背景技術(shù)：
：：目前，基于模型的SOC算法大多需要采用卡爾曼濾波系列算法來(lái)估計(jì)電池的SOC，雖然理論表明卡爾曼濾波是一種最優(yōu)的線(xiàn)性狀態(tài)估計(jì)算法，但是其只適用于模型精確、輸入噪聲統(tǒng)計(jì)特性已知的情況，這顯然不能滿(mǎn)足實(shí)際的需求。基于此，本發(fā)明所采用的H∞濾波是一種專(zhuān)為魯棒性而設(shè)計(jì)的算法。該算法主要方式參見(jiàn)《最優(yōu)狀態(tài)估計(jì)——卡爾曼，H∞及非線(xiàn)性濾波》，國(guó)防工業(yè)出版社。不同于卡爾曼濾波，即使在模型的存在誤差、噪聲的輸入統(tǒng)計(jì)特性未知，甚至是在最壞情況下，該算法依舊能準(zhǔn)確地完成狀態(tài)估計(jì)。現(xiàn)有動(dòng)力電池SOC的在線(xiàn)估計(jì)方法，由于最大可用容量(以下簡(jiǎn)稱(chēng)為容量)的不確定性使得動(dòng)力電池SOC的估計(jì)結(jié)果可靠性低。且現(xiàn)有將相對(duì)穩(wěn)定的SOC-OCV曲線(xiàn)(即開(kāi)路電壓曲線(xiàn))作為SOC估計(jì)算法的修正曲線(xiàn)，由電池使用溫度、老化程度等不同時(shí)，該曲線(xiàn)同樣會(huì)發(fā)生較為明顯的變化?；诖耍景l(fā)明考慮到不同老化程度、溫度下的OCV-SOC曲線(xiàn)與容量均會(huì)產(chǎn)生一定的變化，從而建立容量、荷電狀態(tài)以及開(kāi)路電壓的三維響應(yīng)面，即容量-SOC-OCV三維響應(yīng)面，以此為基礎(chǔ)實(shí)現(xiàn)了不同使用環(huán)境(老化程度、溫度)下的SOC與容量的聯(lián)合估計(jì)。本發(fā)明還針對(duì)動(dòng)力電池系統(tǒng)狀態(tài)量的快速時(shí)變特性與參數(shù)量的緩慢時(shí)變特性，采用微觀(guān)時(shí)間尺度估計(jì)動(dòng)力電池的SOC、采用宏觀(guān)時(shí)間尺度估計(jì)動(dòng)力電池的模型參數(shù)與可用容量，形成基于多時(shí)間尺度的動(dòng)力電池SOC和容量的聯(lián)合估計(jì)方法，實(shí)現(xiàn)動(dòng)力電池SOC和容量在不確定性應(yīng)用環(huán)境中的精確聯(lián)合估計(jì)。不僅使得估計(jì)結(jié)果更加穩(wěn)定可靠，同時(shí)降低了系統(tǒng)的計(jì)算成本。技術(shù)實(shí)現(xiàn)要素：：本發(fā)明涉及一種聯(lián)合估計(jì)動(dòng)力電池系統(tǒng)荷電狀態(tài)與健康狀態(tài)的方法，所述方法包括：首先，建立容量-SOC-OCV三維響應(yīng)面，所述OCV是所述系統(tǒng)的開(kāi)路電壓；其次，在線(xiàn)數(shù)據(jù)獲取，實(shí)時(shí)采集動(dòng)力電池單體和動(dòng)力電池組的電壓和電流；然后，多時(shí)間尺度濾波算法，獲得所述動(dòng)力電池系統(tǒng)的當(dāng)前宏觀(guān)時(shí)間尺度下的系統(tǒng)容量預(yù)估修正值與當(dāng)前微觀(guān)時(shí)間尺度下的系統(tǒng)SOC預(yù)估修正值；在每個(gè)SOC估計(jì)微觀(guān)采樣點(diǎn)下更新所述系統(tǒng)SOC預(yù)估修正值，每隔L個(gè)所述SOC估計(jì)微觀(guān)采樣點(diǎn)為容量估計(jì)宏觀(guān)采樣點(diǎn)，在該容量估計(jì)宏觀(guān)采樣點(diǎn)下更新所述系統(tǒng)容量預(yù)估修正值，每次更新后的所述系統(tǒng)容量預(yù)估修正值作為當(dāng)前容量估計(jì)宏觀(guān)采樣點(diǎn)后L次的更新所述系統(tǒng)SOC預(yù)估修正值所用的參數(shù)；所述L是兩個(gè)以上；最后，在線(xiàn)SOC與SOH提取，利用所述多時(shí)間尺度濾波算法獲得的當(dāng)前所述系統(tǒng)SOC預(yù)估修正值與系統(tǒng)容量預(yù)估修正值，估計(jì)動(dòng)力電池系統(tǒng)荷電狀態(tài)與健康狀態(tài)。