[发明专利]一种基于UKF算法的锂离子动力电池状态估计方法

权利要求书

1.一种基于UKF算法的锂离子动力锂离子动力电池状态估计方法，其特征在于，包括：

建立锂离子动力电池的荷电状态空间模型与健康状态空间模型；

基于所述荷电状态空间模型并利用UKF算法进行迭代计算，得到所述锂离子动力电池的荷电状态与极化电压，根据所述极化电压更新所述健康状态空间模型中的极化电压参数；其中，基于荷电状态空间模型并利用UKF算法进行迭代计算的过程中，通过查询当前条件下的OCV-SOC映射表得到所述荷电状态空间模型中关于量测方程的系数矩阵，在线估计所述荷电状态空间模型中过程噪声的方差并根据估计值更新所述方差，以及实时判断滤波结果是否收敛并当所述滤波结果成发散趋势时修正所述荷电状态空间模型中状态向量的协方差，以抑制滤波发散；

基于所述健康状态空间模型并利用所述UKF算法进行迭代计算，得到所述锂离子动力电池的欧姆内阻，根据所述欧姆内阻计算得到所述锂离子动力电池的健康状态，并根据所述欧姆内阻更新所述荷电状态空间模型中的欧姆内阻参数；其中，基于健康状态空间模型并利用UKF算法进行迭代计算的过程中，通过查询当前条件下的OCV-SOC映射表得到所述健康状态空间模型中关于量测方程的系数，在线估计所述健康状态空间模型中过程噪声的方差并根据估计值更新所述方差，以及实时判断滤波结果是否收敛并当所述滤波结果成发散趋势时修正所述健康状态空间模型中状态变量的协方差，以抑制滤波发散；

建立锂离子动力电池的荷电状态空间模型，包括：

基于所述锂离子动力电池的一阶等效模型以及所述锂离子动力电池的安时积分定义，以x₁(k)＝[S(k),U_c(k)]^T作为所述状态向量，y(k)＝U_o(k)作为系统输出，u(k)作为控制输入，得到所述荷电状态空间模型：

其中，u(k)＝I(k)，w(k)＝[w₁(k),w₂(k)]^T为过程噪声，v(k)为观测噪声，A、B、C为系数矩阵，且D＝-R_e，E_t＝f{S(k)}表示所述锂离子动力电池的平衡电动势的函数关系；S(k)为k时刻锂离子动力电池的荷电状态，U_c(k)为k时刻锂离子动力电池的极化电压，U₀(k)为k时刻所述锂离子动力电池的端电压，τ为时间常数，Q₀为所述锂离子动力电池的标称容量，η为充放电效率，T_s为采样周期，R_c为锂离子动力电池的极化内阻，I(k)为k时刻锂离子动力电池的放电电流，R_e为锂离子动力电池的欧姆内阻；

建立锂离子动力电池的健康状态空间模型，包括：

基于所述锂离子动力电池的一阶等效模型，以x₂(k)＝R_e(k)作为所述状态变量，得到所述健康状态空间模型：

其中，R_e(k)为k时刻所述锂离子动力电池的欧姆内阻，r(k)为过程噪声，E＝-I(k)，I(k)为k时刻锂离子动力电池的放电电流，F＝f{S(k)}-U_c(k)，q(k)为观测噪声，E_t＝f{S(k)}表示所述锂离子动力电池的平衡电动势的函数关系，U_c(k)为k时刻所述锂离子动力电池的极化电压；

在线估计所述荷电状态空间模型中过程噪声以及所述健康状态空间模型中过程噪声的方差，包括：通过Sage-Husa自适应滤波器在线估计所述荷电状态空间模型中过程噪声以及所述健康状态空间模型中过程噪声的方差；包括依据在线估计荷电状态空间模型中过程噪声以及健康状态空间模型中过程噪声的方差；d(k)＝(1-b)/(1-b^k)，b为可调的遗忘因子；G是卡尔曼增益；

实时判断滤波结果是否收敛并当所述滤波结果成发散趋势时修正所述荷电状态空间模型中状态向量的协方差以及所述健康状态空间模型中状态变量的协方差，包括：

判断是否成立；

若不成立，则根据修正协方差；

其中，Z为量测值，trace{·}为求迹运算，γ为可调系数且γ≥1；P_x为协方差，λ为自适应衰减因子，且R为观测噪声的协方差；h{·}表示荷电状态空间模型的输入输出关系，{X_i}为Sigma点集；中的λ为参数。