[发明专利]储能系统的SOC估算方法及装置、设备及存储介质

权利要求书

1.一种储能系统的SOC估算方法，其特征在于，所述方法包括：

获取所述储能系统的恒流充电阶段、恒压充电阶段和放电阶段的电压数据、电流数据和温度数据；

基于所述电压数据、电流数据、温度数据以及所述储能系统在充放电时的滞回特性，确定恒流充电阶段的交互模型、恒压充电阶段的交互模型和放电阶段的交互模型；

分别对所述交互模型进行无迹卡尔曼滤波处理，确定各个所述交互模型的k时刻的第一状态向量估计值，所述状态向量估计值用于反映所述交互模型的SOC状态；

根据各个所述交互模型的第一状态向量估计值进行交互式多模型的SOC融合估算，确定k+1时刻所述储能系统的目标状态向量估计值，所述目标状态向量估计值用于反映所述储能系统的SOC状态。

2.根据权利要求1所述方法，其特征在于，所述分别对所述交互模型进行无迹卡尔曼滤波处理，确定各个所述交互模型的k时刻的第一状态向量估计值，包括：

利用自适应遗忘因子递推最小二乘法对所述交互模型进行参数辨识处理，确定各个所述交互模型的模型参数；

根据各个所述交互模型的模型参数，确定所述储能系统的状态方程；

利用所述状态方程分别对所述交互模型进行无迹卡尔曼滤波，确定各个所述交互模型的k时刻的第一状态向量估计值。

3.根据权利要求2所述方法，其特征在于，所述利用所述状态方程分别对所述交互模型进行无迹卡尔曼滤波，确定各个所述交互模型的k时刻的第一状态向量估计值，包括：

对于每个交互模型：

在k＝0时，利用所述状态方程进行无迹卡尔曼滤波的初始化处理，确定k＝0时所述交互模型的初始状态向量估计值；

令k＝k+1进入无迹卡尔曼滤波的迭代过程：

确定k-1时刻的第一数据样本集，所述数据样本集包括若干个k-1时刻的状态向量；

将第一数据样本集、k-1时刻的第二状态向量估计值以及第一协方差输入预设的状态更新模型，确定k时刻的第三状态向量估计值以及第三协方差；

利用k时刻的第三状态向量估计值以及第三协方差进行k时刻的数据重采样，确定第二数据样本集；

将所述第二数据样本集、第二状态向量估计值以及第三状态向量估计值输入预设的均值和协方差模型，确定k时刻的目标状态向量均值以及目标状态向量协方差；

根据目标状态向量均值、目标状态向量协方差以及第三状态向量估计值，确定所述交互模型的k时刻的第一状态向量估计值，令k＝k+1，并返回执行所述确定k-1时刻的第一数据样本集，所述数据样本集包括若干个k-1时刻的状态向量的步骤。

4.根据权利要求3所述方法，其特征在于，所述根据目标状态向量均值、目标状态向量协方差以及第三状态向量估计值，确定所述交互模型的k时刻的第一状态向量估计值，包括：

利用目标状态向量均值、目标状态向量协方差以及预设的增益矩阵算法，确定k时刻所述无迹卡尔曼滤波的增益矩阵；

利用所述增益矩阵以及第三状态向量估计值，确定所述交互模型的k时刻的第一状态向量估计值。

5.根据权利要求1-4中任一项所述方法，其特征在于，所述交互式多模型包括输入交互模型以及输出交互模型，则所述根据各个所述交互模型的第一状态向量估计值进行交互式多模型的SOC融合估算，确定k+1时刻所述储能系统的目标状态向量估计值，包括：

将各个所述交互模型的第一状态向量估计值输入所述输入交互模型进行输入交互，确定输入交互后的各个所述交互模型的k时刻第四状态向量估计值；

对所述第四状态向量估计值进行无迹卡尔曼滤波处理，确定k+1时刻各个所述交互模型的第五状态向量估计值、残差及残差协方差；

根据预设的模型概率算法、所述残差以及残差协方差，确定k+1时刻各个所述交互模型的模型概率；

将各个所述交互模型的模型概率以及第五状态向量估计值输入所述输出交互模型进行状态融合，确定k+1时刻所述储能系统的目标状态向量估计值。