[发明专利]一种改进EKF算法的锂电池SOC估算方法

摘要

本发明提出了一种改进EKF算法的锂电池SOC估算算法，在EKF算法的基础上，首先借助鲁棒数据校正思想，以EKF观测方差中端电压估计值与实际测量值yk的残差ek作为基准，采用影响函数，并设置一个阈值η，通过比较端电压估计值与实际测量值yk的残差与阈值η大小，对滤波过程噪声方差Qk进行实时修正，降低噪声Qk估计误差的权重，使鲁棒目标函数达到最小值；然后通过不同SOC的动态区间调整观测噪声协方差阵Rk，可以减小模型误差对SOC估算精度的影响。

主权项

1.一种改进EKF算法的锂电池SOC估算方法，其特征在于：包括如下步骤：步骤一：建立锂电池等效模型：选取二阶RC并联的Thevenin电池模型，模型的数学关系式：U＝Uocv‑R0I‑Up1‑Up2    (1)其中U为电池端电压，Uocv为开路电压，R1，C1分别为活化极化的电阻和电容，R2，C2分别为浓差极化的电阻和电容；步骤二：模型参数辨识方法：对电池分不同间隔的SOC点进行实验，整个过程共100s，首先是10s的1C脉冲放电，然后静置40s，再进行10s的1C的脉冲充电，最后静置40s，其中HPPC实验的SOC点分别为0.9、0.8、0.7、0.6、0.5、0.4、0.3、0.2、0.1；然后根据电池实验采集的数据，采用含有加权因子的最小二乘递推算法WRLS对模型参数进行辨识；步骤三：采用含有加权因子的递推最小二乘法对模型参数进行辨识：步骤3.1：对步骤一中式(1)、(2)离散化处理得到模型差分方程：U'(k)＝k0+k1U'(k‑1)+k2U'(k‑2)+k3I(k)+k4I(k‑1)+k5(k‑2)式中k0,k1,k2,k3,k4,k5为待定系数。上式写成最小二乘形式式中，ψ(k)为数据向量，θ为待估系数向量，由WRLS算法可求得k0,k1,k2,k3,k4,k5；步骤3.2：基于遗忘因子的递推最小二乘法的模型参数辨识过程：首先确定最小二乘协方差P0和参数矩阵θ的初值；然后根据如下递推公式辨识参数k0,k1,k2,k3,k4,k5的值，进而得出R0,R1,R2,C1,C2的值；步骤四：采用改进的EKF算法对电池SOC进行估算：步骤4.1：建立电池系统离散的状态空间模型：根据Thevenin电池模型参数的数学方程式，联合电池安时积分法原理，将电池的SOC与Thevenin电池模型的极化电压作为电池的状态变量，选取测量的电池端电压UL作为观测量，得到的状态预测方程与观测方程式(3)和(4)所示，UL,k＝Uocv,k‑R0ik‑Up1,k‑Up2,k    (4)令步骤4.2：基于改进EKF算法的估算过程：1)k＝0,选择初始值2)计算预测值3)预测误差协方差矩阵系统噪声计算：if |rk|≤η4)计算卡尔曼滤波增益矩阵量测噪声计算：if SOC≥SOCH Rk＝Rk0(1+G1(SOC‑SOCH))if SOC≤SOCH Rk＝Rk0(1+G1(SOC‑SOCL))else，Rk＝Rk05)状态估计更新6)状态估计更新Pk|k＝(I‑KkCk)Pk|k‑17)判断滤波是否执行，如果是，返回步骤2)；否则，结束算法。