[发明专利]一种锂电池荷电状态的估计方法

摘要

本发明公开了一种锂电池荷电状态的估计方法，步骤一、根据系统状态初值以及状态方程进行荷电状态估计；步骤二、计算测量值与估计值的残差，从而计算渐消因子；步骤三、计算时变渐消因子；步骤四、由实际情况下的残差变化、电流大小计算得到渐消因子调整值；步骤五、得到渐消因子新值，进而求得增益矩阵；步骤六、更新荷电估计状态；步骤七、通过自适应滤波算法估计测量噪声协方差矩阵。与现有技术相比，本发明通过强跟踪滤波器算法以及对其的改进，能够根据实际情况更新测量噪声和渐消因子，与传统卡尔曼滤波器算法相比，能够有效提高锂电池荷电状态的估计精度，增强算法的跟踪性和自适应性。

主权项

1.一种锂电池荷电状态的估计方法，通过建立锂电池数学模型，得到系统状态方程以及量测方程形如：X(k+1)=A·X(k)+B·U(k+1)+V(k+1)z(k+1)=H·X(k+1)+W(k+1)]]>其中，X(k+1)是系统在k+1时刻的状态，U(k+1)是k+1时刻对系统的控制函数，Z(k+1)是系统的观测变量，W(k+1)和V(k+1)分别表示过程和测量的噪声；A,B为系统参数，H为测量系统的参数，反映状态变量对测量变量的影响，其特征在于，该方法包括以下步骤：步骤一、根据系统状态初值以及状态方程进行荷电状态估计；X^(k+1|k)=A·X^(k|k)+B·U(k+1)]]>步骤二、计算测量值与估计值的残差，从而计算渐消因子；z^(k+1|k)=H·X^(k+1|k)]]>γ(k+1)=z(k+1)-z^(k+1|k)]]>其中，z(k+1)为系统测量值，为估计值，γ(k+1)为残差值；步骤三、计算时变渐消因子λ(k+1)；λ(K+1)=λ0λ0≥11λ0<1]]>λ0=tr[N(k+1)]tr[M(k+1)]]]>S0(k+1)=γ(1)γT(1)k=0ρS0(k)+γ(k+1)γT(k+1)1+ρk≥1]]>其中N(k+1)=S₀(k+1)-H·Q(k)·H^T-βR(k+1)M(k+1)＝H·A·P(k|k)·A^T·H^Tγ(k+1)为残差值，P(k|k)是对应状态X(k k)的协方差矩阵，Q(k)是系统的过程噪声参数，R(k+1)为系统的观测噪声协方差矩阵，ρ为遗忘因子，β≥1为弱化因子；步骤四、由实际情况下的残差变化、电流大小计算得到渐消因子调整值；渐消因子调整值由模糊控制算法得到，模糊控制规则如下：（1）残差差值较小，调整因子增大，残差差值较大，调整因子减小；（2）残差增大，调整因子增大；（3）电流增大，调整因子增大；其中，残差值为γ(k+1)，残差差值为γ(k+1)-γ(k)，由模糊控制算法得到的渐消因子调整值为Δλ；步骤五、得到渐消因子新值，进而求得增益矩阵；渐消因子的新值为λn(k+1)=λ(k+1)+ΔλP(k+1|k)=λn(k+1)·A·P(k|k)·A^T+Q(k)K(k+1)=P(k+1|k)·H^T·[H·P(k+1|k)·H^T+R(k+1)]^-1其中，P(k+1|k)为更新的协方差矩阵，K(k+1)为增益矩阵；步骤六、更新荷电估计状态；X^(k+1|k+1)=X^(k+1|k)+K(k+1)γ(k+1)]]>为系统状态更新值，为系统状态预测值；步骤七、通过自适应滤波算法估计测量噪声协方差矩阵；c1=H·P(k+1|k)·H^T+R(k+1)c=S2(k)/c1;R(k+2)=c·R(k+1)其中，S2(k)为实际噪声方差，c1为理论噪声方差，R(k+1)为原测量噪声协方差矩阵，R(k+2)为更新后的测量噪声协方差矩阵。