[发明专利]电池荷电状态估算方法及装置

摘要

本发明提供一种电池荷电状态估算方法及装置，包括建立磷酸铁锂电池的多参数融合数学模型；采用基于指数输入隶属度函数的模糊卡尔曼滤波算法对电池荷电状态进行优化估算。其中，建立多参数融合数学模型包括充放电倍率—荷电状态分模型的建立、温度—荷电状态分模型的建立、循环次数—荷电状态分模型的建立。上述的电池荷电状态估算方法，采用基于指数输入隶属度函数的模糊自适应卡尔曼滤波算法，使得更为平滑地自适应调节卡尔曼滤波器中的量测噪声的理论值，提高系统量测噪声的匹配程度，更精确地对电池荷电状态进行估算。

主权项

1.一种电池荷电状态估算方法，采用卡尔曼滤波算法，其特征在于，包括在线实时调整方法：所述在线实时调整方法包括如下步骤：建立指数形输入隶属度函数：G_k=1,u=0；G_k∈[0,1),a_k=(G_k)²；G_k∈(1,∞],其中，G_k为指数形输入隶属度函数的输入参数，u为模糊度值；建立输出隶属度函数，根据指数输入隶属度函数及输出隶属度函数建立模糊推理规则，并将指数形输入隶属度函数的输入参数作为模糊推理规则的模糊推理控制输入量，输出隶属度的输出参数作为模糊推理规则的模糊推理控制输出量；滤波器进行滤波时，根据模糊推理规则在线输出模糊推理控制输出量，根据在线输出的模糊推理控制输出量调整量测噪声协方差的预估值以获取量测噪声协方差的优化或最优值；将得到的量测噪声协方差的优化值或最优值带入到卡尔曼增益矩阵中进行修正：式中：为量测噪声协方差的预测值，a_k为输出隶属度函数的输出参数，为量测噪声协方差的优化或最优值，为荷电状态误差的预测估计值，C_k为标准卡尔曼滤波算法的系统空间模型中的输出方程匹配系数。