[发明专利]一种基于非线性预测扩展卡尔曼滤波的电池SOC估计方法

摘要

本发明公开了一种基于非线性预测扩展卡尔曼滤波的电池SOC估计方法，它具有运算简单与精度高的优点；它包括步骤1)将整个方法所需要的时间平均分成N个时间段，每一个时间段代表一步，即第k个时间段为第k步；其中k≤N，k与N均为正整数；2)根据基尔霍夫电压和电流定理，建立电池系统的模型；得到电池系统模型的误差矩阵d(k)与电池系统的模型误差分配矩阵G(k)；3)对步骤2)所得的先验状态估计方程进行补偿；4)求解第k+1步电池系统的后验状态估计方程，得到SOC值；5)根据步骤4)的第k+1步电池系统的后验状态估计结果，与电池的SOC真值进行比较，验证非线性预测卡尔曼滤波NPEKF算法的有效性，k＝n+1，并转到步骤3)，直至第N步执行完。

主权项

一种基于非线性预测扩展卡尔曼滤波的电池SOC估计方法，其特征是，包括步骤：1)将整个方法所需要的时间平均分成N个时间段，每一个时间段代表一步，即第k个时间段为第k步；其中k≤N，k与N均为正整数；2)根据基尔霍夫电压和电流定理，建立电池系统的模型；以电池的端电流为输入变量，以SOC值与支路电压为状态变量，得到电池系统的先验状态估计方程；以电池的端电压为输出变量，以电池的端电流为输入变量，以SOC值与支路电压为状态变量，得到电池系统的测量方程；根据电池系统的模型的测量方程，得到电池系统模型的误差矩阵d(k)与电池系统的模型误差分配矩阵G(k)；3)对步骤2)所得的先验状态估计方程进行补偿：利用电池系统的模型误差矩阵d(k)与电池系统的模型误差分配矩阵G(k)对步骤2)所得的先验状态估计方程进行补偿，得到精准的先验状态估计方程，k＝n，n为正整数，n≤N；4)求解第k+1步电池系统的后验状态估计方程，得到SOC值；5)根据步骤4)得到的第k+1步电池系统的后验状态估计结果，与电池的SOC真值进行比较，验证非线性预测扩展卡尔曼滤波NPEKF算法的有效性，k＝n+1，并转到步骤3)，直至第N步执行完；所述步骤3)中对先验状态估计方程进行补偿的具体步骤为：31)对电池系统的模型误差分配矩阵G(k)进行初始化；32)求解电池系统的模型误差矩阵d(k)；33)对步骤2)所得的先验状态估计方程进行补偿：其中为第k+1步的先验状态估计，为第k+1步的先验状态估计关于的函数，xk为状态变量；uk为输入变量；所述步骤32)中电池系统的模型误差矩阵d(k)的具体求解过程为：321)求解参数Λ(Δt)：Λ(Δt)是1×1维的对角阵，其值为：Λ(Δt)＝Δt2/2；322)求解参数的计算公式如下：式中，分别是关于的第1阶和第2阶李导数，为输出变量估计关于的函数，输入变量uk＝ik，ik为第k个时刻点的电池端电流；323)求解参数是1×2维的矩阵，其行元素如下：式中，g1和g2分别是G(k)中的第1和第2列元素；是先沿后沿g1的李导数；是先沿后沿g2的李导数；根据上述公式可得到：式中，Uoc,k为第k步电池开路电压，SOC为电池的电荷状态；324)求解模型误差矩阵d(k)：其中，R为测量噪声协方差矩阵，W为电池系统的模型误差加权矩阵，Δt＝tk+1‑tk为采样时间间隔，为第k步的状态估计，为第k步的yk的估计，yk+1为第k+1步的测量真值，yk+1＝Ubat,k+1，Ubat,k+1第k+1步的电池端电压。