[发明专利]一种锂电池荷电状态的三层滤波估算方法

摘要

本发明属于锂电池荷电状态预测技术领域，涉及一种锂电池荷电状态的三层滤波估算方法，利用标准卡尔曼滤波器、无迹卡尔曼滤波和SIR粒子滤波优点，通过耦合卡尔曼滤波器和无迹卡尔曼滤波器初步获取估计的SOC和极化效应，最后将基于安时、基于OCV和基于模型的估计通过应用SIR粒子滤波器进行矫正；该方法响应速度较快，在有电流测量噪声的情况下，能够有效的提高SOC估计精度，增强算法的跟踪性。

主权项

1.一种锂电池荷电状态的三层滤波估算方法，其特征在于对锂电池荷电状态的三层滤波估算的具体过程为：(1)构建双极化模型：根据等效电路模型，锂电池的电压为：其中U是测量电压，U_OCV是开路电压，U_r＝I_kr_k是由主电路上的阻抗引起的电压降，U_C1和U_C2是由RC电路引起的电压降，I_k、r_k分别为k时刻主电路上的电流、电阻值，k是测量的时间或迭代次数，两个电阻电容电路的微分方程为：其中，U_C1,k+1、U_C2,k+1是k+1时刻U_C1、U_C2的值；U_C1,k、U_C2,k是k时刻U_C1、U_C2的值；R₁,C₁,R₂,C₂是两条电阻电容支路的电阻、电容值；△t是k时刻与k+1时刻的时间间隔；对于不同类型电池的SOC和OCV之间存在的映射关系，采用脉冲充电/放电获得SOC‑OCV曲线，拟合得出OCV＝f(SOC)，则双极化模型的电压公式为：(2)构建标准卡尔曼滤波器和无迹卡尔曼滤波器：基于线性高斯状态空间模型，主电路电阻r由标准卡尔曼滤波器控制，极化效应由RC电路和无迹卡尔曼滤波器估算，构建的标准卡尔曼滤波器如下：卡尔曼系统状态方程及观测器方程为：其中，X_n是n时刻的状态值；y_n是n时刻的观测值；U_C1,n,U_C2,n是两条RC支路的控制输入量；r_n是n时刻主电路电阻值；Voltage_n是n时刻的实际电压；U_OCV,n是n时刻的开路电压；系统状态转移方程中的参数其中，是在时刻n状态的预测估计值；在时刻n状态的滤波估计值；U_n‑1是n‑1时刻的测量电压；A_n是从n到n+1时刻的可逆转移矩阵；B_n是控制输入与状态相关的驱动矩阵；R_1,n,C_1,n,R_2,n,C_2,n是n时刻两条电阻电容支路的阻抗值；两个RC电路的时间常数固定为τ₁＝R_1,nC_1,n＝0.02，τ₂＝R_1,nC_2,n＝1，这两个常数由较小和较大的值组成，以确保能模拟短期和长期的极化效应；系统控制输入u_n‑1、测量矩阵H及测量预测值为其中u_n‑1是n‑1控制输入量；I_n‑1是n‑1时刻的主电路电流值；H是测量矩阵；测量预测值；是n时刻的测量预测值；此外，U_C1,n U_C2,n不由KF而改变，系统状态更新方程为：其中是在n时刻的滤波估计值；是在n时刻的预测估计值；K_n是n时刻的卡尔曼增益；H_n‑1是n‑1时刻的测量矩阵；y_n是n时刻的观测值；无迹卡尔曼滤波器用来估计极化效应和锂电池的SOC，极化效应主要取决于RC电路中电阻值，用无迹卡尔曼滤波器来估计两个RC电路的R₁和R₂，无迹卡尔曼滤波器的系统状态方程及观测器方程为：其中X_n是n时刻的状态是n时刻的SOC估算值；R_1,n，R_2,n是两条电阻电容支路的阻抗值；Voltage_n是n时刻的实际电压值；U_C1,n,U_C2,n是两条RC支路的控制输入量；U_r,n是n时刻的主电路阻抗电压值；控制系统输入和测量功能函数如下：其中u_n‑1是n‑1控制输入量；I_n‑1是n‑1时刻的主电路电流值；是观测器n时刻的预测估计值；U_C1,n,U_C2,n是两条RC支路的控制输入量；τ₁,τ₂是两条阻抗支路的时间常数；R_1,n，R_2,n是两条电阻电容支路的电阻值；△t是k时刻与k+1时刻的时间间隔；系统状态转换方程中的参数为A＝I，其中Capacity是电池的额定容量，该容量保持不变；(3)在抽样过程中，根据重要性从系统状态中选择粒子和对应的权值，样本被重新采样，利用权重作为离散概率分布函数；耦合卡尔曼滤波器的SOC估计结果和安时计数器认为是可能性分布，使用由耦合卡尔曼滤波器和电路模型估计的SOC，估计的电池电压为可能性分布函数，与安时计数器的可能性分布函数一起，测量电压与可能性分布函数之间的差异决定了样本的权重，具体过程为:第一步，利用和P_n|n构建重要性分布式：由于SOC的方差决定了粒子的分散性，因此需要更多的粒子才能达到稳定的估计，考虑到计算量，引入一个系数k来缩小下式中的协变量，权衡精度和计算速度，将k设置为0.6：其中是n时刻归一化的SOC权重；是n时的SOC滤波估计值；P_n|n是n时刻状态估计的方差；第二步，采用安时法对下式中每个粒子采集(n‑1)次获取另一SOC估计值：从而获得一系列PDF并且在下式中计算每个PDF下的可能性：第三步，根据SOC‑OCV曲线和电路模型，每个粒子的估计电压和不同PDF中实际电压Voltage_n的可能性如下所示：第四步，根据第二步每个PDF下的可能性和第三步中不同PDF中实际电压Voltage_n的可能性p(Voltage_n)结合求出权重：第五步，进行重采样算法；第六步，根据求出的权重和SOC估计值实现滤波器的输出：