[发明专利]一种基于滑动窗滤波的单体锂离子电池SOC估计方法

摘要

本发明公开了一种基于滑动窗滤波的单体锂离子电池SOC估计方法。新算法中的电池模型由2个RC并联电路、1个串联电阻和1个非线性电压源组成，电池内部动态工作状态由电池端电压、RC并联电路和电池SOC进行模拟。本发明基于电化学-电路等效的锂离子电池组合模型，该模型较好的描述了电池OCV和SOC的非线性函数关系，并利用SMO算法解决模型的非线性问题。同时，本发明创新性的提出将SMO算法与Kalman滤波算法相结合，解决锂离子电池模型不确定性问题，保证电池模型的精确性和电池控制系统的可靠性。最后，本发明提出电池模型参数在线辨识方法，为锂离子电池SOC在线精确估计提供必要的参数值。

主权项

1.一种基于滑动窗滤波的单体锂离子电池SOC估计方法，其特征在于：包括以下几个步骤： 步骤1，电池等效电路端电压V_B在线辨识； 步骤1-1，利用电池参数测试仪在线测量电池工作电流I_B，单体锂离子电池最大电压v_max,i、最小电压v_min,i和最大电流i_max,i、最小电流i_min,i，电池极化内阻R_f、R_s，电池电动势内阻R_sd，电池满充状态下的电容值C_b；利用式(1)计算电池等效模型欧姆内阻R₀： 步骤1-2，建立电池端电压V_B与电池模型参数之间的拉普拉斯方程关系式；利用Spagnol提出的模型在线辨识方法和电池模型参数时间域关系式()和()，建立如下计算方程： V_B＝V_OC(SOC)-R₀I_B-G_m(s)I_B其中，非线性函数G_m(s)的表达式为： 步骤1-3，定义电池模型的状态变量为ξ＝[V_SOC V_f V_S V_B]，同时定义电池电流I_B和端电压V_B为滤波系统的输入输出变量，V_SOC为电池开路电压值；建立基于SMO算法的滤波系统的状态方程和输出方程： V_B＝Cξ        (10) 其中，系数矩阵如下： B＝[b₁ b₂ b₃ b₄]^T     C＝D^T＝[0 0 0 1]^T其中，Φ表示为Φ(V_SOC,I_B)，为电池开路电压V_OC(SOC)函数关系式中的非线性部分表达式； 根据电池工作电流I_B的约束条件，计算得到Φ表达式： |Φ(V_SOC,I_B)|≤θ(I_B) 步骤1-4，利用状态向量ξ的可观测量ξ₀和不可观测量ξ_u，以及已知的Φ(V_SOC,I_B)表达式，利用式()计算端电压V_B： 式中，B₀＝[b₁ b₂ b₄]^T,步骤2，锂离子单体电池SOC值的估计； 步骤2-1，基于SMO的单体电池开路电压V_SOC计算；利用式(16)的动态SMO滤波器方程计算端电压V_B的动态值和开路电压V_SOC的非线性部分值； 式中，非可观测子系统矩阵A_u为稳态矩阵，滤波器增益表达式为M＝[M_u 0]^T，M₀可由滤波器采样点计算，对称矩阵值P₀＞0且满足下式： P₀(A₀-M₀C₀)+(A₀-M₀C₀)^TP₀＝-Q₀      (17) 步骤2-2，计算误差参数引入传统的Lyapunov转化方程V(e)＝e^τPe，矩阵P取值为对称矩阵diag(P₀,1)，并假设结合误差参数计算方程式(20)，得到式中，参数γ(t)对于每个时间采样点t均是正数，且满足下面表达式： 步骤2-3，根据步骤2-1和步骤2-2，当满足不等式(22)表明电池SOC估计值收敛于真实值，可以计算出V_SOC的非线性部分值； 式中，参数δ(t)渐近趋向于0，若μ取值为μ＞θ(I_B)＞|Φ(V_SOC,I_B)|，则动态误差绝对值步骤3，单体电池SOC值计算； 根据放电实验法，得到电池SOC与开路电压V_OC(SOC)的关系函数为： V_OC(SOC)＝36.1425-198.472SOC+263.2273SOC²          (23) 利用步骤2估计得到的V_OC(SOC)值，结合公式(23)，计算得到实时SOC值。