[发明专利]基于自适应粒子滤波的荷电状态估计方法和电池管理系统

说明书

本发明公开了一种基于自适应粒子滤波的荷电状态估计方法和电池管理系统，结合电池荷电状态估计问题，充分利用已辨识的模型信息，以模型估计值与观测值之差为依据，自适应调整模型的状态噪声和观测噪声，达到了提高电池荷电状态估计精度、速度和鲁棒性的目的。同时，对搭建电动汽车动力电池管理系统硬件平台。完整的硬件平台包括电池参数检测、信息显示、安全报警和电池荷电状态估计等主要功能。通过搭建的硬件平台，对锂电池组算法验证。

技术领域

本发明涉及电池技术领域，尤其涉及一种基于自适应粒子滤波的荷电状态估计方法和电池管理系统。

背景技术

随着近些年来全球经济和科技的蓬勃发展，汽车作为人类社会不可或缺的交通工具，也在不断地改进。伴随着全球汽车保有量的持续增加，化石燃料能源的消耗也随之不断上升。汽车尾气作为目前大气污染主要来源之一，其排放量的逐年增加，也使全球大气环境的恶化进一步加剧。无人驾驶电动汽车作为目前汽车行业新兴的研究对象，集环保、无噪声、使用安全等优点于一身，其未来发展空间不可限量。

动力电池的成本、比能、循环寿命等是制约电动汽车发展的关键因素。解决这一问题，可以从两个角度出发：一是开发成本低、比能高、循环寿命长的电池；二是开发有效的电池管理系统，通过科学管理充分发挥其性能优势。荷电状态(State Of Charge，SOC)估计是电池管理的重要内容，研究电动汽车SOC估计问题，对于电池科学管理、合理安排充电时机具有现实意义。电池管理系统作为电动汽车监管电池的核心部分，能够监控电池的外部特性并对电池SOC进行实时估计，其目的是为了保证电动汽车在复杂的运行状况下，既能高效地利用电池的能量，从而最大限度发挥电池的性能，又能确保电池的使用安全，延长使用寿命。如果把电池管理系统比作电动汽车的大脑控制系统的话，那么电池剩余电量就相当于汽车的心脏，准确无误地对电池剩余电量进行估计对电动汽车将来的发展、车载动力电池监管和满足人类对汽车不断提升的需求都具有重要的研究价值和意义：(1)提高经济效益，节约成本；(2)提高电池的安全性能，完善整车性能；(3)保护电池，延长电池使用寿命。

电池SOC估计方法可以分为3类：传统方法，包括开路电压法、内阻法、安时积分法等；基于黑箱模型的估计方法，包括神经网络模型、模糊逻辑模型和支持向量回归模型等；基于状态空间模型的估计方法，常用方法有卡尔曼滤波、粒子滤波、H∞算法等。其中，传统方法不适宜在电池使用时进行估计，基于黑箱模型的估计方法对试验数据的数量和准确性依赖较强，基于状态空间模型的估计方法是当前研究的重点。粒子滤波的各种自适应改进及应用也被广泛研究，如提出了粒子数随时间自适应变化的粒子滤波方法，此方法以相对熵为依据确定下一时刻粒子数，实现了计算量减小的目的。有研究提出了重要密度函数自适应更新的粒子滤波方法，解决了采样效率低的问题，提高了算法估计精度。也有研究依据估计误差调整粒子数量，将估计误差控制在一定范围内，同时致力于减少计算量。

国内外电动汽车的普及和快速发展，促使其内部核心技术也在不断更新与进步。通过对电池模型和估计算法的不断完善，再结合运算速度越来越快的硬件处理器，使得电池管理系统的可靠性也在逐渐提高，同时也大幅度改善了电动汽车的整车性能，进一步满足消费者的需求。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种基于自适应粒子滤波的无人驾驶电动汽车荷电状态估计方法，包括：

使用等效电路模型对锂电池进行建模，所述等效电路包括欧姆内阻模块、RC网络模块和滞后模块，第i个RC网络端电压与电阻、电容的关系为：

U_pi,k+1＝exp(-Δt/τ_i)U_pi,k+R_p(1-exp(-Δt/τ_i))I_k