[发明专利]一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法

权利要求书

1.一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，包括如下步骤：

步骤1：利用复合模型方法结合安时法设计动力电池的状态和观测方程，确定车载电池的模型方程，建立电池等效模型；

步骤2：进行模型参数辩识，递推最小二乘法辨识电池模型观测试方程的相关参数，系统输入量为持续激励，辩识迭代次数使最终结果收敛并趋于稳定；

步骤3：采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计，其中，采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计，包括如下步骤：

(1)状态和协方差初始化，设置算法起始标志位ST＝1：

(2)计算采样点其对应加权系数；

(3)状态及协方差预测：

(4)测量预测：

(5)计算状态与测量预测互协方差：

(6)计算系统观测残差信息：

(7)计算对应R_k,i的信息协方差：

(8)利用Bayes定理，递推估计后验概率为：

a_k,2＝1-a_k,1 (15)；

其中：a_k,1和a_k,2分别为y_k序列中的正常值和野值测量的后验加权概率；

(9)判断起始标志位ST是否为1；

1)若ST等于1，说明算法处于估计初始阶段；

2)若ST不等于1，说明算法已经跟踪到目标，切换到抗野值模式；

(10)状态更新：

(11)判断时间迭代是否完成，如果是则结束算法，如果否则返回步骤(2)；

其中，若ST不等于1，算法已经跟踪到目标，切换到抗野值模式：

a.滤波器Kalman增益修正为：

滤波增益修正为Kalman增益矩阵的加权和，加权为估计的后验概率a_k,i；

b.修正协方差为：

2.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤1中，建立电池等效模型，包括如下步骤：

结合安时计量法设计状态方程，引入了环境温度和充放电倍率比例因子，得到电池模型的状态方程；

采用状态观测复合模型将电池SOC作为非线性系统的唯一状态变量，得到电池观测模型方程；

若在电池的采集数据序列中存在野值干扰情况下，采用归一化受污染正态分布模型，用两个归一化的加权正态分布来逐次逼近可能具有野值的测量噪声的误差分布，将野值看作是一个相对于正态分布拖尾更大的误差分布。

3.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，结合安时计量法设计状态方程，引入了环境温度和充放电倍率比例因子，电池模型的状态方程如下：

x_k+1＝f(x_k,u_k)+w_k

＝x_k-ηi_kΔt/C+w_k (1)

其中：x_k为k时刻的SOC值；

i_k为k时刻采样得到的电池电流值；

η为充电效率；

C为电池的额定总容量；

Δt为采样周期；

假定w_k为满足正态分布的高斯白噪声，即w_k～N(0,Q_k)，Q_k为状态噪声方差阵。