选法确定电池系统性能参数与电池单体性能参数的关系，再结合基尔霍夫定律KVC确定电池系统输出端电压方程，建立电池系统等效模型(1)；将电池系统的荷电状态SOC及等效模型中2个RC并联电路的端电压作为状态变量，以电池系统的电流及输出电压分别作为系统输入量与输出量，结合电池系统等效电路模型，得电池系统空间状态方程(2)；将电池系统空间状态方程(2)中的电池系统SOC、2个RC并联电路的端电压作为无迹卡尔曼滤波算法UKF的状态变量；电池系统空间状态方程(2)的输入状态空间方程、输出电压状态空间方程分别作为UKF算法的非线性状态方程及测量方程；通过电压传感器测量电池系统端电压(4)的实际值与UKF算法获得的电池端电压估计值来更新增益矩阵(5)，最后由UKF算法经循环迭代，从而实时得到电池系统SOC的估计值。

所述大容量电池系统等效电路模型(1)为二阶等效电路模型，模型主电路由2个RC并联电路、受控电压源U_b0(SOC)及电池内阻R_b等组成。建立准确的电池系统等效电路模型关键在于如何根据电池工作特性来确定电池系统性能参数与电池单体性能参数的关系。本发明中大容量电池系统性能参数与电池单体性能参数关系式为：