[发明专利]一种基于改进BP-EKF算法的锂电池SOC估算方法

权利要求书

1.一种基于改进BP-EKF算法的锂电池SOC估算方法，其特征在于：包括以下步骤：

1)建立锂电池的等效模型；

2)通过实验对等效模型的参数进行辨识，得到准确的模型参数；

3)通过扩展卡尔曼滤波算法计算锂电池的SOC估计值；

4)优化BP神经网络算法，在BP神经网络算法的预处理阶段增加去噪时预先判断误差的前馈设计；

5)对步骤4)优化的BP神经网络算法进行训练；

6)使用步骤5)训练后的BP神经网络算法对扩展卡尔曼滤波对锂电池SOC的估计值进行优化与补偿，计算得到等效模型的最优状态估计值。

2.根据权利要求1所述的基于改进BP-EKF算法的锂电池SOC估算方法，其特征在于：步骤1)中，以戴维南等效电路作为锂电池的等效模型；步骤2)中，通过HPPC脉冲实验对等效模型的参数进行测试，测试过程为：将模型参数进行放电实验，根据选择的戴维南模型比较，当最大误差小于等于4％时，模拟电池动态过程准确。

3.根据权利要求1所述的基于改进BP-EKF算法的锂电池SOC估算方法，其特征在于：步骤3)中，通过扩展卡尔曼滤波算法计算锂电池的SOC估计值的过程包括以下步骤：

(1)确定卡尔曼滤波器的离散型状态方程和观测方程；

(2)结合锂电池等效模型，对锂电池SOC进行估算；

(3)将步骤(2)对锂电池SOC的估算模型离散化后确定锂电池SOC的卡尔曼方程；

(4)确定扩展卡尔曼滤波算法的离散化状态公式；

(5)使用扩展卡尔曼滤波算法描述锂电池SOC值与开路电压之间关系；

(6)结合步骤(3)的锂电池SOC的卡尔曼方程，使用扩展卡尔曼滤波算法估算锂电池SOC。

4.根据权利要求3所述的基于改进BP-EKF算法的锂电池SOC估算方法，其特征在于：步骤(1)中，卡尔曼滤波算法的离散型状态方程为：X_t+1＝A_tX_t+B_tU_t+W_t，卡尔曼滤波算法的观测方程为Y_t+1＝C_tX_t+D_tU_t+V_t，其中，X_t为系统的状态向量，表示t时刻估算出的系统状态；U_t为控制向量，表示t时刻外界对系统的控制量；Y_t为观测向量，表示t时刻估算出的测量值；A_t为状态转移矩阵、B_t为控制矩阵、C_t为观测矩阵、D_t为控制矩阵，由系统结构所确定；W_t为过程噪声，V_t观测噪声；

步骤(2)中，根据戴维南等效电路，对锂电池的SOC进行过估算，估算方程为：和E(t)＝I(t)R₁+U_C(t)+U_C0(t)，其中E(t)为电池的电动势；U_C(t)为极化电容的端电压；U_C0(t)和I(t)分别为端电压和流过电池的电流，均可通过实验测得，t₀表示初始值；

步骤(3)中，将锂电池SOC的估算方程离散化之后，以SOC、U_C为状态变量，以端电压U为观测变量的卡尔曼方程为：

U_C0,t＝E_t-I_tR₁-U_C,t (7)。