【技术实现步骤摘要】
本专利技术属于锂电池，具体涉及一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法。
技术介绍
1、锂离子电池的荷电状态(soc)是用来反映电池剩余容量的物理量。准确的估算soc可以防止锂电池因过充电或过放电带来的安全隐患，因此，高精度的soc估计研究具有重要的应用价值。锂电池在使用过程中往往无法直接测量获取soc，只能根据电池的其他特性参数间接计算获得；然而，影响锂电池soc准确估计的因素有很多，如：电池内阻和电容的持续变化、内外温度的波动以及外部设备信号的干扰等，在这些因素的综合影响下，导致电池系统内部噪声的产生，且由于噪声的随机特性，这些噪声的统计特征往往难以获取和计算，因此，研究电池系统噪声统计特性未知下soc的估计具有重要的理论意义和实用价值。
2、当下，针对锂离子电池soc的估计有多种应用方法；主要包括安时积分法、开路电压法、基于电化学模型的方法、机器学习方法和卡尔曼滤波算法；其中，安时积分法是通过直接测量电路中电流的开环估计法，虽然这种测量方法方便快捷，但它依赖于精确的人工测量值，可能会导致估算误差随着时间的推移而累积；开路电压法根据开路电压与soc之间的数学对应关系来估算soc，但由于开路电压实验需要电池长时间处于静置状态以保持电压恒定，因此该方法不能用于在线估算soc；此外，由于电池系统对参数的敏感性，基于电化学模型的方法在soc计算中存在估计不准确的问题；基于卡尔曼滤波算法的soc估计能够利用先前的估计值和当前的观测值递归更新估计的soc值，然而，由于锂离子电池soc估计系统是非线
技术实现思路
1、本专利技术设计提供了一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，包括以下步骤：步骤一，参数初始化，首先建立锂电池的状态方程和观测方程模型，之后初始化电压、电容及电阻的参数，导入生成的参数进行公式拟合；步骤二为状态更新，在该步骤中，首先利用公式(21)、公式(22)、公式(25)进行五阶球面径向容积计算，并计算对应的权重，之后根据公式(20)对误差协方差进行分解，之后利用公式(23)生成容积点后代入到状态方程，再通过公式(24)传播容积点，之后利用公式(26)估计系统的状态方程和状态误差协方差，再带入sage-husa滤波算法估计系统的过程噪声qk和过程噪声协方差矩阵qk；步骤三，观测更新，首先根据公式(27)对状态误差协方差进行分解，之后利用公式(27)生成容积点后将其代入到电池状态方程，通过公式(28)传播容积点，之后通过公式(29)估计系统观测方程值，通过使用sage-husa噪声估值器，估计电池系统观测噪声rk，之后通过公式(30)估计系统观测方差和互协方差，利用sage-husa噪声估值器估计观测噪声的方差矩阵rk，之后通过公式(31)计算卡尔曼增益，之后通过公式(32)更新估计的电池状态，之后通过公式(33)更新状态估计误差协方差；步骤四，实时噪声估计更新，通过公式(11)、公式(13)和公式(14)，计算加权系数d(k)、状态噪声均值qk、状态噪声方差qk、观测噪声均值rk、观测噪声方差rk，并不断循环更新。
2、优选的，参数初始化包括有导入相关数据后设置当前电流的采样周期、初始化参数uoc,rp1,rp2,cp1,cp2、根据导入的拟合数据、利用参数辨识生成相应的方程、初始化状态噪声均值qk和方差qk、观测噪声均值rk和方差rk。
3、优选的，状态更新过程中计算容积点，
4、
5、m＝2n2+1表示容积点数，n代表系统状态向量的维数，ξi表示容积点集；
6、之后，
7、
8、其中，在此基础上，可以得出：
9、
10、其中，ex和ey分别表示n阶单位矩阵的第x列和第y列。
11、
12、状态更新过程中传播容积点，可得：
13、
14、对应的容积点权重为：
15、
16、状态更新过程中状态预测及先验估计误差协方差，
17、
18、优选的，观测更新过程中计算容积点，分解先验估计误差协方差：
19、
20、观测更新过程中传播容积点
21、
22、观测量预测
23、
24、后验估计误差协方差和互协方差
25、
26、卡尔曼增益
27、
28、更新状态估计
29、
30、更新状态估计误差协方差
31、
32、通过sage-husa实时噪声估值器不断更新和修正状态噪声均值qk、状态噪声方差qk、观测噪声均值rk、观测噪声方差rk。