優(yōu)選地、所述多時(shí)間尺度濾波算法包括：步驟①：進(jìn)行當(dāng)前SOC估計(jì)微觀(guān)采樣點(diǎn)k下的系統(tǒng)SOC預(yù)估，得到系統(tǒng)SOC預(yù)估值；步驟②：基于步驟①中的獲得的系統(tǒng)SOC預(yù)估值和上個(gè)容量估計(jì)宏觀(guān)采樣點(diǎn)的系統(tǒng)容量預(yù)估修正值，利用所述容量-SOC-OCV三維響應(yīng)面，更新當(dāng)前系統(tǒng)開(kāi)路電壓得到第一開(kāi)路電壓；然后，基于上述第一開(kāi)路電壓，進(jìn)行所述系統(tǒng)SOC預(yù)估值的修正，得到所述系統(tǒng)SOC預(yù)估修正值；步驟③：k+1作為新的SOC估計(jì)微觀(guān)采樣點(diǎn)，判斷k-1是否能被L整除，如果能，則進(jìn)行步驟④；否則返回步驟①；步驟④：進(jìn)行容量估計(jì)宏觀(guān)采樣點(diǎn)l+1下的系統(tǒng)容量預(yù)估，得到系統(tǒng)容量預(yù)估值；步驟⑤：基于步驟④中的獲得的系統(tǒng)容量預(yù)估值和最近一次步驟②中獲得的系統(tǒng)SOC預(yù)估修正值，利用所述容量-SOC-OCV三維響應(yīng)面，再次更新當(dāng)前系統(tǒng)開(kāi)路電壓得到第二開(kāi)路電壓；基于所述第二開(kāi)路電壓，進(jìn)行容量估計(jì)宏觀(guān)采樣點(diǎn)l+1下的系統(tǒng)容量預(yù)估值的修正，得到系統(tǒng)容量預(yù)估修正值；并返回步驟①。優(yōu)選地、步驟①中利用SOC估計(jì)微觀(guān)采樣點(diǎn)k-1下的系統(tǒng)電流值和系統(tǒng)SOC預(yù)估修正值，以及最近一次采樣點(diǎn)l的系統(tǒng)容量預(yù)估修正值來(lái)進(jìn)行系統(tǒng)SOC預(yù)估。優(yōu)選地、步驟②中進(jìn)行所述系統(tǒng)SOC預(yù)估值的修正，基于步驟①中的獲得的系統(tǒng)SOC預(yù)估值、所述第一開(kāi)路電壓、SOC估計(jì)微觀(guān)采樣點(diǎn)k下的電流值和電壓值。優(yōu)選地、步驟⑤中進(jìn)行所述系統(tǒng)容量預(yù)估值的修正，基于第二開(kāi)路電壓、容量估計(jì)宏觀(guān)采樣點(diǎn)l+1或最近一次SOC估計(jì)微觀(guān)采樣點(diǎn)下的電流值和電壓值。優(yōu)選地、利用系統(tǒng)容量預(yù)估修正值評(píng)估所述SOH。優(yōu)選地、所述SOC估計(jì)微觀(guān)采樣點(diǎn)的采樣頻率與所述電流、電壓采樣頻率相同。優(yōu)選地、建立所述容量-SOC-OCV三維響應(yīng)面的方法為：對(duì)不同容量下的SOC與OCV關(guān)系進(jìn)行擬合，得到各所述不同容量下的組合模型系數(shù)，采用二次函數(shù)對(duì)各組合模型系數(shù)與容量的關(guān)系進(jìn)行擬合，完成容量-SOC-OCV三維響應(yīng)面的建立。優(yōu)選地、通過(guò)電池管理系統(tǒng)實(shí)時(shí)采集動(dòng)力電池單體和動(dòng)力電池組的電壓和電流。本發(fā)明所提出的聯(lián)合估計(jì)方法與傳統(tǒng)方法相比具有以下優(yōu)勢(shì)：(1)采用SOC估計(jì)的期望值與誤差限(以95％置信區(qū)間為例，但不限于95％)更加全面、準(zhǔn)確地評(píng)價(jià)動(dòng)力電池的荷電狀態(tài)可能分布情況；(2)在SOC與容量初值均不準(zhǔn)確(20％誤差)的情況下均能快收斂到真值，即實(shí)現(xiàn)了電池最大容量未知時(shí)，SOC的準(zhǔn)確估計(jì)，解決了傳統(tǒng)SOC估計(jì)算法以最大可用容量已知為前提而無(wú)法成功運(yùn)用到實(shí)車(chē)上的難題；(3)相比單時(shí)間尺度算法而言，不僅估計(jì)精度得到了較大的提高，而且較大地減少了算法計(jì)算量與計(jì)算時(shí)間。附圖說(shuō)明：圖1多時(shí)間尺度的動(dòng)力電池系統(tǒng)SOC和SOH聯(lián)合估計(jì)方法流程圖；圖2動(dòng)力電池Thevenin等效電路模型；圖3容量-SOC-OCV三維響應(yīng)面；圖4單時(shí)間尺度雙H∞濾波算法端電壓、SOC與容量估計(jì)結(jié)果。