[發(fā)明專(zhuān)利]一種自適應(yīng)擴(kuò)展卡爾曼估計(jì)SOC算法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010770346.5
• 申請(qǐng)日: 2020-08-04
• 公開(kāi)（公告）號(hào): CN111999654B
• 公開(kāi)（公告）日: 2023-05-12
• 發(fā)明（設(shè)計(jì)）人: 錢(qián)超;王翰超;王云;姜明軍;孫艷;劉歡;沈永柏;江梓賢
• 申請(qǐng)（專(zhuān)利權(quán)）人: 力高（山東）新能源技術(shù)股份有限公司
• 主分類(lèi)號(hào): G01R31/367
• 分類(lèi)號(hào): G01R31/367;H01M10/42
• 代理公司: 合肥和瑞知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 34118
• 代理人: 王挺

一種自適應(yīng)擴(kuò)展卡爾曼估計(jì)SOC算法，包括以下步驟：S1、建立電池的等效電路模型，應(yīng)用擴(kuò)展卡爾曼算法建立狀態(tài)空間方程和觀測(cè)方程，估計(jì)短時(shí)極化端電壓變量Vsubgt;st/subgt;、中時(shí)極化端電壓變量Vsubgt;mt/subgt;、長(zhǎng)時(shí)極化端電壓變量Vsubgt;lt/subgt;與電池荷電狀態(tài)SOC變量；S2、在不同SOC與溫度T匹配下，通過(guò)電池特性實(shí)驗(yàn)設(shè)定在電池充放電過(guò)程中等效電路模型的等效內(nèi)阻、各極化電容與極化電阻；S3、實(shí)現(xiàn)卡爾曼的預(yù)測(cè)與更新，實(shí)時(shí)估計(jì)每個(gè)采樣周期下的SOC的值；S4、通過(guò)N周期內(nèi)的dSOCsubgt;diff/subgt;(i),i∈(0,N)值的變化來(lái)自動(dòng)調(diào)整狀態(tài)噪聲協(xié)方差Q與狀態(tài)觀測(cè)噪聲方差R。該發(fā)明的優(yōu)點(diǎn)在于：不僅提高了算法的估計(jì)精度與算法調(diào)試時(shí)間，還可以通過(guò)定義自動(dòng)調(diào)整方法中的參數(shù)使擴(kuò)展卡爾曼的精度符合相應(yīng)的要求。

技術(shù)領(lǐng)域

本發(fā)明涉及動(dòng)力電池管理系統(tǒng)領(lǐng)域，尤其涉及一種自適應(yīng)擴(kuò)展卡爾曼估計(jì)SOC算法。

背景技術(shù)

電動(dòng)汽車(chē)動(dòng)力電池的荷電狀態(tài)(State?Of?Charge，SOC)可以用來(lái)刻畫(huà)電池當(dāng)前的狀態(tài)，對(duì)于車(chē)輛的運(yùn)行至關(guān)重要。電池管理系統(tǒng)(Battery?Management?System，BMS)中最關(guān)鍵的是對(duì)電池的SOC狀態(tài)進(jìn)行估計(jì)，SOC估計(jì)的精確度可以提高電動(dòng)汽車(chē)的續(xù)駛里程，也可以對(duì)電池的故障判斷提供有效的保障。SOC估計(jì)中主要有安時(shí)積分、卡爾曼濾波以及神經(jīng)網(wǎng)絡(luò)等。其中安時(shí)積分比較信賴(lài)于傳感器的精度與初始SOC，神經(jīng)網(wǎng)絡(luò)相對(duì)比較復(fù)雜，需要大量的學(xué)習(xí)數(shù)據(jù)，對(duì)硬件的要求比較高，卡爾曼濾波相對(duì)安時(shí)積分對(duì)電池的初始SOC不過(guò)于信賴(lài)且可以減弱傳感器的誤差，但卡爾曼濾波為了能更好的表征電池狀態(tài)，需要對(duì)各噪聲方差進(jìn)行反復(fù)的標(biāo)定才能使卡爾曼濾波效果較好。

發(fā)明內(nèi)容

為了實(shí)現(xiàn)在短期歷史數(shù)據(jù)內(nèi)自動(dòng)調(diào)整出卡爾曼算法的有效參數(shù)，提高算法的估計(jì)精度與算法調(diào)試時(shí)間，為此，本發(fā)明提供一種自適應(yīng)擴(kuò)展卡爾曼估計(jì)SOC算法。本發(fā)明采用以下技術(shù)方案：

一種自適應(yīng)擴(kuò)展卡爾曼估計(jì)SOC算法，包括以下步驟：

S1、建立電池的等效電路模型，應(yīng)用擴(kuò)展卡爾曼算法建立狀態(tài)空間方程和觀測(cè)方程，估計(jì)短時(shí)極化端電壓變量V_st、中時(shí)極化端電壓變量V_mt、長(zhǎng)時(shí)極化端電壓變量V_lt與電池荷電狀態(tài)SOC變量；

S2、在不同SOC與溫度T匹配下，通過(guò)電池特性實(shí)驗(yàn)設(shè)定在電池充放電過(guò)程中等效電路模型的等效內(nèi)阻、各極化電容與極化電阻；

S3、對(duì)電池SOC估計(jì)搭建傳統(tǒng)擴(kuò)展卡爾曼算法，通過(guò)將狀態(tài)空間方程與觀測(cè)方程應(yīng)用到卡爾曼方程中，實(shí)現(xiàn)卡爾曼的預(yù)測(cè)與更新，實(shí)時(shí)估計(jì)每個(gè)采樣周期下的SOC的值；

S4、記錄電流I_bat與電壓V_term的N個(gè)周期的歷史數(shù)據(jù)，周期為Δt，利用安時(shí)積分與擴(kuò)展卡爾曼計(jì)算出的SOC的值分別為SOC_AH與SOC_EKF，SOC_AH與SOC_EKF的實(shí)時(shí)SOC偏差表示為SOC_diff(i)＝SOC_AH(i)-SOC_EKF(i),i∈(0,N)，再進(jìn)行微分得出dSOC_diff(i)＝(SOC_diff(i)-SOC_diff(i-1))/Δt；給定擴(kuò)展卡爾曼算法中的初始狀態(tài)噪聲協(xié)方差矩陣Q₀與觀測(cè)噪聲方差R₀，通過(guò)N周期內(nèi)的dSOC_diff(i),i∈(0,N)值的變化來(lái)自動(dòng)調(diào)整狀態(tài)噪聲協(xié)方差Q與狀態(tài)觀測(cè)噪聲方差R。