[發(fā)明專(zhuān)利]一種基于自適應(yīng)模糊卡爾曼濾波的鋰電池SOC估計(jì)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710735042.3
• 申請(qǐng)日: 2017-08-24
• 公開(kāi)（公告）號(hào): CN107290688B
• 公開(kāi)（公告）日: 2019-08-09
• 發(fā)明（設(shè)計(jì)）人: 劉征宇;黎盼春;湯偉;武銀行;王雪松
• 申請(qǐng)（專(zhuān)利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類(lèi)號(hào): G01R31/367
• 分類(lèi)號(hào): G01R31/367
• 代理公司: 安徽合肥華信知識(shí)產(chǎn)權(quán)代理有限公司 34112
• 代理人: 余成俊

本發(fā)明公開(kāi)了一種基于自適應(yīng)模糊卡爾曼濾波的鋰電池SOC估計(jì)方法，對(duì)于不同的鋰電池，確定卡爾曼濾波離散狀態(tài)空間模型后，利用自適應(yīng)模糊卡爾曼濾波的方法估計(jì)SOC,其中以鋰電池等效模型中的端電壓的殘差方差匹配度和殘差均值作為模糊控制系統(tǒng)的輸入，得到系統(tǒng)噪聲方差和量測(cè)噪聲方差的調(diào)整系數(shù)，從而對(duì)這兩個(gè)方差經(jīng)行調(diào)整。再把調(diào)整后的系統(tǒng)噪聲方差和量測(cè)噪聲方差代入到卡爾曼濾波算法中預(yù)估各時(shí)刻的SOC值。本發(fā)明可以精確的對(duì)動(dòng)力鋰電池荷點(diǎn)狀態(tài)SOC經(jīng)行估計(jì)，能解決現(xiàn)有估計(jì)方法存在的不能滿(mǎn)足在線估計(jì)，累計(jì)誤差大，發(fā)散，易受噪聲影響等問(wèn)題，估計(jì)精度高。

技術(shù)領(lǐng)域

本發(fā)明涉及鋰離子電池電荷預(yù)測(cè)技術(shù)領(lǐng)域，尤其涉及一種基于自適應(yīng)模糊卡爾曼濾波的鋰電池SOC估計(jì)方法。

背景技術(shù)

電動(dòng)汽車(chē)作為未來(lái)主要的交通工具，對(duì)其啟動(dòng)、加速、爬坡等性能及續(xù)航里程具有一定的要求。而這些性能很大程度上取決于動(dòng)力電池的性能。電池核電狀態(tài)(SOC)是反映電池能量狀態(tài)的重要參數(shù)。只有準(zhǔn)確的估算電池SOC才能有效的提高動(dòng)力汽車(chē)的利用率、優(yōu)化駕駛，延長(zhǎng)電池的使用壽命。而SOC是動(dòng)力電池中隱含的狀態(tài)量，難以直接測(cè)量和估算。影響SOC的因素主要有工作電壓、電流、溫度等，因而建立精確可靠的SOC估計(jì)方法才能獲得準(zhǔn)確的估計(jì)結(jié)果。

SOC的估計(jì)方法有很多種，有安時(shí)法、開(kāi)路電壓法、擴(kuò)展卡爾曼濾波法等。安時(shí)法是一種評(píng)估電池剩余容量的經(jīng)典方法，優(yōu)點(diǎn)是簡(jiǎn)單易用，但缺點(diǎn)是必須知道電池荷電狀態(tài)的初值。開(kāi)路電壓法是根據(jù)OCV-SOC曲線查表從而得到SOC的值。開(kāi)路電壓法雖然可以精確的估計(jì)SOC值，但是此方法不能實(shí)現(xiàn)實(shí)時(shí)在線估計(jì)。擴(kuò)展卡爾曼濾波法是一種高效率的遞歸濾波器，它能夠從一系列不完全包含噪聲的測(cè)量中，估計(jì)動(dòng)態(tài)系統(tǒng)的狀態(tài)。此方法的核心是由已建立的電池狀態(tài)方程，根據(jù)電池工作時(shí)采集的電壓值、電流值進(jìn)行狀態(tài)地推，得到SOC的實(shí)時(shí)估算值。然而，卡爾曼濾波需要預(yù)設(shè)噪聲初值信息，不合適的噪聲初值會(huì)是使估算結(jié)果不準(zhǔn)確甚至發(fā)散。

發(fā)明內(nèi)容

本發(fā)明目的就是為了彌補(bǔ)已有技術(shù)的缺陷，提供一種基于自適應(yīng)模糊卡爾曼濾波的鋰電池SOC估計(jì)方法。

本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

一種基于自適應(yīng)模糊卡爾曼濾波的鋰電池SOC估計(jì)方法，包括如下步驟：

(1)建立電池一階RC模型確定狀態(tài)方程和觀測(cè)方程，確定電池模型的卡爾曼濾波離散狀態(tài)空間模型及狀態(tài)變量和觀測(cè)變量；

(2)根據(jù)步驟(1)中確定的卡爾曼濾波離散狀態(tài)空間模型計(jì)算該模型的狀態(tài)估計(jì)更新值和噪聲協(xié)方差矩陣的估計(jì)值；

(3)以某一時(shí)刻的端電壓殘差均值和端電壓殘差匹配度為Sugeno型模糊推理系統(tǒng)的兩個(gè)輸入，輸出系統(tǒng)噪聲方差陣調(diào)整系數(shù)和量測(cè)噪聲方差陣調(diào)整系數(shù)；

(4)根據(jù)所得到的觀測(cè)量端電壓計(jì)算離散狀態(tài)空間模型的離散狀態(tài)協(xié)方差和卡爾曼增益矩陣，并提供狀態(tài)變量估計(jì)值和濾波信息，計(jì)算狀態(tài)變量的估計(jì)更新值；

(5)根據(jù)步驟(3)中的調(diào)整系數(shù)計(jì)算出當(dāng)前的系統(tǒng)噪聲和量測(cè)噪聲，并作為更新值進(jìn)行狀態(tài)誤差先驗(yàn)值和卡爾曼增益矩陣的計(jì)算，從而實(shí)現(xiàn)模糊控制輔助卡爾曼濾波的地推計(jì)算，SOC估計(jì)值由每一步遞推計(jì)算中的的狀態(tài)估計(jì)更新值得出。

所述步驟(1)中的電池一階RC模型為：

狀態(tài)方程：

觀測(cè)方程：V_k＝F(SOC_K)-R₀I_k-u_k+v_k (17)