[发明专利]基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法

摘要

本发明公布了一种基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法，该大容量电池系统为M×N型电池系统，即由M个电池单体经串联成电池串、再由N个电池串并联而成。所述方法如下：建立基于电池荷电状态的大容量电池系统等效电路模型，结合电池荷电状态含义建立电池系统空间状态方程，采用无迹卡尔曼滤波对电池系统进行荷电状态估计，并通过在线检测电池系统输出电压及电压估计值来更新无迹卡尔曼滤波的增益矩阵，以此循环递推来获取新的电池荷电状态估计值。本发明采用大容量电池系统荷电状态估计算法比扩展卡尔曼滤波算法更准确、鲁棒性更好，既可适用于电池系统，也适用电池单体。

主权项

本发明公布了一种基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法，其特征在于所述的大容量电池系统是由M个电池单体经串联成电池串、再由N个电池串并联而成，其中M、N均为大于1的自然数。所述方法包括以下步骤：根据已知锂离子电池单体性能参数，利用串、并联电路工作特性及筛选法确定电池系统性能参数与电池单体性能参数的关系，再结合基尔霍夫定律KVC确定电池系统输出端电压方程，建立电池系统等效模型(1)。将电池系统的荷电状态SOC及等效模型中2个RC并联电路的端电压作为状态变量，以电池系统的电流及输出电压分别作为系统输入量与输出量，结合电池系统等效电路模型，得电池系统空间状态方程(2)。将电池系统空间状态方程(2)中的电池系统SOC、2个RC并联电路的端电压作为无迹卡尔曼滤波算法UKF的状态变量；电池系统空间状态方程(2)的输入状态空间方程、输出电压状态空间方程分别作为UKF算法的非线性状态方程及测量方程；通过电压传感器测量电池系统端电压(4)的实际值与UKF算法获得的电池端电压估计值来更新增益矩阵(5)，最后由UKF算法经循环迭代，从而实时得到电池系统SOC的估计值。