[发明专利]一种无电流传感器的锂电池荷电状态估计方法

权利要求书

1.一种无电流传感器的锂电池荷电状态估计方法，其特征在于包括下述步骤：

S1：考虑到电池模型的准确性度和参数辨识的复杂性，建立电池的一阶RC等效电路模型，通过电池混合脉冲功率特性(HPPC)实验对电池模型的各个参数进行辨识；

所述一阶RC等效电路模型如下：

U＝U_oc-U_p-IR₀

其中，U为电池端电压，U_oc表示开路电压OCV，随SOC的不同而变化，Up为极化电压，I为电池充放电电流，R₀为电池的欧姆内阻，Rp和Cp表示电池的极化内阻和极化电容；

S2：测量电池开路电压(OCV)，建立开路电压与SOC的关系函数；

开路电压与SOC的关系函数U_OC(SOC_k)的建立是利用测量得到的OCV-SOC数据，通过最小二乘方法进行曲线拟合得到的；电池开路电压的测量步骤如下：

(1)：充电：首先以0.2C电流对电池进行恒流恒压充电，使电池SOC为100％；

(2)：静置：将电池静置1小时，测量电池此时端电压；

(3)：间断放电：以0.2C电流对电池放电直至电池SOC下降10％；

(4)：静置：将电池静置1小时，测量电池此时端电压；

(5)：重复步骤(3)-(4)8次，即可得到SOC分别为80％、70％、60％、50％、40％、30％、20％、10％时的OCV；

(6)：以0.2C电流对电池放电至截止电压，静置1小时，测量此时的电池端电压，得到SOC为0％时的OCV，由此得到开路电压与SOC的关系函数；

S3：将负载电流作为未知输入，建立系统状态方程和量测方程，并利用变分贝叶斯扩展卡尔曼滤波方法实现SOC和电流的同时估计；

所述步骤S3建立的系统状态方程和量测方程，表示如下：

式中，k表示时刻，X_k+1表示k+1时刻系统状态变量，X_k表示k时刻系统状态变量，X_k＝[SOC_k,U_p,k]^T，SOC_k为k时刻的电池荷电状态，U_p,k为RC并联电路在k时刻的端电压；A_k为状态转移矩阵，F_k为输入矩阵，I_k为电池充放电电流，为未知量；w_k为系统过程噪声，服从零均值，协方差为Q_k的高斯分布；y_k表示k时刻的模型输出量，为电池端电压U_k；v_k为量测噪声，服从零均值，方差为R_k的高斯分布，分别为：

其中，η为库伦效率，Δt为采样周期，Q_max为电池额定容量，τ_p＝R_pC_p表示电池模型中RC并联电路的时间常数；

h(·)表示状态变量X与量测的非线性函数，表示为：

h(·)＝U_k＝U_OC(SOC_k)-U_p，k-R₀I_k

利用变分贝叶斯滤波方法实现SOC和电流的同时估计，具体包括如下步骤：

(1)计算系统状态估计及其协方差，和电流估计值及其协方差的一步预测值：

∑_k|k-1＝ρ∑_k-1

其中，k表示时刻，表示k-1时刻的系统状态估计值，表示k-1时刻的电流估计值，P_k-1表示k-1时刻的状态估计的协方差，∑_k-1表示k-1时刻的电流估计的协方差，(·)_k|k-1表示相应变量在k时刻的一步预测值，即表示k时刻的系统状态估计一步预测值，P_k|k-1表示k时刻的系统状态估计协方差一步预测值，表示k时刻的电流估计一步预测值，∑_k|k-1表示k时刻的电流估计协方差一步预测值，ρ为衰减因子，ρ∈(0，1]；

(2)计算系统状态估计及其协方差P_k和电流估计值及其协方差∑_k的测量更新；

通过N次循环迭代实现，包括以下步骤：

第一步，初始化，令

第二步，计算滤波增益、系统状态估计及其协方差的测量更新：

表示k时刻系统状态估计器的滤波增益，表示第n次循环得到的电流估计值，表示第n+1次循环得到的系统状态估计值；

其中，为量测方程关于系统状态X_k的雅克比矩阵；

第三步，计算滤波增益、电流估计值及其协方差的测量更新：

表示k时刻电流估计器的滤波增益；

其中，为量测方程关于输入I_k的雅克比矩阵；

第四步，将第二步～第三步循环迭代N次，第N次循环迭代得到的估计值和即为k时刻的最终状态估计值和电流估计值，即：