[发明专利]一种基于UHF的电池剩余电量估计方法

说明书

本发明涉及一种基于UHF的电池剩余电量估计方法。由于系统中存在模型误差、测量误差以及电磁干扰等不确定噪声，传统SOC估算方法表现不够好。本发明采用UKF和H‑infinity滤波器相结合的方法，并将其应用于电池SOC估计领域。本发明方法首先测量在k时刻的电池端电压y_k和电池供电电流i_k，然后用状态方程和观测方程表示电池的各个时刻的荷电状态，再执行初始化过程，采用UHF算法进行循环递推，递推所得到的状态更新值即为当前时刻k所估计得到的电池剩余电量。本发明方法可以准确地进行电池剩余电量的估计，收敛速度快、估计精度高。

技术领域

本发明属于锂电池技术领域，具体涉及一种基于UHF(Unscented H-InfinityFilter，采样点H无穷大滤波器)的电池剩余电量估计方法。

背景技术

锂电池具有高比能量、高负载能力、低自放电率及无记忆性等优点，被广泛应用于能源电池和动力电池中。但是锂电池不能过度充放电，否则会造成不可逆的电池容量损失，因此对电池进行有效的管理是保证锂离子电池安全性的基础。电池管理系统(BMS)虽然已进入实际应用阶段，但是在电池荷电状态估计估算准确度方面还有待提高。

电池的荷电状态(State of Charge,SOC)是电池剩余容量的重要指标，电池剩余容量定义为电池剩余容量与其标称容量的比值。然而电池SOC不能通过直接测量得到，一般是通过测量电流，电压和温度等物理量，然后基于预设算法估计SOC。

在工程实践中，已经提出了许多算法，如开路电压、库仑积分、神经网络和卡尔曼滤波等方法用于SOC估计。传统的EKF和UKF算法是基于标准KF框架，因此只有在系统为高斯时才具有最优解。但是系统中是始终存在噪声的，包括模型本身的误差，电流电压的测量误差等，这对SOC估计的准确性产生了很大影响。传统SOC估算方法(如EKF和UKF)的表现不够好。

发明内容

本发明的目的就是克服现有技术的不足，提出将UKF(Unscented Kalman Filter,采样点卡尔曼滤波器)和H-infinity(H无穷大滤波器)滤波器结合的UHF算法，用于电池SOC估计，该方法适用于所有类型电池的剩余电量估计。

本发明方法的具体步骤是：

步骤(1)测量在k时刻的电池端电压y_k和电池放电电流i_k，k＝1,2,3,…；

步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态：

状态方程：

观测方程：

其中x_k为k时刻的电池荷电状态，即剩余电量；w_k为k时刻的过程噪声，v_k为k时刻的测量噪声；η_i为电池的放电比例系数；Q_n是电池在25℃条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量；Δt是测量时间间隔；k₀、k₁、k₂、k₃、k₄为常数，R为电池的内阻；

步骤(3)初始化：

选择初始状态及其方差P₀，0＜P₀＜1；选择过程噪声的方差Q_k和测量噪声的方差R_k，10^-8＜Q_k＜10^-2，0＜R_k＜0.1；扩展后的状态向量及其协方差为：