[發明專利]基于擴展卡爾曼粒子濾波算法的動力電池SOC估計方法

有效

• 申請號: 201310361928.8
• 申請日: 2013-08-19
• 公開（公告）號: CN103472398A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 周曉鳳;趙又群;臧利國
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01R31/36
• 分類號: G01R31/36
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 許方

技術領域

本發明公開了基于擴展卡爾曼粒子濾波算法的動力電池SOC估計方法，屬于鋰電池的技術領域。?

背景技術

動力電池作為電動汽車的關鍵技術部件，其性能直接影響到整車性能的好壞。電池荷電狀態（State?of?Charge，SOC）是用來描述電池剩余電量的數量，進而反映電動汽車的續駛里程。動力電池荷電狀態估計是電池管理系統的重要功能，也是其發展急需解決的技術難點，實時準確的SOC估計對電池性能、使用壽命以及電動汽車的發展有重大意義。動力電池的高度非線性使得許多濾波方法難以得到準確的估計結果，因此，必須建立一個合適的電池模型，采用精確的估計濾波方法，這樣才能獲得更準確的結果。?

目前，電動汽車使用的動力電池SOC估計方法主要有安時計量法、開路電壓法、神經網絡法和卡爾曼濾波法等。安時計量法簡單易實現，但累計誤差大，對測量設備精度要求高；開路電壓法只適用于電池靜置足夠長時間后進行估計，不能實時估計；神經網絡能夠在線估計，但缺點是需要大量的訓練數據；卡爾曼濾波法將非線性系統線性化，但對非線性強度高的系統，容易導致濾波效果下降，甚至發散，粒子濾波算法存在粒子退化并且算法抖動等問題。?

發明內容

本發明所要解決的技術問題是針對上述背景技術的不足，提供了基于擴展卡爾曼粒子濾波算法的動力電池SOC估計方法。?

本發明為實現上述發明目的采用如下技術方案：?

基于擴展卡爾曼粒子濾波算法的動力電池SOC估計方法，、包括如下步驟：?

步驟1，建立電池電量數學模型，得到電池系統離散空間模型；?

步驟2，利用擴展卡爾曼粒子濾波算法預測動力電池SOC：?

步驟2-1，在初始采樣時刻，由初始概率分布隨機產生粒子集；?

步驟2-2，在當前采樣時刻內，由擴展卡爾曼濾波算法得到當前時刻每個粒子狀態量右側估計值以及協方差右側估計值；?

步驟2-3，計算當前時刻各粒子權重，歸一化當前時刻粒子權重，由歸一化的當前時刻粒子權重得到有效粒子數：?

當有效粒子數目小于粒子數目閾值時，返回步驟2-1；否則，輸出當前時刻電池荷電狀態更新值；?

步驟2-4，進入下一采樣時刻，重復步驟2-2至步驟2-3。?

所述基于擴展卡爾曼粒子濾波算法的動力電池SOC估計方法中，步驟2-2利用如下方法計算當前時刻每個粒子狀態量右側估計值以及協方差右側估計值：?

步驟A，擴展卡爾曼濾波器預測方程：?

狀態變量預測估計：xk,i-=f(xk-1,i+,uk-1),]]>

協方差誤差預測估計：Pk,i-=Ak-1Pk-1,i+Ak-1T+Σw;]]>