申请/专利权人：河北工业大学

申请日：2022-07-22

公开（公告）日：2022-10-18

公开（公告）号：CN115201690A

主分类号：G01R31/367

分类号：G01R31/367;G01R31/387

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.01.10#实质审查的生效;2022.10.18#公开

摘要：本发明公开了一种基于阻容参数滤波和AUKF的锂电池SOC估计方法，该方法是基于阻容参数向量的辨识方法，该方法与UKF结合构建阻容参数向量的自适应无迹卡尔曼滤波adaptiveunscentedKalmanfilter，AUKF算法，基于增益迭代，增加系统闭环控制，实现锂电池SOC快速估计，进行混合功率脉冲特性hybridpulsepowercharacteristic，HPPC实验，建立电池等效模型；进行间歇恒流放电实验、动应力测试dynamicstresstest，DST实验和老化情况下电池SOC估计实验。本发明的有益效果是，能够有效的提高AUKF算法的适用性、收敛性及鲁棒性。

主权项：1.一种基于阻容参数滤波和AUKF的锂电池SOC估计方法，其特征在于，该方法包括如下步骤：步骤一，构建二阶RC的锂电池等效电路模型来描述锂电池充放电特性，其中，Uoc为电池开路电压，I为电池充放电电流，RL、CL分别为电化学极化电阻和极化电容，RS、CS分别为浓差极化电阻和极化电容，U为电池端电压，Ro为电池等效内阻，设置[SOCULUS]T为锂电池性能的状态变量，构建离散状态空间方程： U＝UocSOC-US-UL-RoIk2式中：US和UL分别为RS和RL端电压，τs和τl分别为时间常数RSCS和RLCL，Qc为电池容量，Δt为采样间隔，k为离散时间；步骤二，辨识二阶RC的锂电池等效电路模型中未知的RC参数Ro、RS、CS、RL、CL，利用FFRLS获取RC参数值，在工况下采样锂电池的电压电流数据作为FFRLS的输入，得到RC参数在线辨识结果，然后以电池固定的电压电流作为FFRLS的输入，得到RC参数离线辨识结果，结合两种辨识结果，计算噪声方差，根据卡尔曼增益的变化特性设置增益阈值，从而得到基于卡尔曼增益计算自适应RC参数向量；步骤三，将RC参数向量滤波方法代入UKF递推过程，构建AUKF算法，进行锂电池SOC估计，根据锂电池输出的非线性特征，将式1和式2改写为：xk+1＝fxk,uk,w9yk＝hxk,uk,v10 其中：w、Q为系统过程噪声及其协方差；v、R为系统测量噪声及其协方差，由式9至式11，在经典UKF基础上，增加阻容参数自适应模块，并将递推的卡尔曼增益系数代入阻容参数自适应模块，构建卡尔曼增益闭环控制得到AUKF算法，递推过程如下：1设置2n+1个sigma点，根据式9中状态向量xk＝[SOCkUL,kUS,k]T的维数，n取值3， 其中：为SOC、UL、US的均值，Px为状态向量的斜方差矩阵，矩阵定义为n+λuPx经Cholesky分解后得到的平方根矩阵第i列；λu为比例缩放因子，由式13得到，λu＝α2n+ki-n13其中：α为很小的正数；ki在单状态变量情况下取0，多状态变量情况下为3-n，本文n为3，故ki取值为0，2sigma采样点的均值权重Wim和方差权重Wic设定为 其中：β为反应高阶状态历史信息的超参数，3将k时刻的卡尔曼增益Kk输入阻容参数自适应模块，构建闭环反馈，结合式8计算k时刻Xa， 4优化sigma采样点的时间更新过程，将Xa代入式9，得到一步预测状态向量的均值和方差为： 5状态向量预测值的采样点更新为： 6优化sigma采样点的测量更新过程，将Xa代入式10，得到一步预测测量向量的均值、方差和协方差为： 7计算k+1时刻的卡尔曼增益、状态估计和协方差矩阵，其中xk+1＝[SOCk+1UL,k+1US,k+1]T，

全文数据：

权利要求：

百度查询： 河北工业大学 一种基于阻容参数滤波和AUKF的锂电池SOC估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD