[发明专利]一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法

权利要求书

1.一种用扩展卡尔曼滤波估算锂离子电池充电电量的方法，是基于充电桩实现的，充电桩包括电流电压传感器、CPU模块、显示屏、恒流恒压充电模块、数据接口模块、流水灯、存储器，恒流恒压充电模块与锂离子电池连接，电流电压传感器与锂离子电池、CPU模块连接，电流电压传感器采集锂离子电池的电流和电压信号并将采集到的信号送入CPU模块，CPU模块与显示屏、数据接口模块、流水灯、存储器连接，其特征在于，所述方法包括以下步骤：

步骤一：初始化，通过数据接口模块输入锂离子电池出厂信息；

步骤二：采用脉冲测量锂离子电池内阻，测得内阻将作为扩展卡尔曼滤波计算内阻值；

步骤三：测量锂离子电池的开路电压，用开路电压计算充电前的剩余SOC值，剩余的SOC值作为扩展卡尔曼滤波的初始SOC值；

开路电压曲线为：

U_oc[soc]表示开路电压曲线的电压值和soc之间的函数关系，使用n次方方程组对开路电压曲线的拟合；a_i是i次方自变量soc的系数；b是常数项；

k表示第k个单位时间；是第k个单位时间电压表应该测到的值，U_oc[SOC(k)]是第k个单位时间的开路电压，I(k)是第k个单位时间所测电流值；D为内阻分压参数，即为步骤二所测电阻值；

步骤四：通过恒流恒压充电模块启动恒流恒压充电过程，并每隔一段时间监视电压、电流数据，利用电压、电流通过扩展卡尔曼滤波计算SOC值；

扩展卡尔曼滤波的算法包括的主要步骤为：

4-1)建立卡尔曼状态方程和测量方程，进行安时积分步骤：对测量得到的电流值进行安时积分；

卡尔曼状态方程为：

SOC(k+1)为第k+1个单位时间电池的剩余电量，ΔT为采样单位时间，Q_N为电池容量，η为充电效率理想，η最大值为100％，I(k)为第k个单位时间所测电流值，ω(k)为第k个单位时间的状态噪声；

卡尔曼观测方程为：

U_L(k)＝U_oc[SOC(k)]-R₀*I(k)+ν(k)

其中：U_L(k)是第k个单位时间应该观测到的电压，R₀是内阻，I(k)为第k个单位时间所测电流值，ν(k)为第k个单位时间的观测噪声；

安时积分公式为：

其中：为安时积分后第k个单位时间的电量值，A为状态转移矩阵，A＝1，为第k个单位时间电池估计电量值，B为安时积分参数，

4-2)计算开路电压：使用步骤4-1)得到的计算值得到开路电压的预测值

开路电压公式为：

其中：是在第k个单位时间的开路电压估计值，D为内阻分压参数D＝R₀；是安时积分后第k个单位时间开路电压；

4-3)计算预测协方差：使用前一次迭代循环的预测协方差计算本次迭代的计算协方差

计算协方差为：

其中：A^T为矩阵A的转置，Q为状态方程噪声统计方差,表示第k个单位时间的预测协方差值，表示第k个单位时间计算平均后的计算协方差值；

4-4)计算滤波增益：利用步骤4-3)计算的预测协方差得到卡尔曼增益K；

滤波增益矩阵为：

其中：K(k)为第k个单位时间的卡尔曼增益，C为观测矩阵，C^T为矩阵C的转置，R为观测方程噪声统计方差；

4-5)计算得到滤波结果：使用步骤4-2)得到的开路电压预测值步骤4-4)的卡尔曼增益K和所测量的到的电压值计算出扩展卡尔曼滤波结果，滤波结果就是算法得到的SOC值；

滤波结果为：

U_L(k)为第k个单位时间所测电压值，卡尔曼算法参考电压后预测下一步的电量值；

4-6)根据步骤4-4)得到的卡尔曼增益K和步骤4-3)得到的计算协方差计算得到下一个迭代循环的预测协方差本次迭代至此结束，扩展卡尔曼步骤进入下个循环；

更新预测协方差阵的公式为：

步骤五：充电完成后关闭流水灯，让显示的SOC值变为1；记录这次电池充电过程的数据，用于电池标准容量校正，提高下一次充电SOC估算精度。