申请/专利权人：河南理工大学

申请日：2021-10-26

公开（公告）日：2024-03-12

公开（公告）号：CN113884914B

主分类号：G01R31/387

分类号：G01R31/387

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明公开了一种渐消并行卡尔曼滤波动力电池荷电状态估计方法。S1、建立锂电池等效电路模型，推导电池的状态方程；S2、基于电池状态方程，建立扩展卡尔曼滤波算法；S3、建立自适应渐消扩展卡尔曼滤波算法；S4、建立自适应渐消并行扩展卡尔曼滤波算法。该方法从锂离子电池的荷电状态StateofCharge,SOC估计出发建立锂离子电池的等效电路模型，针对传统非线性EKF估计精度的不足，提出AFEKF算法，提高了SOC的估计精度；根据三阶状态方程运算量大，提出AFPEKF算法，提高了SOC的估计速度，适用于新能源汽车锂电池SOC估计。

主权项：1.一种渐消并行卡尔曼滤波动力电池荷电状态估计方法，其特征在于，包括以下步骤：S1、建立锂电池等效电路模型，推导电池状态方程；S2、基于电池状态方程，建立EKF算法；S3、建立AFEKF算法；AFEKF继承了EKF的特性，且具有强跟踪特性，进一步提高了估计精度及鲁棒性；S4、建立AFPEKF算法，减少了运算量，提高了估计速度；所述S4中的建立AFPEKF算法，为减少锂电池三阶状态方程利用卡尔曼滤波状态估计过程的运算量，将一个三阶状态方程，分解为两个二阶状态方程，使其在采样时间点上交替运算，建立并行卡尔曼滤波算法，由于通常情况下采样频率很高，两个包含二阶状态方程的卡尔曼滤波并行工作对精度的损失可以忽略，但并行工作可以显著减小卡尔曼滤波状态估计过程的运算量。

全文数据：

权利要求：

百度查询： 河南理工大学 一种渐消并行卡尔曼滤波动力电池荷电状态估计方法

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