33、优选的，所述sage-husa实时噪声估值器由高阶球面径向容积准则中的公式(19)结合公式(11)、(13)和(14)组成。
34、优选的，高阶球面径向容积准则为笛卡尔坐标下的一般非线性函数和高斯概率密度函数的积分，其公式表示为：
35、
36、其中，if表示所求积分，rn表示n次积分区域，f(x)为任意非线性函数，为了方便计算，将公式(15)中的积分形式转化为球坐标系表示，其中状态向量定义为x＝ry，再将公式(15)转化为球面径向坐标形式：
37、
38、公式(16)中，r表示球面半径(r∈(0,+∞))，y为方向向量(y＝(y1,y2,...,y3)t)，且yty＝1，un表示球体表面，满足的条件，σ(·)是球面积分un的微元，公式(16)可分解为球面积分准则：
39、
40、其中ej表示第j个元素为1的n维单位向量，sj+和sj-表示容积点集，bj表示容积点对应的权重。
41、径向积分准则由下式给出：
42、
43、其中，表示伽马函数，n表示系统的维数。
44、结合公式(17)和(18)可计算得出五阶球面径向容积准则：
45、
46、其中pk表示协方差矩阵。
47、优选的，实时噪声估计更新中噪声估计的具体过程如下：
48、step1，计算加权系数
49、
50、其中，b代表遗忘因子(0<b<1)，其选择在0.95到0.99之间；从公式(11)可以看出，随着时间的推移，1-d(k)接近1。
51、step2，计算状态估计误差
52、
53、step3，计算过程噪声的估计均值和方差
54、
55、step4，计算观测噪声的估计均值和方差
56、
57、本文档来自技高网...
【技术保护点】
1.一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是包括以下步骤：步骤一，参数初始化，首先建立锂电池的状态方程和观测方程模型，之后初始化电压、电容及电阻的参数，导入生成的参数进行公式拟合；步骤二为状态更新，在该步骤中，首先利用公式(21)、公式(22)、公式(25)进行五阶球面径向容积计算，并计算对应的权重，之后根据公式(20)对误差协方差进行分解，之后利用公式(23)生成容积点后代入到状态方程，再通过公式(24)传播容积点，之后利用公式(26)估计系统的状态方程和状态误差协方差，再带入Sage-Husa滤波算法估计系统的过程噪声qk和过程噪声协方差矩阵QK；步骤三，观测更新，首先根据公式(27)对状态误差协方差进行分解，之后利用公式(27)生成容积点后将其代入到电池状态方程，通过公式(28)传播容积点，之后通过公式(29)估计系统观测方程值，通过使用Sage-Husa噪声估值器，估计电池系统观测噪声rk，之后通过公式(30)估计系统观测方差和互协方差，利用Sage-Husa噪声估值器估计观测噪声的方差矩阵Rk，之后通过公式(31)计算卡尔曼增益，之
2.根据权利要求1所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：参数初始化包括有导入相关数据后设置当前电流的采样周期、初始化参数Uoc,RP1,RP2,CP1,CP2、根据导入的拟合数据、利用参数辨识生成相应的方程、初始化状态噪声均值qk和方差Qk、观测噪声均值rk和方差Rk。
3.根据权利要求1所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：状态更新过程中计算容积点，
4.根据权利要求1所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：观测更新过程中计算容积点，
5.根据权利要求4所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：所述Sage-Husa实时噪声估值器由高阶球面径向容积准则中的公式(19)结合公式(11)、(13)和(14)组成。
6.根据权利要求5所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：高阶球面径向容积准则为笛卡尔坐标下的一般非线性函数和高斯概率密度函数的积分，其公式表示为：
7.根据权利要求1所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：实时噪声估计更新中噪声估计的具体过程如下：
