[发明专利]基于平方根扩展卡尔曼滤波的锂电池SOC估算模型

说明书

本发明涉及一种平方根扩展卡尔曼的SOC估算方法，其特征在于，通过在卡尔曼滤波算法基础上求取雅克比矩阵处理使卡尔曼滤波能应用于具有明显非线性关系的锂离子电池组SOC估算，实现了对锂离子电池组SOC值的有效迭代计算，克服SOC初值误差和安时积分存在的累积误差；针对由于计算机字长有限而存在舍入误差可能引起的滤波发散，改进扩展卡尔曼滤波方法将状态量协方差矩阵进行平方根分解，保证其在任何时刻具有对称非负定性，防止出现因计算机字长有限可能引起的滤波发散情况；该方法在充分考虑锂离子电池成组工作基础上，基于等效模型电路，改进以卡尔曼为基础的迭代计算过程，将矩阵平方根变换具体应用防止可能存在的滤波放散，实现锂离子电池组SOC估算模型的建立和SOC值的数学迭代运算算法的可靠运行。

技术领域

本发明涉及一种平方根扩展卡尔曼的锂离子电池SOC估算方法，该方法针对锂离子电池组SOC值的精确估算目标，提出了一种平方根卡尔曼滤波方法，通过在卡尔曼滤波算法基础上求取雅克比矩阵处理使卡尔曼滤波能应用于具有明显非线性关系的锂离子电池组SOC估算，实现了锂离子电池组SOC值的有效迭代计算，克服SOC初值误差和安时积分存在的累积误差；针对由于单片机字长有限而存在舍入误差可能引起的滤波发散，平方根扩展卡尔曼滤波方法将状态量协方差矩阵进行平方根分解，保证其在任何时刻具有对称非负定性，防止出现因计算机字长有限可能引起的滤波发散情况；在电池等效电路模型基础上运用平方根扩展卡尔曼算法实现锂离子电池组SOC估算模型的建立和SOC值的数学迭代运算；该方法是一种基于现代控制理论的锂离子电池组状态估算方法，属于新能源测控领域。

背景技术

在锂离子电池组的整个生命周期中，电池管理系统（Battery ManagementSystem，BMS）对核心参数SOC的监控和调节将影响应急动力输出的效果和安全性；因此，实时监测该参数的变化，并基于此保障锂离子电池组的工作性能是非常必要的；由于BMS中的成组SOC估算技术尚不成熟，使用过程中存在的安全隐患严重制约了锂离子电池组的发展；对于锂离子电池组而言，可靠的BMS管理依靠准确的SOC值；在该值已知的情况下，不仅对其进行可靠能量管理和安全控制，而且还避免锂离子电池组的提前损坏，延长其使用寿命；因此，精确估算SOC值，对保障锂离子电池组的工作性能及其能量和安全管理至关重要；锂离子电池组的SOC估算模型构建和精确估算值得获取，已成为其能量和安全管理的核心问题；锂离子电池组由具有高能量密度和闭路电压的钴酸锂电池单体组合构成，其安全性受到所处工作状态的影响；SOC表征了锂离子电池组的剩余容量，是为电池管理系统最基本也是最重要的的一个关键参数；此外，锂离子电池组的充放电过程包含复杂电能、化学能和热能转换等环节，过充电和过放电现象易引发安全事故，精确SOC估算在防止过充电和过放电中起着重要作用；在锂离子电池组的应用中，其安全性依然是最为关注的问题，SOC估算是其安全使用的基础和前提；锂离子电池组采用电池单体级联结构，满足了辅助动力供能过程中的容量和电压需求；然而，由于无法避免的材料和工艺差异，单体间不一致现象客观存在且无法避免；并且，该现象会随着循环次数的增加越来越明显，这就使得单体间不一致性的表达与修正成为成组SOC估算的重要组成部分，同时也给成组SOC精确估算带来了巨大的挑战。