其中：(a)、端電壓預(yù)測(cè)值與測(cè)量值對(duì)比；(b)、端電壓預(yù)測(cè)誤差；(c)、SOC估計(jì)值與參考值對(duì)比；(d)、SOC估計(jì)誤差；(e)、容量估計(jì)值與參考值對(duì)比；(f)、容量估計(jì)誤差。圖5多時(shí)間尺度H∞濾波算法端電壓、SOC與容量估計(jì)結(jié)果。其中：(a)、端電壓預(yù)測(cè)值與測(cè)量值對(duì)比；(b)、端電壓預(yù)測(cè)誤差；(c)、SOC估計(jì)值與參考值對(duì)比；(d)、SOC估計(jì)誤差；(e)、容量估計(jì)值與參考值對(duì)比；(f)、容量估計(jì)誤差。具體實(shí)施方式：如本領(lǐng)域公知的，本發(fā)明的動(dòng)力電池系統(tǒng)包括動(dòng)力電池單體、動(dòng)力電池包、或者成組后的動(dòng)力電池。本發(fā)明使用OCV代表開(kāi)路電壓，SOC代表電池荷電狀態(tài)，SOH代表電池健康狀態(tài)。本發(fā)明所述的一種基于多時(shí)間尺度的動(dòng)力電池系統(tǒng)荷電狀態(tài)(SOC)與健康狀態(tài)(SOH)的聯(lián)合估計(jì)方法如附圖1所示。本發(fā)明的基于多時(shí)間尺度的動(dòng)力電池系統(tǒng)荷電狀態(tài)(SOC)與健康狀態(tài)(SOH)的聯(lián)合估計(jì)方法也同樣適用于非線(xiàn)性系統(tǒng)。本發(fā)明系統(tǒng)的狀態(tài)指代時(shí)時(shí)變化的系統(tǒng)指標(biāo)，包括電池SOC、極化電壓，如SOC一次完全充放電過(guò)程中即完成了一個(gè)完整周期的變化。而系統(tǒng)的參數(shù)指代相對(duì)于狀態(tài)變化較慢的系統(tǒng)指標(biāo)，如電池容量和電池模型參數(shù)，其在一次完全充放電過(guò)程中幾乎沒(méi)有變化。本發(fā)明下述系統(tǒng)非特殊說(shuō)明皆指代動(dòng)力電池系統(tǒng)，系統(tǒng)狀態(tài)對(duì)應(yīng)電池系統(tǒng)狀態(tài)，優(yōu)選地對(duì)應(yīng)電池系統(tǒng)的SOC。系統(tǒng)參數(shù)對(duì)應(yīng)電池系統(tǒng)參數(shù)，優(yōu)選地對(duì)應(yīng)電池系統(tǒng)SOH或最大可用容量。該聯(lián)合估計(jì)方法包括：容量-SOC-OCV三維響應(yīng)面的建立、在線(xiàn)數(shù)據(jù)獲取、多時(shí)間尺度H∞濾波算法、以及在線(xiàn)SOC與SOH提取四個(gè)方面。下面分別對(duì)上述四個(gè)方面就行詳細(xì)敘述：算法準(zhǔn)備工作：容量-SOC-OCV三維響應(yīng)面的建立相對(duì)穩(wěn)定的SOC-OCV曲線(xiàn)，即開(kāi)路電壓曲線(xiàn)，常常作為SOC估計(jì)算法的修正曲線(xiàn)，但電池使用溫度、老化程度等變化時(shí)，該曲線(xiàn)同樣會(huì)發(fā)生較為明顯的變化。本發(fā)明將溫度、老化程度等因素對(duì)該曲線(xiàn)的影響直接反映到電池容量的差異之上，利用容量、SOC與OCV三者的關(guān)系作為容量與SOC聯(lián)合估計(jì)算法的修正曲面。具體過(guò)程如下：在不同電池容量(即溫度、老化程度變化時(shí))下進(jìn)行開(kāi)路電壓試驗(yàn)，以獲取不同電池容量下的SOC與OCV對(duì)應(yīng)關(guān)系，采用組合模型(如式(1)所示)分別對(duì)不同容量下的SOC與OCV關(guān)系進(jìn)行擬合，從而得到各個(gè)不同容量下的α0,α1,…,α6參數(shù)值，最后采用二次函數(shù)(如式(2)所示)對(duì)參數(shù)α0,α1,…,α6與容量的關(guān)系進(jìn)行擬合，至此完成容量-SOC-OCV三維響應(yīng)面的建立。Uoc(Ca,z)＝α0+α1z+α2z2+α3z3+α4/z+α5ln(z)+α6ln(1-z)(1)α0α1α2α3α4α5α6T=Λ×Ca2Ca1T---(2)]]>Ca為電池容量；z為電池SOC；Uoc(Ca,z)表示開(kāi)路電壓(OCV)，其為電池容量與SOC的函數(shù)；α0,α1,…,α6為組合模型的系數(shù)；上標(biāo)T表示矩陣的轉(zhuǎn)置；Λ為7×3常數(shù)矩陣。