[發明專利]基于二階差分粒子濾波的鋰電池SOC估計方法及系統

有效

• 申請號: 202011501757.0
• 申請日: 2020-12-18
• 公開（公告）號: CN112733411B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 何怡剛;陳媛;李忠;何鎏璐
• 申請（專利權）人: 武漢大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F17/16;G06F17/13;G01R31/367;G01R31/388;G06F119/10
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 張宇

1.一種基于二階差分粒子濾波的鋰電池SOC估計方法，其特征在于，包括：

(1)建立鋰電池二階RC電池模型；

(2)采用帶遺忘因子的最小二乘算法進行模型參數化；

(3)通過二階中心差分卡爾曼濾波法SCDKF產生重要性密度函數；

(4)根據重要性密度函數對粒子濾波算法進行改進得到二階差分粒子濾波算法SCDPF，采用SCDPF進行鋰電池的SOC估計；

步驟(3)包括：

通過Cholesky分解獲得四個平方根分解算子，分別為系統過程噪聲協方差矩陣、系統觀測噪聲協方差矩陣、系統預測協方差及系統估計協方差；

通過平方根分解算子求每個粒子的一階差分矩陣和二階差分矩陣；

由各粒子的一階差分矩陣和二階差分矩陣得到各粒子的一步預測值、預測狀態誤差均方矩陣的復合矩陣及預測均方誤差矩陣的復合矩陣；

使用QR分解將預測狀態誤差均方矩陣的復合矩陣得到的矩形矩陣轉換為預測狀態誤差均方矩陣的Cholesky因子-正方形矩陣，由預測狀態誤差均方矩陣的Cholesky因子-正方形矩陣更新預測誤差協方差矩陣；

將預測均方誤差矩陣的復合矩陣進行復合矩陣的QR分解求得預測均方誤差矩陣的Cholesky因子-正方形矩陣；

由預測狀態誤差均方矩陣的Cholesky因子-正方形矩陣及一階差分矩陣得到系統的互預測誤差均方矩陣，由系統的互預測誤差均方矩陣得到卡爾曼增益，由卡爾曼增益更新粒子狀態估計值；

使用QR分解得出估算誤差協方差矩陣的Cholesky因子，由估算誤差協方差矩陣的Cholesky因子更新協方差估計；

其中，由確定粒子x_k的狀態估計值由確定協方差估計其中，表示粒子x_k的一步預測值，K_k⁽ⁱ⁾表示卡爾曼增益，y(k)表示電池端電壓，表示預測的輸出電壓值，表示預測狀態誤差均方矩陣的復合矩陣，k表示時刻，i為粒子數；

步驟(4)包括：

利用與對粒子進行重要性采樣得到二階差分粒子濾波算法SCDPF；

由進行標準化重要性權重分配；

由進行狀態估計，其中，為k時刻每個粒子的觀測值，為k時刻粒子狀態估計值，為k時刻每個粒子的狀態值，N分別表示最大粒子數。

2.根據權利要求1所述的方法，其特征在于，步驟(1)包括：

離散化后的電池二階RC模型狀態方程為：

x_k+1＝A·x_k+B·I(k)，

其中，T為采樣時間間隔，k為采樣時刻，R_ac為歐姆內阻，R_ct為電荷轉移電阻，R_wb為擴散電阻，C_ct為電荷轉移電容，C_wb為擴散電容，U_ocv為電路開路電壓，U_ct為R_ctC_ct網絡的兩端電壓，U_wb為R_wbC_wb網絡的兩端電壓，U_t為模型輸出端電壓，I為當前電流，τ_ct為R_ctC_ct網絡的時間常數，τ_wb為R_wbC_wb網絡的時間常數，τ_ct＝R_ctC_ct，τ_wb＝R_wbC_wb，C為電池電容；

離散化后的預測電池端電壓為：

y(k+1)＝C·x_k+D·I(k)，

其中，y(k+1)為k+1時刻的預測電池端電壓。