[发明专利]一种基于粒子群优化粒子滤波算法的SOC估算方法

说明书

本发明提供了一种基于粒子群优化粒子滤波算法的SOC估算方法所述方法包括以下步骤：S1、在指定工况下对电池进行充放电实验，并通过分析处理实验数据构建电池等效电路模型；S2、根据辨识所得的等效电路模型，构建用于电池SOC估算的状态方程和测量方程；S3、利用粒子群优化粒子滤波估算电池SOC的变化；S4、利用粒子群算法优化粒子滤波中的粒子所处位置；S5、再次通过S3估算下一时刻电池SOC，直至估算过程结束。本发明的优点在于：粒子群算法优化粒子滤波的电池SOC估计方法在迭代中不断优化粒子所处位置，用新的粒子集估算下一时刻的SOC值，从而解决了粒子贫化的问题，提高了SOC的估算精度。

技术领域

本发明涉及电池荷电状态预测技术领域，特别涉及一种基于粒子群优化粒子滤波算法的SOC估算方法。

背景技术

作为全站直流系统最后也是最重要的保障，蓄电池对于变电站的安全稳定运行起着至关重要的作用。但是在变电站交直流一体化电源系统在实际运用中，变电站蓄电池组由于长期处于浮充电状态下，只充电不放电会造成蓄电池阳极板钝化使内阻增大、容量也会减小，蓄电池容易出现老化失容、热失衡等问题，若不能及时发现和维护，会对供电安全和稳定造成不利影响。蓄电池蓄电状态(SOC)的检测是变电站电池维护的重要手段之一。

然而现有方法中开环的安时积分法存在累计误差的问题，所以有人提出将粒子滤波(PF)应在电池的SOC估算，并取得了很好的效果。粒子滤波是一种基于蒙特卡罗方法和递归贝叶斯估计的统计滤波方法，它依据大数定理采用蒙特卡罗方法来求解贝叶斯估计中的积分运算。在粒子权重修正的过程中，重要性权重的方差随着时间而随机递增，使得粒子的权重集中到少数粒子上，甚至经过几步的递归后，可能只有一个粒子是非零权值，其他粒子的权值很小，甚至可以忽略不计，从而使得大量的计算工作都被用于对估计几乎不起作用的粒子上，这就是粒子滤波算法的退化问题，在应该用于SOC的估计过程中会影响估计的准确性。

基于此，现研究一种能够有效抑制粒子滤波的粒子退化问题、提高估算的准确性的基于粒子群优化粒子滤波算法的SOC估算方法。

发明内容

为解决上述问题，本发明旨在提出一种基于粒子群优化粒子滤波算法的SOC估算方法，通过将高斯粒子群优化粒子滤波算法对采样过程进行优化，基于高斯分布来不断更新粒子的速度，使得采样分布向后验概率较高的区域运动，从而减轻了粒子退化现象，提高了状态预估的精度。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于粒子群优化粒子滤波算法的SOC估算方法，所述方法包括以下步骤：

S1、在指定工况下对电池进行充放电实验，并通过分析处理实验数据构建电池等效电路模型；

S2、根据辨识所得的等效电路模型，构建用于电池SOC估算的状态方程和测量方程；

S3、利用粒子群优化粒子滤波估算电池SOC的变化；

S4、利用粒子群算法优化粒子滤波中的粒子所处位置；

S5、再次通过S3估算下一时刻电池SOC，直至估算过程结束。

进一步的，所述电池等效电路模型为利用最小二乘法对实验数据进行离线参数辨识，分别建立开路电压与SOC之间的函数方程以及不同SOC和温度下等效电路的参数方程。

进一步的，所述状态方程为：x_k+1＝f(x_k，I_k，ω_k)，式中x_k+1为系统k+1时刻的SOC状态值和极化电压值，f(x_k，I_k，ω_k)为状态转移模型。

进一步的，所述状态转移模型f(x_k，I_k，ω_k)的计算过程为：