1、在線(xiàn)數(shù)據(jù)獲取當(dāng)電動(dòng)汽車(chē)運(yùn)行時(shí)，動(dòng)力電池系統(tǒng)中的電池管理系統(tǒng)(BMS)能夠通過(guò)數(shù)據(jù)采集器實(shí)時(shí)采集動(dòng)力電池單體和動(dòng)力電池組的電壓、電流等信息，并儲(chǔ)存在相應(yīng)的存儲(chǔ)器，為下面的多時(shí)間尺度H∞濾波算法提供可靠地實(shí)時(shí)信息輸入，所述信息輸入包括tk時(shí)刻系統(tǒng)的測(cè)量值yk＝Ut,k，tk時(shí)刻系統(tǒng)的輸入信息uk＝iL,k。iL,k為控制電流；Ut,k為端電壓。2、多時(shí)間尺度H∞濾波算法本發(fā)明使用多時(shí)間尺度H∞濾波算法來(lái)實(shí)現(xiàn)動(dòng)力電池參數(shù)與狀態(tài)聯(lián)合精確估計(jì)。該算法適用于如下非線(xiàn)性離散系統(tǒng)：xk=f(xk-1,θl,uk-1)+wk-1θl=θl-1+ρl-1yk=g(xk,θl,uk)+vk---(3)]]>x表示系統(tǒng)的狀態(tài)；θ表示系統(tǒng)的參數(shù)；下標(biāo)k表示tk時(shí)刻系統(tǒng)采樣時(shí)間點(diǎn)(外界輸入)，同時(shí)也代表了狀態(tài)估計(jì)的時(shí)間尺度，即在每個(gè)采樣時(shí)間點(diǎn)下均進(jìn)行一次狀態(tài)估計(jì)；下標(biāo)l表示參數(shù)估計(jì)的時(shí)間尺度，其數(shù)值上等于k除以L(fǎng)的商(L為尺度轉(zhuǎn)換限值)，即每隔L個(gè)采樣時(shí)間點(diǎn)進(jìn)行一次參數(shù)辨識(shí)，且每次參數(shù)辨識(shí)結(jié)果被用來(lái)估計(jì)tl×L時(shí)刻之后的L個(gè)時(shí)刻下的狀態(tài)值；微觀(guān)時(shí)間尺度，即上述狀態(tài)估計(jì)的時(shí)間尺度；宏觀(guān)時(shí)間尺度，即上述參數(shù)估計(jì)的時(shí)間尺度；f(xk-1,θl,uk-1)表示模型的狀態(tài)函數(shù)；g(xk,θl,uk)表示模型的觀(guān)測(cè)函數(shù)；yk為tk時(shí)刻系統(tǒng)的測(cè)量值,yk＝Ut,k；uk為tk時(shí)刻系統(tǒng)的輸入信息,uk＝iL,k；wk-1和ρl-1分別為系統(tǒng)狀態(tài)噪聲和參數(shù)噪聲，vk為測(cè)量噪聲，在H∞濾波算法之中，所述系統(tǒng)狀態(tài)噪聲、參數(shù)噪聲和測(cè)量噪聲被設(shè)計(jì)為隨機(jī)且未知的，突破了傳統(tǒng)濾波算法狀態(tài)噪聲、參數(shù)噪聲和測(cè)量噪聲為白噪聲這一假設(shè)，因而與實(shí)際生產(chǎn)結(jié)合更加緊密。對(duì)于電池系統(tǒng)這一非線(xiàn)性離散系統(tǒng)而言，將上述參數(shù)具體定義如下：本發(fā)明使用Thevenin動(dòng)力電池等效電路模型為例來(lái)闡述該動(dòng)力電池SOC與SOH聯(lián)合估計(jì)方法。圖2為T(mén)hevenin動(dòng)力電池等效電路模型，該模型由電壓源、歐姆內(nèi)阻、以及RC網(wǎng)絡(luò)三部分組成。根據(jù)各元器件特性以及電學(xué)基本定律建立相應(yīng)數(shù)學(xué)模型，如式(4)所示。U·p=-1CpRpUp+1CpiLUt=Uoc-Up-iLR0---(4)]]>Up為極化電壓，為其導(dǎo)數(shù)；Cp為極化電容；Rp為極化電阻；iL為控制電流；Ut為端電壓；Uoc為開(kāi)路電壓；R0為歐姆內(nèi)阻。動(dòng)力電池SOC的計(jì)算方程為：z=z0-∫iLdtCa---(5)]]>z0表示SOC的初值；Ca為動(dòng)力電池最大可用容量(下文簡(jiǎn)稱(chēng)為容量)，即指在一定的使用條件下，電池充滿(mǎn)電后能放出的最大電量，同時(shí)電池最大可用容量是表征電池健康狀態(tài)(SOH)的重要參數(shù)，即相同使用條件下，電池最大可用容量越小，電池衰退越明顯，電池健康狀態(tài)(SOH)越差。