8.根据权利要求1所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：锂电池的状态方程和观测方程模型由通过分析二阶Thevenin等效电路模型建立，其中，UOC代表开路电压(OCV)，U0代表电池的端电压，R为电池欧姆内阻，假设I为流经电路的电流，若I为正表示电池充电，I为负表示电池放电；二阶Thevenin等效电路中有两个RC回路，包含浓差极化电阻Rp1,Rp2和浓差极化电容Cp1,Cp2；由Rp1和Cp1组成的第一个RC回路表示电池电压的扩散和逐渐稳定的过程，其电压记为Up1；由Rp2和Cp2组成的第二个RC回路表示电压快速变化的过程，其电压用Up2表示；
9.根据权利要求8所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：当公式(7)中的模型参数RP1,RP2,CP1,CP2是未知的时，选取任意SOC状态下的脉冲响应分析，让锂离子电池静置一段时间，使其电池的端电压恢复到稳定状态，之后使用0.5C倍率的脉冲电流对锂电池进行放电实验，通过测量锂电池的端电压，绘制出相应的电压脉冲曲线，在静置期间，由于没有电流的输入，系统的端电压将经历缓慢恢复的过程，利用零输入电压响应的方程将此过程表示为：
10.根据权利要求9所述的一种基于Sage-Husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：在施加脉冲电流的瞬间，系统的端电压会发生突变。这是因为在电流通电发生的瞬间，两个RC回路中的电容器隔直通交，两个RC回路的电阻RP1和RP2最初不发挥作用，两端并不会产生压降，此时系统两端的电压压降由欧姆内阻R引起，依据这个变化，可以列出公式求得系统的欧姆内阻：
...【技术特征摘要】
1.一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是包括以下步骤：步骤一，参数初始化，首先建立锂电池的状态方程和观测方程模型，之后初始化电压、电容及电阻的参数，导入生成的参数进行公式拟合；步骤二为状态更新，在该步骤中，首先利用公式(21)、公式(22)、公式(25)进行五阶球面径向容积计算，并计算对应的权重，之后根据公式(20)对误差协方差进行分解，之后利用公式(23)生成容积点后代入到状态方程，再通过公式(24)传播容积点，之后利用公式(26)估计系统的状态方程和状态误差协方差，再带入sage-husa滤波算法估计系统的过程噪声qk和过程噪声协方差矩阵qk；步骤三，观测更新，首先根据公式(27)对状态误差协方差进行分解，之后利用公式(27)生成容积点后将其代入到电池状态方程，通过公式(28)传播容积点，之后通过公式(29)估计系统观测方程值，通过使用sage-husa噪声估值器，估计电池系统观测噪声rk，之后通过公式(30)估计系统观测方差和互协方差，利用sage-husa噪声估值器估计观测噪声的方差矩阵rk，之后通过公式(31)计算卡尔曼增益，之后通过公式(32)更新估计的电池状态，之后通过公式(33)更新状态估计误差协方差；步骤四，实时噪声估计更新，通过公式(11)、公式(13)和公式(14)，计算加权系数d(k)、状态噪声均值qk、状态噪声方差qk、观测噪声均值rk、观测噪声方差rk，并不断循环更新。
2.根据权利要求1所述的一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：参数初始化包括有导入相关数据后设置当前电流的采样周期、初始化参数uoc,rp1,rp2,cp1,cp2、根据导入的拟合数据、利用参数辨识生成相应的方程、初始化状态噪声均值qk和方差qk、观测噪声均值rk和方差rk。
3.根据权利要求1所述的一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：状态更新过程中计算容积点，
4.根据权利要求1所述的一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方法，其特征是：观测更新过程中计算容积点，
5.根据权利要求4所述的一种基于sage-husa高阶容积卡尔曼滤波的锂电池荷电状态估计方...
【专利技术属性】
技术研发人员：王荣，许大星，胡敏，刘建华，徐俊杰，
申请(专利权)人：科润智能控制股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。