[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

本發明公開的基于平方根擴展卡爾曼濾波的鋰電池健康狀態預測方法，首先建立鋰電池狀態參數的數學模型，得到歐姆內阻的狀態方程和歐姆內阻的觀測方程；其次，辨識鋰電池模型離線參數，得到SREKF的初始值；同時得到預測端電壓U_c的輸出序列；然后對EKF改進得到SREKF；最后將測量的鋰電池的電壓、電流和余量序列輸入到SREKF中不更新狀態方程和觀測方程，采用的預測端電壓U_c的輸出序列和測量端電壓序列更新SREKF的鋰電池系統當前狀態的最優值，根據實驗測量值的數目迭代SREKF得到歐姆內阻預測值序列，即鋰電池健康狀態的狀態量。本發明公開的方法解決了傳統的EKF估計鋰電池內阻時，存在估計誤差大，精度不高，魯棒性差的問題。

技術領域

本發明屬于電動汽車電池管理系統領域，具體涉及一種基于平方根擴展卡爾曼濾波的鋰電池健康狀態預測方法。

背景技術

鋰離子電池具有較高的放電平臺、循環使用壽命長、環保安全等優點，已成為電動汽車的重要動力來源。電池狀態估計不僅是管理的核心和基礎，而且為車輛能量管理提供數據依據，電池的內部狀態主要包括充電狀態(SOC)和健康狀態(SOH)。為了優化系統運行，準確估計系統的SOC和SOH是至關重要的。特別是對電池SOH的準確估計，可以充分合理的使用電池，避免電池突然故障帶來的不便，這對于電池管理具有重要的意義。一般來說，SOH實際上反映在電池內部一些參數(如歐姆內阻、容量等)的變化上。

目前，基于狀態空間模型的SOH預測方法已經發展起來，最主要是針對單塊鋰離子電池進行研究，鋰離子電池SOH的預測方法大致有基于特征的預測和數據驅動的預測兩種。特征的預測方法主要是利用傳統的卡爾曼濾波算法來估計了電池的歐姆內阻，它們存在估計誤差大，精度不高，魯棒性差等問題；數據驅動的預測方法是利用電池性能的測試數據，從數據中挖掘電池性能演變的規律用于壽命預測，但這些智能算法很大程度上依賴于大量的數據訓練集和實驗，存在泛化(通用)能力差的特點。

發明內容

本發明的目的是提供一種基于平方根擴展卡爾曼濾波的鋰電池健康狀態預測方法，解決了傳統的卡爾曼濾波算法(EKF)在估計鋰電池內阻時，存在估計誤差大，精度不高，魯棒性差的問題。

本發明所采用的技術方案是，基于平方根擴展卡爾曼濾波的鋰電池健康狀態預測方法，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；

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；

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的鋰電池觀測方程中，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，同時通過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。

本發明的其他特點還在于，

步驟1的具體過程如下：