[发明专利]基于强跟踪自适应SQKF的应急灯电池SOC估计方法

说明书

技术领域

本发明涉及锂电池技术领域，具体地，涉及一种基于强跟踪自适应SQKF的应急灯电池SOC估计方法。

背景技术

随着我国经济建设的高速发展，城市建筑越来越密集，人口相对集中，增加了火灾的危害性。消防应急灯能在发生火灾时，引导被困人员疏散或展开灭火救援行动，可大大降低火灾带来的损失。应急灯的广泛使用客观上造成了应急灯管理上的困难，特别是应急灯电池管理方面。电池的荷电状态(State of Charge，SOC)提供了电池的使用信息及续航能力，因此对电池SOC的精确估算是电池管理的核心和关键。

目前，应急灯电池SOC的估计方法主要有安时积分法、内阻法、开路电压法、神经网络法和卡尔曼滤波法(包含扩展卡尔曼滤波EKF、无迹卡尔曼滤波UKF)等。安时积分法中，如果电流测量和初始值存在误差，则会使得误差累计放大；开路电压法虽然简单易行，但动态响应慢；神经网络法易受干扰，需要相似电池的大量训练数据；卡尔曼滤波法对SOC的初始误差有很强的修正作用，但需要对电池模型进行精确建模。

发明内容

针对现有应急灯电池SOC估计方法的不足，本发明首先建立了应急灯电池的二阶RC等效电路模型，然后以平方根求积分卡尔曼滤波(Square-root quadrature Kalman filter，SQKF)为基础，结合Sage-Husa噪声估计器和强跟踪滤波技术提供一种基于强跟踪自适应SQKF的电池SOC估计方法。

为了实现上述目的，本发明通过下述技术方案得到解决：

本发明包括以下步骤：

1、建立应急灯电池二阶RC等效模型；

2、建立电池系统离散状态空间模型；

3、使用强跟踪自适应SQKF对电池SOC进行估算。

所述的步骤1中的应急灯电池二阶RC等效模型包括理想电源、欧姆内阻R₀、电化学极化内阻R₁、浓度极化内阻R₂、电化学极化电容C₁、浓度极化电容C₂。其中，理想电源的正极连接欧姆内阻R₀的一端，R₀的另一端连接电化学极化内阻R₁的一端，R₁的另一端连接浓度极化内阻R₂的一端，电化学极化电容C₁的两端与R₁的两端并联，浓度极化电容C₂的两端与R₂的两端并联。

所述的步骤2中的电池系统离散状态空间模型为：

x(k+1)＝A·x(k)+B·i(k)+w(k)

z(k)＝h[x(k)]+D·i(k)+v(k)

其中，

式中，k为离散时刻，Δt为采样周期，上标“T”表示矩阵转置运算，diag表示对角矩阵；S_c(k)为电池的荷电状态SOC，U₁(k)和U₂(k)分别为k时刻电容C₁和C₂上的电压值；η为库仑系数(可通过电池充放电试验获得)，C_n表示电池的标称容量，i(k)为k时刻通过电池的电流；U_out(k)为k时刻电池的端电压，U_oc(k)为k时刻电池的开路电压，它与S_c(k)之间满足非线性关系U_oc(k)＝f[S_c(k)]；w(k)和v(k)分别为系统随机噪声和电池端电压测量噪声。

所述的步骤3中的基于强跟踪自适应SQKF的电池SOC估计方法包括滤波器初始化、时间更新过程、测量更新过程、系统噪声方差估计和算法结束五部分组成。

3.1 滤波器初始化包括初始化系统状态误差协方差阵P(0|0)＝p(0)和过程噪声方差

3.2 时间更新过程，具体包括：

3.2.1 估算状态的预测估计值及其平方根误差协方差阵S(k|k-1)；

3.2.2 计算渐消因子λ(k)，并利用λ(k)对S(k|k-1)进行调整。

3.3 测量跟新过程，具体包括：

3.3.1 计算测量值的预测估计值