[发明专利]一种部署于主控的赛车电池SOC估计方法、装置及介质

权利要求书

1.一种部署于主控的赛车电池SOC估计方法，其特征在于，包括以下步骤：

建立电池各SOC阶段一阶电路等效模型，并进行各SOC阶段电池参数辨识，获得SOC与电池参数的对应关系；

获取开路电压OCV与SOC的关系，得到OCV-SOC曲线及方程；

根据各SOC阶段电池模型参数，建立系统状态转移方程与观测方程；

在Simulink中构建扩展卡尔曼滤波算法，并进行算法仿真；

将仿真后的算法烧入车辆的主控进行滤波。

2.根据权利要求1所述的一种部署于主控的赛车电池SOC估计方法，其特征在于，所述建立系统状态转移方程与观测方程，包括：

设系统的状态转移方程与观测方程如下：

x_k＝T(x_k-1，u_k-1，w)

z_k＝h(x_k-1，v)

式中，k表示第k时刻，x_k表示k时刻系统状态量，x_k＝[SOC_k，U_p，k]^T，U_p，k为k时刻的极化电压；u_k表示k时刻控制量；w为过程噪声，v为测量噪声；f()为状态转移函数，h()为观测函数；

安时积分方程的表达式为：

式中，SOC_k与SOC_k-1分别为k时刻及k-1时刻的SOC值，C_b为电池容量，Δt为采样时间，I为放电电流；

结合安时积分方程、状态转移方程与观测方程：

式中，w_1k与w_2k为系统对应于SOC及U_p的噪声；V_k为观测噪声；R_P，k-1、C_P，k-1分别为k-1时刻电池的极化内阻与极化电容；R_o，k为k时刻电池对应的内阻；U_b，k为电池的电动势。

3.根据权利要求2所述的一种部署于主控的赛车电池SOC估计方法，其特征在于，所述在Simulink中构建扩展卡尔曼滤波算法，包括：

已知电池电动势U_b，k与SOC_k存在以下非线性对应关系：

U_b，k＝F(SOC_k)

将观测方程对先验状态值进行泰勒展开得：

将状态方程与观测方程写成如下形式：

式中，Q为过程噪声对应的协方差矩阵，R为测量噪声对应的协方差矩阵；

其中有：

u_k＝I，

D＝R_o，k

根据拓展卡尔曼滤波的预测及更新环节，其计算流程如下：

其中，与p_k-1是k-1时刻的状态后验状态值与后验协方差矩阵；与为k时刻的先验状态值与先验协方差矩阵；k_k为卡尔曼增益；y_k为电池端电压；

得到计算流程后，通过Simulink模块进行电池SOC估计算法的搭建。

4.根据权利要求3所述的一种部署于主控的赛车电池SOC估计方法，其特征在于，所述通过Simulink模块进行电池SOC估计算法的搭建，包括：

利用MatrixMultiply构建矩阵乘法计算，并将状态预测、状态更新、协方差预测及协方差更新封装成四个子系统；

考虑到卡尔曼滤波算法当前时刻的输入包含上一时刻算法输出，为闭环算法，因此采用Delay模块作为算法输出结果的寄存器，以存储系统上一时刻输出值，从而实现算法闭环；考虑到部署于主控后，算法运行频率与电流电压传感器采集频率不同，采用RateTransition模块进行传感器信号采集预处理，以保证输入信号频率与算法运行频率的一致。