基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池soc估計(jì)方法
【專利摘要】本發(fā)明公開了一種基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法，現(xiàn)有方法存在不能滿足在線估計(jì)，累計(jì)誤差大，發(fā)散等問題。本發(fā)明方法結(jié)合擴(kuò)展卡爾曼濾波和粒子濾波方法，采用擴(kuò)展卡爾曼濾波來產(chǎn)生重要密度函數(shù)，避免粒子退化現(xiàn)象，提高估計(jì)精度。本發(fā)明方法可以有效的估計(jì)電池SOC，精度較高，而且適用于各種電池SOC估計(jì)。
【專利說明】基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明公開了基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法，屬于鋰電池的【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]動(dòng)力電池作為電動(dòng)汽車的關(guān)鍵技術(shù)部件，其性能直接影響到整車性能的好壞。電池荷電狀態(tài)(state of Charge, S0C)是用來描述電池剩余電量的數(shù)量，進(jìn)而反映電動(dòng)汽車的續(xù)駛里程。動(dòng)力電池荷電狀態(tài)估計(jì)是電池管理系統(tǒng)的重要功能，也是其發(fā)展急需解決的技術(shù)難點(diǎn)，實(shí)時(shí)準(zhǔn)確的SOC估計(jì)對(duì)電池性能、使用壽命以及電動(dòng)汽車的發(fā)展有重大意義。動(dòng)力電池的高度非線性使得許多濾波方法難以得到準(zhǔn)確的估計(jì)結(jié)果，因此，必須建立一個(gè)合適的電池模型，采用精確的估計(jì)濾波方法，這樣才能獲得更準(zhǔn)確的結(jié)果。
[0003]目前，電動(dòng)汽車使用的動(dòng)力電池SOC估計(jì)方法主要有安時(shí)計(jì)量法、開路電壓法、神經(jīng)網(wǎng)絡(luò)法和卡爾曼濾波法等。安時(shí)計(jì)量法簡單易實(shí)現(xiàn)，但累計(jì)誤差大，對(duì)測(cè)量設(shè)備精度要求高；開路電壓法只適用于電池靜置足夠長時(shí)間后進(jìn)行估計(jì)，不能實(shí)時(shí)估計(jì)；神經(jīng)網(wǎng)絡(luò)能夠在線估計(jì)，但缺點(diǎn)是需要大量的訓(xùn)練數(shù)據(jù)；卡爾曼濾波法將非線性系統(tǒng)線性化，但對(duì)非線性強(qiáng)度高的系統(tǒng)，容易導(dǎo)致濾波效果下降，甚至發(fā)散，粒子濾波算法存在粒子退化并且算法抖動(dòng)等問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題是針對(duì)上述【背景技術(shù)】的不足，提供了基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法。
[0005]本發(fā)明為實(shí)現(xiàn)上述發(fā)明目的采用如下技術(shù)方案:
[0006]基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法，、包括如下步驟:
[0007]步驟1，建立電池電量數(shù)學(xué)模型，得到電池系統(tǒng)離散空間模型；
[0008]步驟2，利用擴(kuò)展卡爾曼粒子濾波算法預(yù)測(cè)動(dòng)力電池SOC:
[0009]步驟2-1，在初始采樣時(shí)刻，由初始概率分布隨機(jī)產(chǎn)生粒子集；
[0010]步驟2-2，在當(dāng)前采樣時(shí)刻內(nèi)，由擴(kuò)展卡爾曼濾波算法得到當(dāng)前時(shí)刻每個(gè)粒子狀態(tài)量右側(cè)估計(jì)值以及協(xié)方差右側(cè)估計(jì)值；
[0011]步驟2-3,計(jì)算當(dāng)前時(shí)刻各粒子權(quán)重,歸一化當(dāng)前時(shí)刻粒子權(quán)重，由歸一化的當(dāng)前時(shí)刻粒子權(quán)重得到有效粒子數(shù):
[0012]當(dāng)有效粒子數(shù)目小于粒子數(shù)目閾值時(shí)，返回步驟2-1 ;否則，輸出當(dāng)前時(shí)刻電池荷電狀態(tài)更新值；
[0013]步驟2-4，進(jìn)入下一采樣時(shí)刻，重復(fù)步驟2-2至步驟2-3。
[0014]所述基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法中，步驟2-2利用如下方法計(jì)算當(dāng)前時(shí)刻每個(gè)粒子狀態(tài)量右側(cè)估計(jì)值以及協(xié)方差右側(cè)估計(jì)值:
[0015]步驟A，擴(kuò)展卡爾曼濾波器預(yù)測(cè)方程:[0016]狀態(tài)變量預(yù)測(cè)估計(jì):4 = /Ku., &—丨)，
[0017]協(xié)方差誤差預(yù)測(cè)估計(jì):Pkj = AkH + Σ J
[0018]步驟B，擴(kuò)展卡爾曼濾波器校正方程:
[0019]卡爾曼增益計(jì)算.Kl= PkjCr^C^1C1k + X 1 , [0020]狀態(tài)變量最優(yōu)估計(jì):.<,= + Kk\Yk -g{x, ?Uk)]，
[0021 ]協(xié)方差最優(yōu)估計(jì):~、E- KiC^Pkj，
[0022]其中，r；,為k時(shí)刻第i個(gè)粒子狀態(tài)量左側(cè)估計(jì)值，x1-1j為k-Ι時(shí)刻第i個(gè)粒子狀態(tài)量右側(cè)估計(jì)值，Ulri為k-Ι時(shí)刻輸入控制變量，4為k時(shí)刻第i個(gè)粒子協(xié)方差左側(cè)估計(jì)值，Alri為k-Ι時(shí)刻系統(tǒng)矩陣，^ k-Ι時(shí)刻第i個(gè)粒子協(xié)方差右側(cè)估計(jì)值，Kk為k時(shí)刻卡爾曼增益，Ck為k-Ι時(shí)刻協(xié)方差矩陣，4力k時(shí)刻第i個(gè)粒子狀態(tài)量右側(cè)估計(jì)值，Yk為k
時(shí)刻SOC量測(cè)結(jié)果，Uk為k時(shí)刻輸入控制變量，乃"力k時(shí)刻第i個(gè)粒子協(xié)方差右側(cè)估計(jì)值，
E為單位矩陣，W、V為互不相關(guān)的系統(tǒng)噪聲，f、g分別為非線性狀態(tài)轉(zhuǎn)移函數(shù)和非線性測(cè)量函數(shù)。
[0023]所述基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法中，步驟2-3利用表 JVrr =——-——
達(dá)式?計(jì)算有效粒子數(shù)目Neff,其中,qi為k時(shí)刻第i個(gè)粒子狀態(tài)量右側(cè)估計(jì)值

