[发明专利]电动汽车锂电池组的健康状态预测方法

摘要

本发明实施例提供了一种电动汽车锂电池组的健康状态预测方法。该方法主要包括：采用一种等效电路模型表征电动汽车锂电池组的结构特性，针对该等效电路模型建立电池组内阻的状态空间模型，基于状态空间模型提出一种并行粒子滤波方法对电池组的内阻进行动态跟踪预测，得到电池组内阻某一时刻下的状态估计值，将该状态估计值与电池组初始内阻值进行差值比较实现对电动汽车锂电池组健康状态的快速预测。本发明适于应用在电动汽车电池状态监测和预测系统中，在实现电动汽车锂电池组健康状态精确预测的同时，有效降低了计算复杂性，大大缩短了计算时间。

主权项

1.一种电动汽车锂电池组的健康状态预测方法，其特征在于，包括：构建能够表征电动汽车锂电池组结构特性的二阶RC等效电路模型，针对所述二阶RC等效电路模型建立所述电动汽车锂电池组内阻的状态空间模型；基于所述状态空间模型利用并行粒子滤波方法对所述电动汽车锂电池组的内阻进行动态跟踪，实现对所述电池组的内阻动态变化下的状态估计，得到所述电动汽车锂电池组的内阻某一时刻下的状态估计值；将所述电动汽车锂电池组内阻的所述状态估计值与所述电动汽车锂电池组的初始内阻值进行差值比较，根据所述差值比较结果对所述电动汽车锂电池组的健康状态进行预测；所述的并行粒子滤波方法包括：初始化，状态预测，更新权值，并行组合随机重采样和状态估计五个步骤；所述的并行组合随机重采样，包括：将包含N个粒子的整体空间分为两个独立的子空间，在每个子空间中并行同步进行重采样；(1)排序：将N个粒子的权值按照从小到大的顺序进行排序存入到集合W中，即同时将按照其对应的权值进行排序，以使得对应的权值仍然是(2)拆分：将W分为两个集合S₁、S₂，S₁∪S₂＝W；并且2i‑1≤N，S₁含有k₁个元素，S₂含有k₂个元素；(3)求和：分别计算S₁、S₂中权值的和：并且，0＜c₁＜1，0＜c₂＜1，c₁+c₂＝1；令t＝max(c₁,c₂)，d＝min(c₁,c₂)，a＝t/d；通过上述计算，分别获取到权值和最小的集合，权值和最大的集合以及这两个集合的权值和的比值；(4)取数：确定权值和最小的集合中要复制的粒子的数目：n₁＝int(N/(1+a))，其中，int表示取整；权值和最大的集合中要复制的粒子的数目：n₂＝N‑n₁；其中，n₁，n₂都是整数；(5)分布并行搜索：分别同时从所述S₁、S₂中进行搜索，确定要重新采样的粒子具体方法如下所示：从所述S₁中进行搜索，根据随机搜索方法进行重采样；FOR i＝1:n₁产生服从均匀分布的随机数u_i～U(0,c₁]，变量j＝1WHILE j≤k₁{若    {则重采样第m个粒子：              退出WHILE循环    }否则，j＝j+1}     END WHILEEND FOR从S₂中进行搜索，根据随机搜索方法进行重采样；    FOR i＝1:n₂    产生服从均匀分布的随机数u_i～U(0,c₂]，    变量j＝1    WHILE j≤k₂    {若        {则重采样第m个粒子：          i＝i+n₁，                         退出WHILE循环}否则，j＝j+1      }    END WHILEEND FOR通过上述计算，获取到重采样的粒子集合。