[发明专利]基于平方根扩展卡尔曼滤波的锂电池健康状态预测方法

权利要求书

1.基于平方根扩展卡尔曼滤波的锂电池健康状态预测方法，其特征在于，具体操作过程包括如下步骤：

步骤1，建立锂电池状态参数的数学模型，得到锂电池系统欧姆内阻的状态方程和欧姆内阻的观测方程；

U_c为锂电池的端电压；U_oc为电池开路电压；R₀为锂电池欧姆内阻；I为电池的工作电流；R_s、C_s分别为电池电化学极化内阻与极化电容，表征电池内部缓慢的电极反应，两端的电压为U_s；R_l、C_l分别为电池浓度极化电阻与极化电容，表征电池内部快速的电极反应，两端的电压为U_l；

令锂电池系统状态变量建立的锂电池欧姆内阻的状态方程x_k和欧姆内阻的观测方程定义分别如式(1)和式(2)所示；

其中，τ_l＝R_lC_l，τ_s＝R_sC_s，I_k-1为锂电池的充放电电流；U_c为锂电池的充放电端电压；w_k-1为状态方程中加入的服从高斯分布的随机噪声，v_k-1为观测方程中加入的服从高斯分布的随机噪声，表示状态更新过程和测量过程中存在的误差，随机噪声向量的分布假定为0均值的高斯分布，且假设噪声有如下统计学特性：

p(w_k-1)～N(0,P),

p(v_k-1)～N(0,R),

其中，P为锂电池状态协方差的误差正定对称阵，R为锂电池量测协方差的误差正定对称阵；

步骤2，辨识锂电池模型离线参数，得到步骤4的平方根扩展卡尔曼滤波算法的初始值；

选择待检测的锂电池在脉冲电流的情况下进行放电，选择锂电池刚开始放电的一段端电压的变化，根据欧姆定律中电池欧姆电阻R₀＝ΔV/I，则电池放电内阻

在停歇阶段，由于极化电容C_s和C_l的影响，电路电压变化为零状态响应，由公式通过曲线拟合得到参数U_oc、U_l、τ_l、U_s、τ_s；

放电过程中，施加脉冲电流后由于极化电容的作用电压缓慢变化，由公式τ_l＝R_lC_l，τ_s＝R_sC_s辨识得出R_l，R_s，C_l和C_s；

步骤3，获得SOC-U_oc的函数关系，将U_oc的输出序列代入步骤1的观测方程中，得到预测端电压U_c的输出序列；

步骤4，对扩展卡尔曼滤波算法进行改进得到平方根扩展卡尔曼滤波算法；

步骤5，将实验测量得到的锂电池电流序列输入到步骤4所建立的平方根扩展卡尔曼滤波算法中不断更新步骤1中建立的状态方程和观测方程，同时将实验测量得到的锂电池剩余容量序列输入到步骤3中得到的预测端电压U_c输出序列和此时输入的实验测量得到的锂电池端电压序列不断更新步骤4中的平方根扩展卡尔曼滤波算法中的锂电池系统当前状态的最优值x_k|k，根据所给的实验测量序列值的数目使平方根扩展卡尔曼滤波算法不断迭代得到欧姆内阻预测值序列R₀，即得到表征锂电池健康状态的状态量。