鑒于電壓電流的采樣是離散的，即SOC估計(jì)算法的輸入也是離散的，因而有必要將式(4)和(5)線(xiàn)性離散化，同時(shí)改寫(xiě)成如式(6)所示的包含隱含狀態(tài)xk和隱含參數(shù)θl的多時(shí)間尺度動(dòng)力電池系統(tǒng)，即：xk=f(xk,θl,uk)+wk=exp(-ΔtCp,lRp,l)001xk+[1-exp(-ΔtCp,lRp,l)]iL,kRp,lη(iL,k)iL,kΔt/Ca,l+wkθl+1=θl+ρlyk=g(xk,θl,uk)=Uoc,k-Up,k-R0,liL,k+vkxk=Up,kzkTθl=R0,lRp,lCp,lCa,lTyk=Ut,kuk=iL,k---(6)]]>Δt表示時(shí)間尺度k的單位時(shí)間間隔；η(iL,k-1)表示充放電效率?；谏鲜?1)、(2)與(6)，得到雙H∞濾波算法中狀態(tài)函數(shù)與觀(guān)測(cè)函數(shù)關(guān)于狀態(tài)或參數(shù)的雅克比矩陣：Ak-1=df(x,θl,uk-1)dx=exp(-ΔtCp,lRp,l)001---(7)]]>Ckx=dg(x,θl,uk)dx=[-1∂Uoc(Ca,l,z)∂z]T---(8)]]>Clθ=dg(xk,θ,uk)dθ=-iL,k00∂Uoc(Ca,zk)∂CaT+Ckx∂xk∂θ---(9)]]>Ak-1為狀態(tài)函數(shù)關(guān)于狀態(tài)的雅克比矩陣；為觀(guān)測(cè)函數(shù)關(guān)于狀態(tài)的雅克比矩陣；為觀(guān)測(cè)函數(shù)關(guān)于參數(shù)的雅克比矩陣。這里，對(duì)上式(7-9)中各函數(shù)求導(dǎo)結(jié)果進(jìn)行整理，即：∂Uoc∂z=α1+2α2z+3α3z2-α4/z2+α5/z-α6/(1-z)---(10)]]>∂Uoc∂Ca=1zz2z31/zln(z)ln(1-z)×Λ×2Ca10---(11)]]>dxkdθ=∂f(xk-1,uk-1,θ)∂θ+Ak-1dxk-1dθ---(12)]]>其中，初值dx0/dθ在未能得到可信的經(jīng)驗(yàn)值的情況下，常常被初始化為零。∂f(xk-1,uk-1,θ)∂θ=0b1b20000b4---(13)]]>b1=Up,k-1ΔtRp,l2Cp,lexp(-ΔtCp,lRp,l)-iL,k-1ΔtCp,lRp,lexp(-ΔtCp,lRp,l)-iL,k[exp(-ΔtCp,lRp,l)-1]b2=Up,k-1ΔtCp,l2Rp,lexp(-ΔtCp,lRp,l)-iL,k-1ΔtCp,l2exp(-ΔtCp,lRp,l)b4=η(iL,k)iL,kΔtCa,l2---(14)]]>至此，已完成動(dòng)力電池非線(xiàn)性離線(xiàn)系統(tǒng)中各相關(guān)參數(shù)的定義，如式(6)-(9)所示。下面對(duì)該算法具體過(guò)程進(jìn)行描述：算法的初始化：分別設(shè)置宏觀(guān)參數(shù)觀(guān)測(cè)器H∞Fθ和微觀(guān)狀態(tài)觀(guān)測(cè)器H∞Fx的初始參數(shù)值。包括：θ^0+,Q0θ,R0θ,P0θ,+,Sθ,λθ---(15)]]>x^0+,Q0x,R0x,P0x,+,Sx,λx,Σ0x,+]]>為參數(shù)觀(guān)測(cè)器H∞Fθ中系統(tǒng)參數(shù)的初始值；表示參數(shù)θk的估計(jì)值或期望值，即為參數(shù)觀(guān)測(cè)器H∞Fθ中矩陣的初始值；為設(shè)計(jì)者基于系統(tǒng)噪聲ρl所設(shè)計(jì)的對(duì)稱(chēng)正定陣，如假如我們提前知道了ρk的第三個(gè)元素很大(如比其它元素大幾個(gè)數(shù)量級(jí))時(shí)，那么應(yīng)該大于中其它元素；為參數(shù)觀(guān)測(cè)器H∞Fθ中矩陣的初始值；為設(shè)計(jì)者基于測(cè)量噪聲vk所設(shè)計(jì)的對(duì)稱(chēng)正定陣，如假如我們提前知道了vk的第二個(gè)元素很大時(shí)，那么應(yīng)該大于中其它元素；Sθ為參數(shù)觀(guān)測(cè)器H∞Fθ中設(shè)計(jì)者基于參數(shù)θ中各分量的關(guān)心程度而設(shè)定的對(duì)稱(chēng)正定陣，如當(dāng)我們對(duì)狀態(tài)向量θk的第3個(gè)元素非常感興趣時(shí)，那么可以設(shè)計(jì)Sθ(3,3)使得其遠(yuǎn)遠(yuǎn)大于Sθ中其它元素；為參數(shù)觀(guān)測(cè)器H∞Fθ中設(shè)計(jì)者基于系統(tǒng)估計(jì)誤差所