[發明專利]基于貝葉斯概率的動力電池多算法融合SOC估計方法

在審

• 申請號: 202210135245.X
• 申請日: 2022-02-14
• 公開（公告）號: CN114460471A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 湯愛華;龔鵬;李加潔;張志剛
• 申請（專利權）人: 重慶理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/388;G06F30/27
• 代理公司: 重慶博凱知識產權代理有限公司 50212
• 代理人: 黃河

1.基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于，包括以下步驟：

S1：基于對應的動力電池構建相應的等效電路模型，然后通過用于表征動力電池端電壓和SOC的關聯參數對等效電路模型對應的模型參數進行參數辨識；

S2：基于多種估計算法分別構建用于預測動力電池端電壓和SOC的多個觀測器；

S3：在動態應力測試工況下，基于等效電路模型采集動力電池的關聯參數；然后將動力電池的關聯參數分別輸入各個觀測器以輸出對應的端電壓預測值和SOC估計值；

S4：基于不同時刻下各個觀測器輸出的端電壓預測值與對應實測值之間的殘差，結合貝葉斯概率為各個觀測器輸出的SOC估計值分配對應的加權值；

S5：基于對應的加權值對各個觀測器輸出的SOC估計值進行加權累加，生成對應的融合SOC估計值。

2.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S1中，等效電路模型包括但不限于Rint模型、Thevenin模型和DP模型。

3.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S1中，等效電路模型為Thevenin模型，其電路方程如下：

式中：U_t表示動力電池的端電壓；U_D表示動力電池RC并聯環節的電壓降；U_oc表示動力電池的理想電壓源；R_i表示動力電池的歐姆內阻；R_D表示動力電池的極化電阻；C_D表示動力電池的極化電容；i_L表示動力電池流過的電流。

4.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S1中，用于表征動力電池端電壓和SOC的關聯參數包括但不限于動力電池的端電壓、充放電電流以及表面溫度數據。

5.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S1中，以采樣時間Δt為間隔采集動力電池的端電壓、充放電電流以及表面溫度數據，然后通過動力電池的端電壓、充放電電流以及表面溫度數據對等效電路模型對應的模型參數進行參數辨識。

6.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S1中，參數辨識的方法包括但不限于卡爾曼濾波、H∞卡爾曼濾波、遺傳算法、粒子群算法、遞推最小二乘算法和最小均方根算法。

7.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S2中，首先基于等效電路模型構建對應的狀態方程和測量方程，然后基于狀態方程和測量方程結合對應的估計算法構建用于預測動力電池端電壓和SOC的觀測器。

8.如權利要求1所述的基于貝葉斯概率的動力電池多算法融合SOC估計方法，其特征在于：步驟S2中，多種估計算法包括但不限于EKF算法、AEKF算法和H∞算法。