[发明专利]一种基于改进CKF的锂电池SOC和SOE联合估算方法有效
申请号: | 201911000832.2 | 申请日: | 2019-10-21 |
公开(公告)号: | CN110824363B | 公开(公告)日: | 2022-01-11 |
发明(设计)人: | 李国春;王恩龙 | 申请(专利权)人: | 江苏大学 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/385;G01R31/388;G06F17/11 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 改进 ckf 锂电池 soc soe 联合 估算 方法 | ||
1.一种基于改进CKF的锂电池SOC和SOE联合估算方法,其特征在于,包括如下步骤:
步骤1,建立戴维南锂电池等效电路模型,计算得出电池的状态方程和测量方程;
步骤2,先测得锂离子电池的动态应力测试工况数据,利用最小二乘法对动态应力测试工况数据辨识获得模型参数,
步骤3,设计锂离子电池脉冲放电实验,获得开路电压与剩余容量关系曲线,通过开路电压与剩余容量关系曲线获得某时刻下SOC对应的开路电压Uoc;
步骤4,基于步骤1获得的电池离散化的状态方程和测量方程建立改进的容积卡尔曼滤波观测器;将模型参数、开路电压Uoc与剩余容量关系曲线输入观测器,经过观测器循环求解联合估算出SOC,再基于SOC的SOE估算策略求出SOE;改进容积卡尔曼滤波估计SOC具体过程为:
S1,算法初始化,
S2,进行时间更新,具体过程为:
S2.1计算容积点ξj,k(j=1,2,...,m),即:Pk=Sk·SkT,其中,m=2nx,nx为状态量的维数,Pk为估计方差,Sk为下三角矩阵,为状态变量,xj为参数;
S2.2,设定循环次数阈值k,将当前循环次数与k比较,若当前循环次数k,则转步骤S2.3,否则结束循环;
S2.3,计算传播容积点ξj,k+1|k:ξj,k+1|k=f(ξj,k);其中,f(ξj,k)是非线性状态传递函数;
S2.3,根据传播容积点ξj,k+1|k计算状态量预测值其中,ωj为每个容积点对应的权值,ξj,k|k-1为容积点集;
S2.4,计算预测误差方差阵的平方根:Sk|k-1=Tria([ξk|k-1SQ]),
其中,SQ为过程噪声方差的平方根,W为权值系数,
S3,测量更新的过程为:
S3.1,计算容积点ξ j,k+1 (j=1,2,...,m),即:
Pk+1=Sk+1·Sk+1T
S3.2,设定循环次数阈值k,将当前循环次数与k比较,若当前循环次数k,则转步骤S3.3,否则结束循环;
S3.3,计算传播容积点;具体过程为:ξj,k+1|k=f(ξj,k+1);
S3.4,计算测量预测值,具体过程为:其中,ωj为权值系数,h(ξj,k|k+1)为非线性测量函数;
S3.5,计算测量误差协方差和互协方差,具体过程为:
Szz,k|k+1=Tria([εk|k+SR])
其中,Szz,k|k+1为观测方程协方差矩阵,ξ为容积点,SR为测量噪声方差的平方根;
S3.6,计算卡尔曼增益;具体过程为:其中,为观测方程协方差矩阵的转置;
S3.7,由测量预测值和卡尔曼增益计算状态量估计值,具体过程为:其中,zk为电池端电压;为状态量预测值;
S3.8,根据状态量估计值和卡尔曼增益对状态协方差矩阵进行更新,此时循环次数与k+1;具体过程为:
S4,输出为状态变量其中包括SOC;
基于最终获得的SOC进而对SOE进行估算,具体过程如下:
S5.1,由定义易得:SOE离散方程为:
其中,SOE(k+1)为k+1时刻的SOE值;η为充放电效率;EN为电池额定能量,Δt为采样时间,I(k)为电流,V(k)为端电压;
结合SOC的定义式可得:
其中,VN为额定电压,V(k)为实时端电压。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911000832.2/1.html,转载请声明来源钻瓜专利网。