設(shè)計(jì)的對(duì)稱(chēng)正定陣，如當(dāng)我們對(duì)參數(shù)向量初值θ0的第3個(gè)元素一無(wú)所知時(shí)，那么可以設(shè)計(jì)使得其遠(yuǎn)遠(yuǎn)大于中其它元素；λθ為參數(shù)觀(guān)測(cè)器H∞Fθ選定的性能邊界，選定的性能邊界值越大說(shuō)明算法魯棒性越強(qiáng)，即能更好地適應(yīng)外界的干擾(如噪聲等)，且當(dāng)性能邊界設(shè)置為0(最小值)時(shí)，算法退化為卡爾曼濾波算法，但大的性能邊界值往往依賴(lài)于矩陣與的充分合理設(shè)計(jì)，因而使得算法的調(diào)試難度較大；為狀態(tài)觀(guān)測(cè)器H∞Fx中的系統(tǒng)狀態(tài)的初始值；即為狀態(tài)xk的估計(jì)值或期望值，即為狀態(tài)觀(guān)測(cè)器H∞Fx中的系統(tǒng)狀態(tài)估計(jì)誤差協(xié)方差矩陣的初始值；為狀態(tài)估計(jì)協(xié)方差矩陣，不同于以往僅從期望值評(píng)價(jià)估計(jì)結(jié)果，本專(zhuān)利從期望值和方差兩個(gè)方面更全面地評(píng)價(jià)系統(tǒng)估計(jì)結(jié)果，并引入估計(jì)誤差限(式(12))概念，使得估計(jì)結(jié)果更加直觀(guān)；為狀態(tài)觀(guān)測(cè)器H∞Fx中矩陣初始值；為設(shè)計(jì)者基于系統(tǒng)噪聲wk所設(shè)計(jì)的對(duì)稱(chēng)正定陣，如假如我們提前知道了wk的第二個(gè)元素很大時(shí)，那么應(yīng)該大于中其它元素；為狀態(tài)觀(guān)測(cè)器H∞Fx中矩陣初始值；為設(shè)計(jì)者基于測(cè)量噪聲vk所設(shè)計(jì)的對(duì)稱(chēng)正定陣，如假如我們提前知道了vk的第三個(gè)元素非常大時(shí)，那么應(yīng)該大于中其它元素；Sx為參數(shù)觀(guān)測(cè)器H∞Fx中設(shè)計(jì)者基于狀態(tài)x中各分量的關(guān)心程度而設(shè)定的對(duì)稱(chēng)正定陣，如當(dāng)我們對(duì)狀態(tài)向量xk的第三個(gè)元素非常感興趣時(shí)，那么可以設(shè)計(jì)Sx(3,3)使得其遠(yuǎn)遠(yuǎn)大于Sx中其它元素；為參數(shù)觀(guān)測(cè)器H∞Fx中設(shè)計(jì)者基于系統(tǒng)估計(jì)誤差所設(shè)計(jì)的對(duì)稱(chēng)正定陣，如當(dāng)我們對(duì)參數(shù)向量初值x0的第三個(gè)元素一無(wú)所知時(shí)，那么可以設(shè)計(jì)使得其遠(yuǎn)遠(yuǎn)大于中其它元素；λx為狀態(tài)觀(guān)測(cè)器H∞Fx選定的性能邊界，選定的性能邊界值越大說(shuō)明算法魯棒性越強(qiáng)，即能更好地適應(yīng)外界的干擾(如噪聲等)，且當(dāng)性能邊界設(shè)置為0(最小值)時(shí)，算法退化為卡爾曼濾波算法，但大的性能邊界值往往依賴(lài)于矩陣與的充分合理設(shè)計(jì)，因而此時(shí)算法的調(diào)試難度較大。當(dāng)采樣時(shí)間k∈{1,2,...,∞}時(shí)，基于電流、電壓等信息的不斷輸入，計(jì)算：步驟①：基于微觀(guān)時(shí)間尺度的狀態(tài)觀(guān)測(cè)器H∞Fx的時(shí)間更新(先驗(yàn)估計(jì))利用k-1采樣點(diǎn)的電流值uk-1＝iL,k-1、系統(tǒng)狀態(tài)估計(jì)值的修正值，以及最近一次采樣點(diǎn)l的系統(tǒng)參數(shù)估計(jì)值的修正值來(lái)進(jìn)行系統(tǒng)狀態(tài)預(yù)估。同時(shí)，利用k-1采樣點(diǎn)的系統(tǒng)狀態(tài)設(shè)計(jì)矩陣預(yù)估完成系統(tǒng)狀態(tài)設(shè)計(jì)矩陣的時(shí)間更新所述系統(tǒng)狀態(tài)設(shè)計(jì)矩陣更新在步驟②中被用來(lái)更新?tīng)顟B(tài)增益矩陣如式(20)所示。