[发明专利]一种多参数修正的动力电池SOC估计方法及估计系统

权利要求书

1.一种多参数修正的动力电池SOC估计方法，其特征在于，至少包括：

S1：对动力电池进行充放电测试；具体为：以采样间隔Δt为间隔对动力电池外特性进行采样，获取电池端电压Ut，电流I和温度T；

S2：基于测试获得的数据建立动力电池二阶等效电路模型，建立系统模型对应的离散方程；

S3：采用智能优化算法对动力电池等效电路模型参数进行辨识，获取系统模型对应的模型内参数；

S4：基于滤波算法对动力电池SOC进行估计；

S5：在S4进行过程中，按一定的间隔对模型参数进行修正，修正方法为：短时域内修正滤波器参数，长时域内修正动力电池容量。

2.根据权利要求1所述的多参数修正的动力电池SOC估计方法，其特征在于，所述离散方程为：

上式中：

R_o为所述动力电池的欧姆内阻；

R_p为所述动力电池的电化学极化电阻；

C_p为所述动力电池的电化学极化电容；

R_d为所述动力电池的浓差极化电阻；

C_d为所述动力电池的浓差极化电容；

U_L为所述动力电池的端电压；

I_L为所述动力电池的电流；

U_p为所述动力电池的电化学极化电压；

U_d为所述动力电池系统在k时刻的浓差极化电压；

所转化成的系统状态空间方程如下所示：

3.根据权利要求1所述的多参数修正的动力电池SOC估计方法，其特征在于，所述动力电池等效电路模型参数包括：动力电池电化学极化内阻、电化学极化电容、浓差极化电阻、浓差极化电容，以及欧姆内阻；将待辨识参数表示为下述向量形式：

X＝[R_o R_p C_p R_d C_d]^T。

4.根据权利要求1所述的多参数修正的动力电池SOC估计方法，其特征在于，在S3中使用的参数辨识算法，使用粒子群优化算法完成；下式为算法状态更新方程

v_k+1＝ω_iv_k+c₁rand₁[p_opt，k-x_k]+c₂rand₂[g_opt，k-x_k]

x_k+1＝x_k+v_k

式中：v是粒子群优化速度；x是当前优化解；ω_i是惯性权重；c₁和c₂是学习率因子；p_opt和g_opt是优化函数。

5.根据权利要求4所述的多参数修正的动力电池SOC估计方法，其特征在于，使用模型拟合的端电压曲线与实际的电压曲线之间的均方误差，参数辨识算法使用过程如下：

S3.1：初始化参数，指定算法内参数，给定待辨识向量初始参数，按高斯概率分布以初始参数为均值随机生成一定数量的粒子；

S3.2：对每个粒子，按当前辨识参数迭代拟合端电压曲线，与真实采样曲线比对计算方差作为优化函数；

S3.3：对所有粒子，计算其当前时刻的个体最优解与群体最优解；

S3.4：计算每个粒子的更新速度，计算更新后状态，作为下一时刻迭代的初值；

S3.5：重复进行S3.2-S3.4，直至拟合误差小于目标值或迭代次数达到上限。