[发明专利]一种多时间尺度双UKF自适应估算SOC和电池容量C的方法

摘要

本发明公开了一种多时间尺度双UKF自适应估算SOC和电池容量C的方法，先建立电池状态空间方程；利用多时间尺度双UKF自适应方法估算SOC和电池容量C；对用于宏UKF和微UKF的系统参数和状态变量以及系统噪声进行初始化；更新宏UKF的预测方程；选择合适的sigma点更新微UKF的预测方程，并更新系统的过程噪声；利用微UKF的校正方程，估计微Kalman滤波器的状态变量；当双时间尺度趋近时，将微Kalman滤波器的状态估计值传到宏Kalman滤波器中，作为测量值；对微Kalman滤波器的数据进行更新，宏Kalman滤波器的测量校正，更新电池参数。本发明能够提高BMS对动力电池SOC的估算精度及估算稳定性。

主权项

一种多时间尺度双UKF自适应估算SOC和电池容量C的方法，其特征在于，包括如下步骤：步骤一，建立电池状态空间方程；电池状态空间方程如式(1)所示：xk,l+1=F(xk,l,θk,uk,l)+wk,lYk,l=g(xk,uk)+vk,lwk,l~(0,Qk)vk,l~(0,Rk)---(1)]]>其中，xk,l为状态向量，uk,l为确定性的输入量，Yk,l为输出向量；非线性函数F(xk,l,θk,uk,l)和g(xk,uk)关于状态连续可微；wk,l和νk,l分别为系统的扰动噪声和观测噪声，两者均为高斯白噪声；Qk为系统扰动协方差矩阵，Rk为观测噪声协方差矩阵；步骤二，利用多时间尺度双UKF自适应方法估算SOC和电池容量C；(1)对用于宏UKF和微UKF的系统参数和状态变量以及系统噪声进行初始化；(2)更新宏UKF的预测方程；(3)选择合适的sigma点更新微UKF的预测方程，并更新系统的过程噪声wk‑1,l；(4)利用微UKF的校正方程，估计微Kalman滤波器的状态变量；(5)当双时间尺度趋近时，将微Kalman滤波器的状态估计值传到宏Kalman滤波器中，作为测量值；(6)对微Kalman滤波器的数据进行更新，以进行下一个循环；(7)宏Kalman滤波器的测量校正，更新电池参数。