[發明專利]基于改進自適應雙無跡卡爾曼濾波器的鋰離子動力電池SoC估計方法

有效

• 申請號: 201910559652.1
• 申請日: 2019-06-26
• 公開（公告）號: CN110398691B
• 公開（公告）日: 2020-07-21
• 發明（設計）人: 余傳祥;謝延敏;桑曌宇;楊詩雅;劉和平;黃鵬;黃遠勝;董治平;游逍遙;楊生博
• 申請（專利權）人: 重慶大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/3842
• 代理公司: 重慶縉云專利代理事務所(特殊普通合伙) 50237
• 代理人: 王翔

本發明公開了基于改進自適應雙無跡卡爾曼濾波器的鋰離子動力電池SoC估計方法，主要步驟為：1)建立鋰離子動力電池基于等效電路模型的狀態濾波器和參數濾波器。2)耦合鋰離子動力電池基于等效電路模型的狀態濾波器和參數濾波器，建立雙無跡卡爾曼濾波器。3)將待檢測鋰離子動力電池的運行參數輸入到雙無跡卡爾曼濾波器中，進行鋰離子動力電池等效電路模型的參數校正和荷電狀態SoC估計。本發明保證了cholesky分解的有效性，克服了由于初值誤差、噪聲擾動、計算模塊浮點誤差等原因造成的協方差矩陣非正定從而導致迭代停止的問題，增強了濾波過程的數值穩定性和算法的魯棒性。

技術領域

本發明涉及荷電狀態預測領域，具體是基于改進自適應雙無跡卡爾曼濾波器的鋰離子動力電池SoC估計方法。

背景技術

電動車輛動力電池的荷電狀態(SoC，State-Of-Charge)是動力電池運行狀態的重要參數，同時也是電池管理系統(BMS，Battery-Management-System)中對動力電池進行相關控制的基本參數。SoC的估計精度將直接影響BMS的控制效果。

現有的SoC估計方法中基于等效電路模型的估計方法下，卡爾曼濾波濾波算法以其跟蹤特性和實時性被廣泛運用于微控制器中。由于基于等效電路模型所建立的狀態方程和觀測方程的非線性特點，傳統卡爾曼濾波器不再適用，其一階近似形式，擴展卡爾曼濾波器(EKF，Extended-Kalman-Filter)被廣泛運用至SoC的估計應用中。然而由于其僅僅對非線性觀測方程取一階泰勒展開，因此精度方面受到很大的限制。無跡卡爾曼濾波器(UKF，Unscent-Kalman-Filter)利用UT變換，對迭代狀態量作點集采樣，這樣的方法能夠至少達到二階精度，在高斯噪聲的前提下能達到三階精度，因此改善了EKF下SoC的估計精度不足的問題。

噪聲自適應算法基于Sega-Husa的理論，對UKF算法進行噪聲自適應迭代，補償了原算法中噪聲固定所帶來的估計誤差，形成了自適應無跡卡爾曼濾波器(AUKF，Adaptive-UKF)。

雙濾波器理論是將兩個濾波器耦合在一起，其中一個進行模型的狀態估計，另一個進行對模型的參數估計，其優點在于能夠在狀態估計的同時進行對模型參數的修正辨識，提高模型精度，從而進一步提高狀態量的估計精度。雙無跡卡爾曼濾波算法(DUKF，Dual-UKF)是基于這種理論被提出的。

傳統的UKF算法在迭代過程中要求對協方差矩陣進行cholesky分解，這要求協方差矩陣必須保證正定性，然而在實際情況中由于初值誤差、噪聲擾動、計算模塊浮點誤差等原因很容易造成協方差矩陣非正定從而導致迭代停止。為了解決這一問題，平方根無跡卡爾曼濾波算法(SRUKF，Squre-Root-UKF)被提出可以使用協方差矩陣的cholesky分解因子(即協方差矩陣的平方根)代替協方差矩陣進行迭代，提高數值穩定性并保證迭代矩陣的正定性。然而，在SRUKF算法中會出現對cholesky因子進行cholesky一階更新的步驟，其過程仍需要作cholesky分解，因此矩陣非正定性導致迭代停止的問題依然會存在，這對于算法在實際微控制器中的應用而言是一個致命的缺陷。

傳統的DUKF算法中，模型參數估計濾波器由于參數向量一般在五維以上，因此在UT變換時至少需要采集13個點，形成的采樣矩陣規模至少可達到6×13。不僅如此，每次進行的協方差矩陣的更新、迭代很大程度上增加了運算量，這對微控制器的計算能力提出了很高的要求，有時可能會使算法因計算速度不足而受到效果上的影響。

發明內容

本發明的目的是解決現有技術中存在的問題。

為實現本發明目的而采用的技術方案是這樣的，基于改進自適應雙無跡卡爾曼濾波器的鋰離子動力電池SoC估計方法，主要包括以下步驟：

1)獲取待檢測鋰離子動力電池型號和運行參數，并建立鋰離子動力電池等效電路模型。