[发明专利]基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法

摘要

本发明公开了一种基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法，该估算方法是在电动汽车电池平台期基于两种闭合算法的剩余电量估算混合算法，根据磷酸铁锂电池的开路电压变化特性，把电池的工作区间划分为平台期与非平台期，当电池初值在非平台期时使用粒子滤波进行剩余电量估算，而当初值处于平台期时先使用无际卡尔曼滤波追踪到真值附近再使用粒子滤波进行估算。本发明在平台期时将粒子滤波与无际卡尔曼滤波相结合，首先使用无际卡尔曼滤波对剩余电量初值进行追踪，得到接近剩余电量真值之后，使用粒子滤波进行剩余电量估算，尽可能的得到准确且鲁棒性好的结果。

主权项

1.基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法，其特征在于具体步骤为：步骤(1)，建立由Shepherd模型、Unnewehr universal模型和Nernst模型组合而成的动态观测模型，动态观测模型的开路电压与剩余电量的关系为：Vt＝K0‑RIt‑K1/SOCt‑K2SOCt+K3ln(SOCt)+K4ln(1‑SOCt)式中：Vt为t时刻的负载电压，It为t时刻的瞬时电流，R是电池内阻，SOCt为t时刻的瞬时荷电状态，K0、K1、K2、K3、K4为待辨识的电池模型参数，用于表征锂电池的极化内阻，为了表征温度及充放电倍率对剩余电量估计的干扰，对SOCt作如下定义：式中：SOCt为电池t时刻的SOC值，T为温度，τ为时间变量，η为充放电效率，κ为充放电倍率，C(T,κ,t)为在不同温度、不同充放电倍率下的电池可用容量，通过记录放电过程中电池电压、电流和对应的剩余电量值，记录总计m条，采用最小二乘法拟合得到模型参数：令Ak＝[1 ‑1/SOCk ‑SOCk ln(SOCk) ln(1‑SOCk) ‑Ik]B＝[K0 K1 K2 K3 K4 R]T则动态观测模型表示为：Vk＝AkB令C＝[A1 A2 … Am]TX＝[V1 V2 … Vm]T则最小二乘法的解为：B＝(CTC)‑1CTX得到参数K0、K1、K2、K3、K4及内阻R，则状态方程：观测方程：式中：wk为系统噪声，vk为观测噪声，它们均为零均值的高斯白噪声，方差分别为Q＝10‑5，S＝10‑2，Δt为离散系统采样周期；步骤(2)，根据开路电压‑剩余电量曲线对电池的放电过程进行分区，当剩余电量大于10％小于95％时，称为平台区，其它区域为非平台区，剩余电量10％对应开路电压为Uo1，剩余电量95％对应开路电压为Uo2，根据公式OCV＝u‑i·R计算磷酸铁锂电池放电过程中的开路电压，其中，u表示磷酸铁锂电池放电过程中的电压，i表示在放电过程中的电流，R表示电池的内阻，当电动汽车开始启动时，比较此时开路电压与Uo1、Uo2，看是否处于平台期，若处于非平台期，则直接使用粒子滤波进行估算，初值设置为0，粒子数N设定为100，通过递归运算逼近真实值，具体算法如下：初始化：从重要性概率密度函数π(x₀)中取N_s个重采样粒子设置权值，每个重采样粒子的权值为1/Ns，权值之和为1对于k＝1,2，...n预测从重要性概率密度函数π(x₀)中取新粒子更新通过公式更新权值其中，通过公式归一化权值通过公式进行状态更新监测退化程度有效粒子数目当小于设定阈值时，启动重采样k←k+1若处于平台期，则需要先使用无迹卡尔曼滤波对剩余电量初值进行追踪，初始值设定依然为0，具体算法为：初始化：初始状态为：协方差矩阵：对于k＝1,2，...n预测通过上述三式生成sigma点通过公式进行sigma点增殖通过下列两式计算预测状态的均值和协方差更新通过公式进行sigma点增殖通过下列两式计算更新状态的均值和协方差通过下式计算更新状态的互协方差使用公式计算卡尔曼增益通过公式更新后验状态通过公式更新后验协方差k←k+1其中，经过时间t后，无迹卡尔曼滤波追踪到准确的剩余电量初值，以所的值为预测初值，进行粒子滤波运算。