[发明专利]一种基于多重速率强跟踪扩展的储能电池SOC估算方法

权利要求书

1.一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：包括以下步骤：

步骤1、确立等效电路模型，根据戴维南等效电路搭建了二阶RC电路模型；

步骤2、对动力电池进行不同充放电倍率的循环间歇充放电实验；

步骤3、建立磷酸铁锂电池动态模型，通过多重速率强跟踪卡尔曼滤波器法估算预测曲线和标准SOC的参考曲线。

2.根据权利要求1所述的一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：所述步骤1中，搭建的二阶RC电路模型，U_oc是电池的端电压，UL是电池的开路电压，R₀是电池的欧姆内阻，R₁,C₁是电化学极化电阻和电容，R₂,C₂是浓度极化电阻和电容，在电路中，R₀可以反应端子电压的突变特性，二阶RC并联网络可以反应端电压的梯度特性，U_oc可以反应电压和SOC之间的关系。

3.根据权利要求1所述的一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：所述步骤2中，脉冲式充放电测试实验包括以下步骤：

1)将磷酸铁锂电池充满至SOC＝1，静置8小时；

2)以0.3C放电倍率进行放电实验：放电15秒，静置5分钟，放电20分钟，静置1小时，以此流程为一个循环，直至电池SOC＝0，可以计算得出，每一个放电循环，磷酸铁锂电池都放出10％的SOC，在整个放电过程中，每秒的电池电压数据被精确采集以用于分析，

其中，在脉冲式充放电测试实验中，欧姆电阻0R的存在使得电池电压在放电开始和结束时瞬间跳变，

4.根据权利要求1所述的一种基于多重速率强跟踪扩展的储能电池SOC估算方法，其特征在于：所述步骤3中，建立磷酸铁锂电池动态模型需通过端电压响应表达式:

RC并联电路的电压的初始电压：

电池放电后静置时间，电池的脉冲放电电压响应为零输入电压响应，端电压响应表达式：

y＝a-be^-ct-de^-ft

计算出电池极化参数R₁，C₁，R₂，C₂。

设置电流和电压的采样周期：

mT_U＝T₀,nT_I＝T₀,n＝Nm

其中，T_I，T_U分别是电流采样周期和电压采样周期，T₀是系统帧周期，n,m,N都是整数。上述公式表示，电压采样周期是帧周期的m倍，电流采样周期是帧周期的n倍；

在一个电压采样周期内，电流采样了N次；

在第k次帧周期中[kT₀,(k+1)T₀)，电流和电压如下方式采样：

单体电池的电压在一个帧周期内采样m次：

kT₀+t₁,kT₀+t₂,……,kT₀+t_m

其中，0＝t₁<t₂<….<t_m<T₀并且t_m+1＝T₀，

单体电池的电流在一个帧的周期内采样n次：

在区间[kT₀,(k+1)T₀)中，i∈[1,m]，电流在该区间内采样N次：

kT₀+t_i¹,kT₀+t_i²,……,kT₀+t_i^N

其中，0<t_i¹<t_i²<….<t_i^N<t_i+1

然后确定输入变量和过程噪声，都可以认为是扩展向量，扩展矩阵如下：

电流系数和过程噪声的扩展矩阵如下：

定义提升的离散状态空间模型：

多重速率强跟踪扩展卡尔曼滤波器的算法的预测更新方程如下：

测量更新方程：

其中，P₀代表初始输入信号，代表输出信号，k＝1,2,…,N_t,Λ_k代表是多个衰落因子矩阵，是克罗内克积，N_t代表总时间步长，Q_k和R_k代表噪声的协方差矩阵，假定为不变。