/:1
、的后驗(yàn)概率，N為粒子總數(shù)。
[0024]本發(fā)明采用上述技術(shù)方案，具有以下有益效果:本發(fā)明可以精確的對(duì)動(dòng)力電池荷電狀態(tài)(SOC)進(jìn)行估計(jì)，能解決現(xiàn)有估計(jì)方法存在的不能滿足在線估計(jì)，累計(jì)誤差大，發(fā)散，粒子退化等問題，估計(jì)精度高。
【專利附圖】

【附圖說明】
[0025]圖1是擴(kuò)展卡爾曼濾波器流程圖。
[0026]圖2是本發(fā)明實(shí)施方式流程圖。
[0027]圖3為具體實(shí)施例中實(shí)驗(yàn)電池放電電流波形。
[0028]圖4為采用擴(kuò)展卡爾曼濾波、粒子濾波和擴(kuò)展卡爾曼粒子濾波三種算法對(duì)電池SOC進(jìn)行估計(jì)的結(jié)果比較圖。
【具體實(shí)施方式】
[0029]下面結(jié)合附圖對(duì)發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明:
[0030]本發(fā)明適用于各動(dòng)力電池的SOC估計(jì)，對(duì)于不同的動(dòng)力電池模型，確定其擴(kuò)展卡爾曼粒子濾波離散狀態(tài)空間模型后，利用擴(kuò)展卡爾曼粒子濾波方法估計(jì)S0C，其中，在擴(kuò)展卡爾曼粒子濾波器采樣后對(duì)各采樣時(shí)刻采集的樣本進(jìn)行重要性采樣得到各采樣時(shí)刻的粒子集，利用各采樣時(shí)刻的粒子集訓(xùn)練擴(kuò)展卡爾曼粒子濾波器預(yù)估S0C。[0031]下面以電化學(xué)復(fù)合電池模型為例闡述本發(fā)明的技術(shù)方案，利用本發(fā)明所述的基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法估計(jì)電池的S0C，如圖2所示包括如下步驟。
[0032]步驟1，電化學(xué)復(fù)合模型狀態(tài)空間方程的確定；
[0033]動(dòng)力電池電化學(xué)復(fù)合模型的狀態(tài)空間方程如式(I)所示，觀測(cè)方程如式(2)所示:
[0034]
【權(quán)利要求】
1.基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法,其特征在于,包括如下步驟: 步驟1，建立電池電量數(shù)學(xué)模型，得到電池系統(tǒng)離散空間模型； 步驟2，利用擴(kuò)展卡爾曼粒子濾波算法預(yù)測(cè)動(dòng)力電池SOC: 步驟2-1，在初始采樣時(shí)刻，由初始概率分布隨機(jī)產(chǎn)生粒子集； 步驟2-2，在當(dāng)前采樣時(shí)刻內(nèi)，由擴(kuò)展卡爾曼濾波算法得到當(dāng)前時(shí)刻每個(gè)粒子狀態(tài)量右側(cè)估計(jì)值以及協(xié)方差右側(cè)估計(jì)值； 步驟2-3，計(jì)算當(dāng)前時(shí)刻各粒子權(quán)重，歸一化當(dāng)前時(shí)刻粒子權(quán)重，由歸一化的當(dāng)前時(shí)刻粒子權(quán)重得到有效粒子數(shù)， 當(dāng)有效粒子數(shù)目小于粒子數(shù)目閾值時(shí)，返回步驟2-1 ;否則，輸出當(dāng)前時(shí)刻電池荷電狀態(tài)更新值； 步驟2-4，進(jìn)入下一采樣時(shí)刻，重復(fù)步驟2-2至步驟2-3。
2.根據(jù)權(quán)利要求1所述的基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法，其特征在于，步驟2-2利用如下方法計(jì)算當(dāng)前時(shí)刻每個(gè)粒子狀態(tài)量右側(cè)估計(jì)值以及協(xié)方差右側(cè)估計(jì)值: 步驟A，擴(kuò)展卡爾曼濾波器 預(yù)測(cè)方程:
3.根據(jù)權(quán)利要求2所述的基于擴(kuò)展卡爾曼粒子濾波算法的動(dòng)力電池SOC估計(jì)方法，其


【文檔編號(hào)】G01R31/36GK103472398SQ201310361928
【公開日】2013年12月25日 申請(qǐng)日期:2013年8月19日 優(yōu)先權(quán)日:2013年8月19日
【發(fā)明者】周曉鳳, 趙又群, 臧利國 申請(qǐng)人:南京航空航天大學(xué)