[发明专利]一种基于自适应模糊卡尔曼滤波的锂电池SOC估计方法

摘要

本发明公开了一种基于自适应模糊卡尔曼滤波的锂电池SOC估计方法，对于不同的锂电池，确定卡尔曼滤波离散状态空间模型后，利用自适应模糊卡尔曼滤波的方法估计SOC,其中以锂电池等效模型中的端电压的残差方差匹配度和残差均值作为模糊控制系统的输入，得到系统噪声方差和量测噪声方差的调整系数，从而对这两个方差经行调整。再把调整后的系统噪声方差和量测噪声方差代入到卡尔曼滤波算法中预估各时刻的SOC值。本发明可以精确的对动力锂电池荷点状态SOC经行估计，能解决现有估计方法存在的不能满足在线估计，累计误差大，发散，易受噪声影响等问题，估计精度高。

主权项

1.一种基于自适应模糊卡尔曼滤波的锂电池SOC估计方法，其特征在于：包括如下步骤：(1)建立电池一阶RC模型确定状态方程和观测方程，确定电池模型的卡尔曼滤波离散状态空间模型及状态变量和观测变量；(2)根据步骤(1)中确定的卡尔曼滤波离散状态空间模型计算该模型的状态估计更新值和噪声协方差矩阵的估计值；(3)以某一时刻的端电压残差均值和端电压残差匹配度为Sugeno型模糊推理系统的两个输入，输出系统噪声方差阵调整系数和量测噪声方差阵调整系数；(4)根据所得到的观测量端电压计算离散状态空间模型的离散状态协方差和卡尔曼增益矩阵，并提供状态变量估计值和滤波信息，计算状态变量的估计更新值；(5)根据步骤(3)中的调整系数计算出当前的系统噪声和量测噪声，并作为更新值进行状态误差先验值和卡尔曼增益矩阵的计算，从而实现模糊控制辅助卡尔曼滤波的地推计算，SOC估计值由每一步递推计算中的的状态估计更新值得出；所述步骤(3)中的确定模糊控制系统输入、输出值的方法，步骤如下：步骤A,确定模糊推理系统输入值的过程：计算电压残差：计算电压残差均值：计算电压残差理论方差：电压残差实际方差：计算电压残差方差匹配度：H_k＝M_k‑N_k     (5)其中，V_K为K时刻的端电压值，为K时刻的端电压的估计值，D_K为K时刻的端电压残差值，r_k为K时刻端电压残差的平均值，M_K为K时刻断电压残差的方差，N_K为K端电压残差的实际方差值，C_K,A_K为K时刻的系数矩阵,Q_K为K时刻的系统噪声方差，R_K‑1为K‑1时刻的量测噪声方差，P_K‑1为K‑1时刻的状态误差协方差，M，N为一段时间内的统计次数，由式(1)(2)(3)(4)(5)可得到r_K和H_K,将所得到得r_K和H_K作为模糊推理系统的两个输入；步骤B,确定模糊推理系统输出值的过程：Sugeno模糊推理系统可描述为：其中是模糊集合，为常量；则系统的总输出为：w_i为权重，为隶属度函数；根据模糊推理系统的模糊化方法对输入量H_k、r_k进行模糊化，H_k和r_k的隶属函数均采用三角形隶属函数，根据得到的mf1、mf2、mf3分别代表三个模糊集合；为降低计算复杂度，将输出仅表示为残差方差匹配度的线性组合，如下式所示：设计两套模糊推理系统分别输出调整系数α和β，输出为α的模糊推理系统输出参数输出为β的模糊推理系统输出参数由式(8)(9)得到调整系数α和β的值。