[发明专利]一种基于极大似然准则的锂离子电池能量状态估算方法

权利要求书

1.一种基于极大似然准则的锂离子电池能量状态估算方法，其特征在于，所述锂离子电池应用于双极化DP电路模型中，所述DP电路模型还包括与所述锂离子电池的负极连接的第一电阻、与所述锂离子电池的正极连接的第一RC电路以及与所述第一RC电路串联的第二RC电路，所述第一RC电路包括并联连接的第二电阻和第一电容，所述第二RC电路包括并联连接的第三电阻和第二电容；所述方法包括：

获得所述锂离子电池的开路电压Uocv和所述锂离子电池的电池能量状态SOE的关系；

离线辨识所述DP电路模型的特性参数，所述特性参数包括所述第一电阻的阻值R0、所述第二电阻的极化电阻Rp1、所述第一电容的极化电容Cp1、所述第三电阻的极化电阻Rp2和所述第二电容的极化电容Cp2；

建立所述DP电路模型的数学方程；

将所述DP电路模型的数学方程离散化处理；

根据所述锂离子电池的开路电压Uocv和所述锂离子电池的电池能量状态SOE的关系以及离散化处理后的DP电路模型的数学方程，选取所述第一RC电路的极化电压U1、所述第二RC电路的极化电压U2以及所述SOE作为状态变量，选取所述第二RC电路远离所述第一RC电路一端至所述第一电阻远离所述锂离子电池的负极的一端的电池端电压UL作为观察变量，建立状态方程和观测方程；

根据所述状态方程、所述观测方程以及基于极大似然准则的自适应卡尔曼滤波算法，对所述SOE进行估算；

所述根据所述状态方程、所述观测方程以及基于极大似然准则的自适应卡尔曼滤波EKF算法，对所述SOE进行估算，包括：

S1、将所述状态方程和所述观测方程代入所述EKF算法得到系统矩阵，所述系统矩阵包括状态估计矩阵、状态转移矩阵、控制矩阵和测量矩阵；

S2、设置移动平均窗口M以及所述SOE的初始值SOE(0)、所述U1的初始值U1(0)、所述U2的初始值U2(0)、状态误差协方差矩阵的初始矩阵P(0)、过程噪声协方差矩阵的初始矩阵Q(0)和测量噪声协方差矩阵的初始矩阵R(0)；

S3、进行状态估计矩阵、误差协方差矩阵、测量矩阵和残差的时间更新，其中，所述状态估计矩阵为：所述误差协方差矩阵为：所述测量矩阵为：所述残差为：为利用k-1时刻的状态估计矩阵估计的k时刻的最优状态估计矩阵、为利用k-1时刻的状态转移矩阵估计的k时刻的状态转移矩阵、为k-1时刻的最优估计值、U_k-1为k-1时刻的控制矩阵、P_k/k-1为利用k-1时刻的协方差矩阵估计的k时刻的最优协方差矩阵、P_k-1为k-1时刻的协方差矩阵、为的转置、Q_k-1为k-1时刻的预测过程噪声的协方差矩阵、为利用k-1时刻的测量矩阵估计的k时刻的最优测量矩阵、s_k为k时刻的残差、z_k为k时刻的测量矩阵、为k时刻的测量矩阵的最优估计值；

S4、计算卡尔曼增益，所述卡尔曼增益为：K_k为k时刻的卡尔曼增益、为H_k的转置矩阵、H_k为k时刻的转换矩阵、R_k为k时刻的测量噪声协方差矩阵；

S5、更新得到当前时刻k的状态变量的最优估计值和协方差矩阵P_k，并将当前时刻k得到的最优估计值和协方差矩阵P_k作为下一时刻的初始值，其中，P_k＝(I-K_kH_k)P_k/k-1，为利用k-1时刻的测量矩阵估计的k时刻的最优测量矩阵、I为所述DP电路模型的电流；

S6、判断估算的步长是否小于移动平均窗口M，若所述估算的步长小于所述移动平均窗口M，则新息协方差的最优估计值对过去的所有时刻取新息的平均值，若所述估算的步长大于所述移动平均窗口M，则通过下述公式更新i为估算的步长的序号，K为正整数、s_i为残差、s_i^T为s_i的转置；

S7、更新过程噪声协方差Q和测量噪声协方差R；其中，为k时刻的过程噪声协方差的最优估计值，为k时刻的新息协方差的最优估计值，K_k^T为K_k的转置矩阵，为k时刻的测量噪声协方差的最优估计值，P_k为k时刻的协方差矩阵；

循环步骤S3至S7，估算出所述锂离子电池在预设时段内的SOE；

所述移动平均窗口M为10；和/或，

SOE(0)＝0.8，U1(0)＝0，U2(0)＝0，P(0)为单位矩阵以及Q(0)和R(0)为零矩阵。