基于PUHF算法的动力电池荷电状态估计方法

文献发布时间：2023-06-19 09:36:59

技术领域

本发明属于电池技术领域，涉及一种基于PUHF(投影无迹H无穷滤波器，UnscentedH

背景技术

电动汽车以其节能、环保、零排放的优势占据了市场有效地位，成为了汽车产业的发展趋势，各国政府都采取相关政策推广电动汽车。动力电池是电动汽车的动力来源，锂电池因其输出功率大、无记忆效应、低自放电和工作温度范围广的优点，被广泛应用在电动汽车。电池管理系统(Battery Management System，BMS)是动力汽车的核心部分，主要作用是为了智能化管理及维护各个电池单元，防止电池出现过充电和过放电，延长电池的使用寿命，监控电池的状态。

荷电状态估计(State Of Charge，SOC)是电池管理系统需要计算的主要参数之一。电池管理系统根据检测到的SOC值可以采取相应的调控措施智能化的管理和维护各个电池单元，保证电池组安全，而且知道电池剩余电量司机可以更好的安排自己剩下行程。

国内外对SOC估计的方法很多，现有开路电压法、安时计量法、神经网络法和卡尔曼滤波法等。卡尔曼滤波法抗干扰能力强，更易于在硬件平台的实现，实用性和精确性更高，是现在SOC估计的主流算法。传统的卡尔曼滤波算法在进行SOC估计的时候，往往忽略了SOC值保持在0％-100％范围内这一约束条件，如果只局限于对原始数据的处理是远远不够的，有效利用先验约束条件，那么就可以得到更加精确SOC值。

发明内容

本发明的目的就是克服现有技术的不足，提供一种基于PUHF算法的动力电池荷电状态估计方法，将UHF(无迹H无穷滤波器,Unscented H

本发明方法首先计算采样点通过状态方程变换后的加权值，作为状态的估计值，进而通过加权计算状态估计的方差；对采样点进行处理，采用投影法将不满足要求的采样点投影到范围内；计算采样点通过观测方程变换后的加权值，作为观测的估计值；计算卡尔曼增益；根据状态方程进行时间域更新，根据观测方程进行测量更新，计算状态及其方差的更新，递推所得到的状态更新值即为当前时刻电池的荷电状态。具体步骤是：

步骤(1).对锂电池进行放电实验，获取锂电池在k时刻的电池端电压y

步骤(2).建立电池模型：

离散化表达式为：

步骤(3).用状态方程和观测方程表示电池的各个时刻的荷电状态关系：

状态方程：

观测方程：

放电比例系数η的确定方法为：

a.将完全充满电的电池以不同放电速率恒流放电L次，L≥10，0＜C

b.根据最小二乘方法，在小均方误差准则下拟合出Q

c.在放电电流为i

对同一类型的电池，最优系数b

电池内阻R以及拟合参数m

d.在常温25℃条件下、以1/30倍额定电流对充满电的电池进行恒定电流放电，直至电量耗尽；

e.在放电过程中以时间间隔Δt测量电池在k时刻的端电压y

f.计算k时刻的剩余电量x

g.记

对同一类型的电池，电池内阻R以及拟合参数m

步骤(4).初始化：

设定起始状态

扩展后的状态向量

均值加权系数

方差加权系数

设定复合参数λ＝2。

步骤(5).采用PUHF算法进行循环递推：

在时刻k＝1,2,3,…，根据测得的电池端电压y

根据k-1时刻的扩展状态向量

判断采样点是否在0到1之间，通过投影法将不在0到1的采样点投影到0到1之间；

根据状态方程进行时间域更新：

由采样点

对采样点更新

计算状态估计

根据观测方程完成测量更新：

由于测量协方差

由采样点更新

对测量更新

计算测量估计

计算

计算卡尔曼增益K

计算状态更新

其中，矩阵R

递推所得到的状态更新值

本发明方法可以准确地进行电池SOC估计，该方法收敛速度快，估计精度高，而且适用于各种动力电池SOC的快速估计。

根据本发明的第一方面，公开了一种用于估计电池剩余电量的PUHF算法所依赖的测量量，分别为电池的端电压和电池的电流。

根据本发明的第二方面，公开了一种用于估计电池剩余电量的PUHF算法的状态方程和观测方程。其中观测方程中电池模型参数通过最小二乘法确定。

根据本发明的第三方面，公开了一种用于估计电池剩余电量的PUHF算法所依赖的初始值。包括初始SOC，初始SOC的方差，处理噪声及观察噪声的方差，以及采样点对应的权值。其中初始SOC及初始SOC方差的值不必很准确，在采样点卡尔曼滤波的后续迭代过程中它们会很快收敛到真实值附近。

根据本发明的第四方面，公开了一种用于估计电池剩余电量的UHF算法的具体流程。主要包括：计算采样点通过状态方程变换后的加权值，作为状态的估计值，进而通过加权计算状态估计的方差；对采样点进行处理，采用投影法将不满足要求的采样点投影到范围内；计算采样点通过观测方程变换后的加权值，作为观测的估计值；计算卡尔曼增益；计算状态及其方差的更新等。

本发明方法有效利用先验约束条件，提高电池剩余电量估计的精度，整个循环递推过程是在线完成的，即在电池实际工作过程中同步完成各时刻电池剩余电量的估计,适用于各类动力电池的SOC估计。

附图说明

图1为本发明方法的流程图；

图2为本发明方法中投影算法的原理图。

具体实施方式

如图1所示，基于PUHF算法的动力电池荷电状态估计方法，具体是：