系統(tǒng)狀態(tài)預(yù)估：系統(tǒng)狀態(tài)設(shè)計(jì)矩陣預(yù)估：系統(tǒng)狀態(tài)誤差協(xié)方差預(yù)估：為tk時(shí)刻狀態(tài)先驗(yàn)估計(jì)值，即采用tk時(shí)刻之前(不包括k)的測(cè)量值來(lái)預(yù)估xk；表示模型的狀態(tài)函數(shù)；為tk-1時(shí)刻狀態(tài)后驗(yàn)估計(jì)值，即采用tk-1時(shí)刻與tk-1時(shí)刻以前的測(cè)量值來(lái)估計(jì)xk-1，這里基于上一次循環(huán)(即tk-1時(shí)刻)的輸出直接得到；為tl×L時(shí)刻參數(shù)后驗(yàn)估計(jì)值，即采用tl×L時(shí)刻與tl×L時(shí)刻以前的測(cè)量值來(lái)估計(jì)θl，這里基于先前循環(huán)的輸出直接得到；uk為tk時(shí)刻系統(tǒng)的輸入信息，其為已知量；為tk時(shí)刻狀態(tài)設(shè)計(jì)矩陣的先驗(yàn)估計(jì)結(jié)果，與相對(duì)應(yīng)；為以為初值并通過(guò)式(17)、(22)不斷遞推得到的H∞無(wú)窮濾波狀態(tài)設(shè)計(jì)矩陣；為tk-1時(shí)刻的狀態(tài)設(shè)計(jì)矩陣的后驗(yàn)估計(jì)結(jié)果，與相對(duì)應(yīng)，這里基于上一次循環(huán)(即tk-1時(shí)刻)的輸出直接得到；為設(shè)計(jì)者基于系統(tǒng)噪聲wk所設(shè)計(jì)的對(duì)稱(chēng)正定陣在tk-1時(shí)刻的值；為tk時(shí)刻狀態(tài)估計(jì)誤差協(xié)方差矩陣的先驗(yàn)估計(jì)結(jié)果，與相對(duì)應(yīng)；為tk-1時(shí)刻的狀態(tài)估計(jì)誤差協(xié)方差矩陣的后驗(yàn)估計(jì)結(jié)果，與相對(duì)應(yīng)，這里基于上一次循環(huán)(即tk-1時(shí)刻)的輸出直接得到。步驟②：基于微觀(guān)時(shí)間尺度的狀態(tài)觀(guān)測(cè)器H∞Fx的測(cè)量更新(后驗(yàn)估計(jì))基于步驟①中的獲得的系統(tǒng)狀態(tài)預(yù)估和上個(gè)參數(shù)估計(jì)采樣點(diǎn)的系統(tǒng)參數(shù)估計(jì)值修正值(即參數(shù)后驗(yàn)估計(jì)值)，利用容量-SOC-OCV三維響應(yīng)面，獲得對(duì)應(yīng)的第一開(kāi)路電壓Uoc。然后，基于上述Uoc和當(dāng)前采樣點(diǎn)下的電流uk＝iL,k和電壓值yk＝UL,k，進(jìn)行當(dāng)前狀態(tài)估計(jì)微觀(guān)采樣點(diǎn)k下的狀態(tài)測(cè)量更新，即公式(21)所示系統(tǒng)狀態(tài)估計(jì)值修正。其中如公式(6)所示，Uoc與直接決定了的大小，利用Uoc完成公式(19)所示系統(tǒng)狀態(tài)估計(jì)新息更新。系統(tǒng)狀態(tài)估計(jì)新息更新：系統(tǒng)狀態(tài)增益矩陣：Kkx=Pkx,-(I-λxSkxPkx,-+(Ckx)T(Rkx)-1CkxPkx,-)-1(Ckx)T(Rkx)-1---(20)]]>在系統(tǒng)狀態(tài)預(yù)估的基礎(chǔ)上，利用系統(tǒng)狀態(tài)估計(jì)新息更新和系統(tǒng)狀態(tài)增益矩陣對(duì)進(jìn)行修正，得到系統(tǒng)狀態(tài)估計(jì)值修正系統(tǒng)狀態(tài)估計(jì)值修正：其中，利用步驟①獲得的系統(tǒng)狀態(tài)設(shè)計(jì)矩陣預(yù)估值完成系統(tǒng)狀態(tài)設(shè)計(jì)矩陣的測(cè)量更新所述系統(tǒng)狀態(tài)設(shè)計(jì)矩陣更新被用來(lái)預(yù)估下一時(shí)刻的系統(tǒng)狀態(tài)設(shè)計(jì)矩陣見(jiàn)式(17)。系統(tǒng)狀態(tài)設(shè)計(jì)矩陣更新：由于最終狀態(tài)估計(jì)結(jié)果呈現(xiàn)以為期望值，為方差的近似正態(tài)分布，因此利用狀態(tài)估計(jì)誤差協(xié)方差評(píng)價(jià)狀態(tài)估計(jì)值的精確度與穩(wěn)定性。