[发明专利]一种基于特征曲线优化的锂电池荷电状态估算方法

权利要求书

1.一种基于特征曲线优化的锂电池荷电状态估算方法，其特征在于，包括以下步骤：

S01、使用锂电池充放电平台对锂电池进行离线充放电并利用电池管理系统BMS设备采集不同工况下锂电池实测电压、电流、温度数据；同时，每10％电池荷电状态SOC为一个采样点，利用通过混合脉冲功率性能测试法获取离散的OCV-SOC的特征曲线L₁，通过小电流放电法，以1％电池容量的小电流恒流放电获取连续的OCV-SOC的特征曲线L₂；

S02、基于差分进化DE方法，融合步骤S01中获取的特征曲线L₁和特征曲线L₂，以特征曲线L₂作为标准曲线，特征曲线L₁离散点作为标准点，通过对标准曲线在规定范围内进行移动，保证标准点与标准曲线上对应点之间的误差达到最小，输出得到优化后的连续OCV-SOC的特征曲线L₃；

S03、以特征曲线L₃为标准，结合含遗传因子的递推最小二乘算法FFRLS对二阶RC电池等效电路模型进行参数辨识，根据每一时刻的电池电压、电流、温度输入，输出得到二阶RC电池等效电路模型的参数辨识结果：特征曲线L₃的二阶RC电池等效电路模型参量欧姆电阻R₀以及二阶RC回路下的R₁、C₁与R₂、C₂；

S04：基于扩展卡尔曼EKF引入历史SOC估算结果误差的权重项因子建立W-EKF估算模型，联合步骤S03中的二阶RC电池等效电路模型，输入实时采集的不同工况下锂电池实测电压、电流和温度数据，精准估算当前时刻下的SOC值：

将步骤S03获得的所述当前系统估计参数输入到系统变量和状态协方差初始化完成的W-EKF估算模型中，对系统初始化变量进一步预测得到先验状态的估计结果，同时在状态协方差初始化的基础上进一步预测得到先验协方差的估计结果以及包含历史增益信息的增益矩阵序列K(p,k)，并结合当前系统状态得到的输出与实际输出的误差权重序列使用增益矩阵序列K(p,k)与误差权重序列的乘积对系统状态进行更新修正输出下一时刻的SOC精准估计结果，再利用W-EKF估算模型SOC的输出联合优化后的特征曲线L₃获取当前OCV值，再联合FFRLS对模型参数状态进行更新，以此达到完整的反馈更新闭环；

所述W-EKF估算模型的状态更新方程如式11：

其中，为经过观测误差修正后的估算输出，为根据先验状态的预估输出，

K(p,k)＝[K_k,K_k+1,....,K_k-j+1]，其中，j＝1,2....，m.m为引入的先前数据估算结果的数量，k-j+1表示k时刻下在序列长度为m的历史数据中第j项，K_k与式(10)中的K(k)对应，表示第k时刻的增益矩阵；

其中，为归一化后的权重，表示误差，表示k-j+1时刻观测值与预估值之间的误差，