[发明专利]一种自适应扩展卡尔曼估计SOC算法

权利要求书

1.一种自适应扩展卡尔曼估计SOC算法，其特征在于，包括以下步骤：

S1、建立电池的等效电路模型，应用扩展卡尔曼算法建立状态空间方程和观测方程，估计短时极化端电压变量V_st、中时极化端电压变量V_mt、长时极化端电压变量V_lt与电池荷电状态SOC变量；

S2、在不同SOC与温度T匹配下，通过电池特性实验设定在电池充放电过程中等效电路模型的等效内阻、各极化电容与极化电阻；

S3、对电池SOC估计搭建传统扩展卡尔曼算法，通过将状态空间方程与观测方程应用到卡尔曼方程中，实现卡尔曼的预测与更新，实时估计每个采样周期下的SOC的值；

S4、记录电流I_bat与电压V_term的N个周期的历史数据，周期为Δt，利用安时积分与扩展卡尔曼计算出的SOC的值分别为SOC_AH与SOC_EKF，SOC_AH与SOC_EKF的实时SOC偏差表示为SOC_diff(i)＝SOC_AH(i)-SOC_EKF(i)，i∈(0，N)，再进行微分得出dSOC_dif(i)＝(SOC_dif(i)-SOC_diff(i-1))/Δt；给定扩展卡尔曼算法中的初始状态状态噪声协方差与状态观测噪声协方差，通过N周期内的dSOC_diff(i)，i∈(0，N)值的变化来自动调整状态噪声协方差Q与状态观测噪声协方差R；

步骤S4具体为：

S41、判断状态观测噪声协方差R；判断dSOC_diff(i)，i∈(0，N)能否在后N/K1周期内，其中K1为设定值，能否单调收敛至[-M1，M1]，考虑后N/K1周期是为了考虑状态初值较真实值偏差大时的情况，M1是认为扩展卡尔曼算法的估计值在合理范围内的边界值，假设当前第j次调整状态观测噪声协方差R，若不满足dSOC_diff单调收敛至[-M1，M1]，则令R_j+1＝ηR_j，η为状态观测噪声协方差R的调整系数，直至满足dSOC_diff在后N/K1周期内单调收敛至[-M1，M1]，此时的R_end为最终的状态观测噪声协方差R；

S42、判断状态噪声协方差Q的值；判断dSOC_diff(i)，i∈(0，N)能否在后N/K1周期内收敛至[-M2，M2]，其中M2＜M1/K2且K2＞5，K2大小可调；假设第jj次的Q_jj仍然无法在后N/K1周期内收敛至[-M2，M2]，令Q_jj+1＝λQ_jj，λ为状态噪声协方差Q的调整系数，直至满足dSOC_diff在后N/K1周期内收敛至[-M2，M2]，此时的Q_end为最终的状态噪声协方差Q。