[发明专利]一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法

说明书

技术领域

本发明涉及锂电池荷电状态的估算领域，具体是指一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法。

背景技术

目前，由于不可再生能源的消耗和环境污染等方面的压力，锂电池凭借其高能量密度、使用寿命长、工作电压大以及绿色环保等优点，使其成为目前最有潜力的储能装置。为了确保锂电池电动车在整个使用过程中的行驶安全性和运行可靠性，须及时、准确地了解电池的运行状态，对电池进行合理有效的管理和控制。

电池荷电状态(State of Charge，以下简称SOC)的精确估计又是电池能量管理系统中最核心的技术；电池的SOC无法用一种传感器直接测得，目前常用的SOC估计方法是通过测量电池的外特性，例如电流、电压、电阻等，然后通过建模来模拟锂电池的内部特性，通过算法来进一步消除干扰噪音和优化模型。目前，电动汽车仿真中经常用到的动力电池模型有三类：电化学模型、人工神经网络模型和等效电路模型。电化学模型可以比较清晰的反应电池内部的各个化学反应过程。模型的建立与电池电极材料、电解质稠度、隔膜材料等很多因素有关，所以精度高，但是模型很复杂，一般用于蓄电池的设计过程；神经网络模型具有非线性和泛化能力能的特点，能够很好的模拟电池的非线性特性，但其不足之处在于需要大量的实验数据来预测电池的性能，且对电池历史数据的依赖性较大；等效电路模型借助传统的电阻、电容、恒压源等电路元器件组成电路网络来描述动力电池的外特性，由于其结构简单且能很好的描述电池特性，常被研究者使用。

电池SOC估计方法中使用较多是开路电压法、安时积分法和卡尔曼滤波法。开路电压法，是通过实验测取SOC与对应开路电压的关系曲线，然后在电池充放电时就可以通过测量开路电压来求取相应的SOC值。但其相关数据是在静置状态下测取的，且静置时间必须足够长，所以不适合复杂情况。安时积分法是采用电流积分的安培小时算法进行基本计算，但是其误差会随着实验过程中电流、电池额定容量等物理量的测量误差的变大而通过积分的方式不断积累变大。此法本身也不能测量初始值SOC0，所以常和开路电压法一起使用。卡尔曼滤波法又有扩展卡尔曼滤波、容积卡尔曼滤波和无迹卡尔曼滤波等种类，卡尔曼滤波能够比较准确的预测SOC值，是电池SOC估计研究最多的方法。扩展卡尔曼最大的问题就是，泰勒级数展开式后存在的线性化误差问题，而且当电池非线性化越明显，这个误差就会越大，甚至会造成最终SOC估算的精度严重下降和发散。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于分段扩展卡尔曼滤波的锂电池荷电状态的估算方法。该方法减少电池模型不精确对SOC估计准度的影响、增强了系统干扰噪音的滤波能力、克服了泰勒级数展开线性化造成滤波精度方面的降低以及可能的滤波发散问题，有效的提高了SOC估计的鲁棒性。

为实现上述目的，本发明的技术方案是包括以下步骤：

S1：根据脉冲放电实验进行锂电池标定实验，由开路电压OCV和锂电池荷电状态SOC的实验数据，拟合出OCV-SOC曲线；

S2：根据二阶RC等效电路模型，由基尔霍夫定理建立锂电池二阶RC等效电路的数学模型；

S3：通过脉冲放电实验，根据递推最小二乘法辨识锂电池的模型参数；

S4:运用分段扩展卡尔曼滤波算法估算锂电池荷电状态值。

进一步设置是所述的步骤S2为：根据二阶RC等效电路模型，由基尔霍夫定理可得

其中U0、U1、U2分别表示R0、R1和R2两端的电压，UL为锂电池负载端电压，U_OC为开路电压。

进一步设置是所述的步骤S3为:

对式(1)先拉式变换、然后双线性变换得到锂电池的差分方程：

y(k)＝U_oc(k)-U_L(k)＝a₁y(k-1)+a₂y(k-2)+a₃I_L(k)+a₄I_L(k-1)+a₅I_L(k-2)(2)