[發明專利]基于平方根擴展卡爾曼濾波的鋰電池健康狀態預測方法

有效

• 申請號: 201910356765.1
• 申請日: 2019-04-29
• 公開（公告）號: CN110058160B
• 公開（公告）日: 2021-08-06
• 發明（設計）人: 張志禹;張鳳珠;馬文濤
• 申請（專利權）人: 西安理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392;G01R31/389
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 涂秀清

1.基于平方根擴展卡爾曼濾波的鋰電池健康狀態預測方法，其特征在于，具體操作過程包括如下步驟：

步驟1，建立鋰電池狀態參數的數學模型，得到鋰電池系統歐姆內阻的狀態方程和歐姆內阻的觀測方程；

U_c為鋰電池的端電壓；U_oc為電池開路電壓；R₀為鋰電池歐姆內阻；I為電池的工作電流；R_s、C_s分別為電池電化學極化內阻與極化電容，表征電池內部緩慢的電極反應，兩端的電壓為U_s；R_l、C_l分別為電池濃度極化電阻與極化電容，表征電池內部快速的電極反應，兩端的電壓為U_l；

令鋰電池系統狀態變量建立的鋰電池歐姆內阻的狀態方程x_k和歐姆內阻的觀測方程定義分別如式(1)和式(2)所示；

其中，τ_l＝R_lC_l，τ_s＝R_sC_s，I_k-1為鋰電池的充放電電流；U_c為鋰電池的充放電端電壓；w_k-1為狀態方程中加入的服從高斯分布的隨機噪聲，v_k-1為觀測方程中加入的服從高斯分布的隨機噪聲，表示狀態更新過程和測量過程中存在的誤差，隨機噪聲向量的分布假定為0均值的高斯分布，且假設噪聲有如下統計學特性：

p(w_k-1)～N(0,P),

p(v_k-1)～N(0,R),

其中，P為鋰電池狀態協方差的誤差正定對稱陣，R為鋰電池量測協方差的誤差正定對稱陣；

步驟2，辨識鋰電池模型離線參數，得到步驟4的平方根擴展卡爾曼濾波算法的初始值；

選擇待檢測的鋰電池在脈沖電流的情況下進行放電，選擇鋰電池剛開始放電的一段端電壓的變化，根據歐姆定律中電池歐姆電阻R₀＝ΔV/I，則電池放電內阻

在停歇階段，由于極化電容C_s和C_l的影響，電路電壓變化為零狀態響應，由公式通過曲線擬合得到參數U_oc、U_l、τ_l、U_s、τ_s；

放電過程中，施加脈沖電流后由于極化電容的作用電壓緩慢變化，由公式τ_l＝R_lC_l，τ_s＝R_sC_s辨識得出R_l，R_s，C_l和C_s；

步驟3，獲得SOC-U_oc的函數關系，將U_oc的輸出序列代入步驟1的觀測方程中，得到預測端電壓U_c的輸出序列；

步驟4，對擴展卡爾曼濾波算法進行改進得到平方根擴展卡爾曼濾波算法；

步驟5，將實驗測量得到的鋰電池電流序列輸入到步驟4所建立的平方根擴展卡爾曼濾波算法中不斷更新步驟1中建立的狀態方程和觀測方程，同時將實驗測量得到的鋰電池剩余容量序列輸入到步驟3中得到的預測端電壓U_c輸出序列和此時輸入的實驗測量得到的鋰電池端電壓序列不斷更新步驟4中的平方根擴展卡爾曼濾波算法中的鋰電池系統當前狀態的最優值x_k|k，根據所給的實驗測量序列值的數目使平方根擴展卡爾曼濾波算法不斷迭代得到歐姆內阻預測值序列R₀，即得到表征鋰電池健康狀態的狀態量。