[发明专利]一种基于GA-AUKF的磷酸铁锂动力电池荷电状态联合估算方法

说明书

本发明公开了一种基于GA‑AUKF的磷酸铁锂动力电池荷电状态联合估算方法，其特征在于：步骤1：建立动力电池组二阶RC等效电路模型；步骤2：遗忘因子递推最小二乘法在线辨识二阶RC等效电路模型参数；步骤3：建立GA‑AUKF算法，自适应更新计算状态方程协方差与测量方程协方差；步骤4：将遗忘因子递推最小二乘法与GA‑AUKF联合估算动力电池SOC。相对于现有技术，本发明方法能够实现自适应更新状态方程协方差与测量方程协方差，减弱协方差对估算精度影响，提高电池SOC估算精度。

技术领域

本发明涉及电动汽车技术领域，具体涉及一种基于GA-AUKF的磷酸铁锂动力电池荷电状态联合估算方法。

背景技术

车载动力电池作为电动汽车的“心脏”,是制约电动汽车规模发展的关键因素。荷电状态(state of charge，SOC)是反映电池剩余电量及状态的重要参数，是电池管理最核心技术之一。为确保动力电池的性能，延长电池组的寿命，必须及时、准确地了解电池的荷电状态。

SOC作为锂电池的内部特性无法使用一种传感器直接测量得到，其性能参数易受充放电倍率、温度、老化程度及自放电等多个耦合因素的影响,所以只能通过对电流、电压、温度等外部特性参数间接预测而得。由于电池在生产过程中的影响，电池内部参数具有差异性，随着各单体电池放电深度的不同，电池的差异性越变越大，电池单体差异变大，导致整个电池组的SOC难以预估。

为解决上述技术问题，中国专利申请公布号CN108020791A，公布日2018年5 月11日，发明创造的名称为一种混合动力船舶磷酸铁锂动力电池组荷电状态估计方法，其特征在于降低估算过程的计算量。其不足之处是电池内部参数方法不详，估算过程引入容量衰减，而容量的精度在电池估算中一直是个难点，从而导致该专利提出的自适应卡尔曼滤波的算法无法达到较高精度。

公开号CN103728567B，公布日2016年6月8日，发明创造的名称为一种基于优化初始值的荷电状态估算方法，其特征在于对电池进行多次充放电，再静置，并记录电压稳定时间，并在恢复期间使用电池，从而得到较为精确SOC的初始值，最后使扩展卡尔曼滤波能够快速估算SOC值。但是该技术方案仍存在以下问题：不同电池充放电池时间，容量初始电压皆不同，该方法确定的初值时间长且不具备普适性。其次该方法利用扩展卡尔曼滤波估算SOC，一方面需要对Jacobian矩阵进行求导，忽略了非线性函数的高阶项，降低了估算精度。

发明内容

本发明的目的是提供一种基于GA-AUKF的磷酸铁锂动力电池荷电状态联合估算方法，以降低电池内阻及AUKF噪声矩阵对电池SOC估算精度的影响，实现估算精度的提高。

为了实现上述目的，本发明设计出发明公开了一种基于GA-AUKF的磷酸铁锂动力电池荷电状态联合估算方法，其包括以下步骤：

步骤1：为准确模拟电池的工作机制，表达电池主要参数之间的关系，建立磷酸铁锂动力电池组二阶RC等效电路模型；

步骤2：根据步骤一建立的二阶RC等效电路模型，将等效电路中的参数通过遗忘因子递推最小二乘法进行在线辨识；等效内阻R0、极化电阻Rp、极化电容Cp极化电阻Rs、极化电容Cs；

步骤3：建立GA-AUKF算法，自适应更新计算状态方程协方差与测量方程协方差；

步骤4：将遗忘因子递推最小二乘法与GA-AUKF联合估算动力电池荷电状态。

上述的基于GA-AUKF的磷酸铁锂动力电池荷电状态联合估算方法，其中，步骤2具体包括以下步骤：

步骤2.1：由图2等效电路所示，欧姆定理和基尔霍夫定律建立的二阶RC 等效电路模型数学表达式有：

其中u_s与u_p分别为一阶极化电压与二阶极化电压；i为负载电流；负载电压U(t)；