[發明專利]一種基于卡爾曼濾波法的SOC的估算方法

在審

• 申請號: 201910144138.1
• 申請日: 2019-02-27
• 公開（公告）號: CN109669134A
• 公開（公告）日: 2019-04-23
• 發明（設計）人: 王慧樂;曹明陽;介婧;戴世請;保昉
• 申請（專利權）人: 浙江科技學院
• 主分類號: G01R31/367
• 分類號: G01R31/367
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔;王慧穎

1.一種基于卡爾曼濾波法的SOC的估算方法，其特征在于，所述的估算方法包括以下步驟：

步驟一、動力電池模型的建立；

1.1、確立等效電路模型；

1.2、基于實驗數據搭建精確鋰動力電池模型；

步驟二、動力電池SOC估計；

步驟三、EKF算法估計SOC結果及誤差分析。

2.根據權利要求1所述的一種基于卡爾曼濾波法的SOC的估算方法，其特征在于，所述的步驟一具體為：

1.1、確立等效電路模型：對動力電池進行不同充放電倍率的循環間歇充放電實驗，根據電壓回彈曲線搭建了二階RC電路模型，并建立模型方程；根據脈沖實驗得到SOC-OCV關系圖，即估計的初始值；

1.2、基于實驗數據搭建精確鋰動力電池模型：根據等效電路模型和時域的數學方程，在simulink中的simscape物理建模界面搭建基于實驗數據的精確鋰動力電池二階模型。

3.根據權利要求1所述的一種基于卡爾曼濾波法的SOC的估算方法，其特征在于，所述的步驟二具體為：

2.1、利用電路原理，對模型參數進行辨識，得出分段離線數據，應用改進卡爾曼濾波算法及最小二乘算法聯合對SOC估計思路，搭建電池組SOC在線估計系統；

2.2、通過設計HPPC脈沖放電實驗得到電池在不同溫度下的放電數據，通過在Matlab中的優化工具箱Design Optimization和cuvefitting tool擬合工具箱對脈沖放電數據進行去噪處理，擬合，從而對二階電路模型的參數進行離線辨識，并在Simulink建立基于充放電數據的鋰離子動力電池模型，將放電端電壓仿真曲線與實際采集電壓曲線進行對比，驗證模型的精度；

2.3、分析溫度對不同的模型參數的影響，最終，證明了模型可以正確反映動力電池的充放電外特性，用于SOC的精確估計。

4.根據權利要求3所述的一種基于卡爾曼濾波法的SOC的估算方法，其特征在于，對于線性時變系統，利用卡爾曼增益來修正狀態估計值，具體推導過程如下：

首先，引入一個離散控制系統；該系統的狀態方程為：

X_k+1＝A_kX_k+B_ku_k+w_k (1)

式(1)中，X_k為系統處于k時刻的n維狀態向量，u_k作為系統k時刻的控制輸入向量，A為系統狀態轉移矩陣，B為系統輸入控制矩陣，w_k過程噪聲；

y_k＝C_kX_k+D_k+v_k (2)

式(2)中，y_k為系統k時刻的觀測向量，C_k為系統的觀測矩陣，v_k觀測噪聲；

假定系統當前處于k時刻，根據系統的狀態空間表達式，系統從上一時刻k-1轉移到k時刻的狀態可由k-1時刻預測：

式(3)中，是系統處于上一時刻狀態預測的估計值，是k-1時刻系統的狀態估計值，u_k-1為k-1時刻系統的輸入量。

如果用P表示的協方差，依據系統轉移理論則有

式(4)中，是與對應的協方差，是與對應的協方差，是時刻系統過程的協方差，公式(3)和(4)即為卡爾曼濾波估計器對系統的z狀態預測和協方差更新。

利用卡爾曼增益對k時刻系統狀態的估計值進行修正，修正方程如下：

式中Kg即為卡爾曼增益：

經過以上推導過程便可輸出k時刻系統狀態的最優估計值為了使算法不斷地循環和迭代下去，收斂于觀測值則需要對k時刻系統狀態的協方差也進行更新：

其中I為單位矩陣，當系統由k時刻轉移到時刻，P即為公式(4)中的基于此轉移算法過程，卡爾曼濾波估計就可以從最初狀態到最后時刻狀態自回歸的進行下去。