系統(tǒng)狀態(tài)估計(jì)誤差協(xié)方差更新：系統(tǒng)狀態(tài)估計(jì)誤差限(95％置信區(qū)間)：為狀態(tài)估計(jì)新息，即測(cè)量值的預(yù)估誤差；yk為tk時(shí)刻系統(tǒng)的測(cè)量值；表示模型的觀(guān)測(cè)函數(shù)；為狀態(tài)增益矩陣；為設(shè)計(jì)者基于測(cè)量噪聲vk所設(shè)計(jì)的對(duì)稱(chēng)正定陣在tk時(shí)刻的值；I為單位矩陣；α為常向量，用于提取矩陣(此矩陣對(duì)角線(xiàn)上元素遠(yuǎn)大于其所在行其它元素)對(duì)角線(xiàn)上的元素，且α＝[111]T。步驟③：判斷k-1是否能被L整除，如果能，則令l＝l+1，并繼續(xù)下一步；否則，則返回準(zhǔn)備下一采樣時(shí)刻的計(jì)算。步驟④：基于宏觀(guān)時(shí)間尺度的狀態(tài)觀(guān)測(cè)器H∞Fθ的時(shí)間更新(先驗(yàn)估計(jì))系統(tǒng)參數(shù)預(yù)估：系統(tǒng)參數(shù)設(shè)計(jì)矩陣預(yù)估：為tl×L時(shí)刻參數(shù)先驗(yàn)估計(jì)值，即采用tl×L時(shí)刻之前(不包括tl×L)的測(cè)量值來(lái)預(yù)估θl；為tl×L時(shí)刻狀態(tài)設(shè)計(jì)矩陣Plθ的先驗(yàn)估計(jì)結(jié)果，與相對(duì)應(yīng)；Plθ為以為初值并通過(guò)式(26)、(30)不斷遞推得到的H∞無(wú)窮濾波參數(shù)設(shè)計(jì)矩陣；為t(l-1)×L時(shí)刻的狀態(tài)設(shè)計(jì)矩陣的后驗(yàn)估計(jì)結(jié)果，與相對(duì)應(yīng)，這里通過(guò)上一次循環(huán)的計(jì)算結(jié)果直接得到；為設(shè)計(jì)者基于系統(tǒng)噪聲ρl-1所設(shè)計(jì)的對(duì)稱(chēng)正定陣在時(shí)刻t(l-1)×L的值。步驟⑤：基于宏觀(guān)時(shí)間尺度的狀態(tài)觀(guān)測(cè)器H∞Fθ的測(cè)量更新(后驗(yàn)估計(jì))基于步驟④中的獲得的系統(tǒng)參數(shù)預(yù)估和最近一次步驟②中獲得的系統(tǒng)狀態(tài)估計(jì)值修正利用所述容量-SOC-OCV三維響應(yīng)面，再次更新當(dāng)前系統(tǒng)開(kāi)路電壓Uoc；基于上述再次更新的當(dāng)前系統(tǒng)開(kāi)路電壓Uoc、當(dāng)前采樣點(diǎn)下的電流uk＝iL,k和電壓值yk＝UL,k，進(jìn)行當(dāng)前容量估計(jì)宏觀(guān)采樣點(diǎn)下的系統(tǒng)參數(shù)估計(jì)值的修正。其中如公式(6)所示，Uoc與直接決定了的大小，利用Uoc完成系統(tǒng)狀態(tài)估計(jì)新息更新，見(jiàn)公式(27)。系統(tǒng)參數(shù)估計(jì)新息更新：系統(tǒng)參數(shù)增益矩陣：Klθ=Plθ,-(I-δθSlθPlθ,-+(Clθ)T(Rlθ)-1ClθPlθ,-)-1(Clθ)T(Rlθ)-1---(28)]]>在系統(tǒng)參數(shù)預(yù)估的基礎(chǔ)上，利用系統(tǒng)參數(shù)估計(jì)新息更新和系統(tǒng)參數(shù)增益矩陣對(duì)進(jìn)行修正，得到系統(tǒng)狀態(tài)估計(jì)值修正系統(tǒng)參數(shù)估計(jì)值修正：參數(shù)設(shè)計(jì)矩陣更新：其中，利用步驟④獲得的系統(tǒng)參數(shù)設(shè)計(jì)矩陣預(yù)估完成系統(tǒng)參數(shù)設(shè)計(jì)矩陣的測(cè)量更新所述系統(tǒng)參數(shù)設(shè)計(jì)矩陣更新用來(lái)更新下一時(shí)刻的參數(shù)增益矩陣見(jiàn)公式(26)與(28)。為狀態(tài)估計(jì)新息，即測(cè)量值的預(yù)估誤差；同樣表示模型的觀(guān)測(cè)函數(shù)；為參數(shù)增益矩陣；同樣為設(shè)計(jì)者基于測(cè)量噪聲vk所設(shè)計(jì)的對(duì)稱(chēng)正定陣在tk時(shí)刻的值；經(jīng)過(guò)上述五步之后，獲得了tk時(shí)刻下系統(tǒng)參數(shù)估計(jì)值修正與系統(tǒng)狀態(tài)估計(jì)值修正然后相應(yīng)結(jié)果將會(huì)返回到步驟①中，并將其作為下一時(shí)刻tk+1下參數(shù)與狀態(tài)估計(jì)的初值。3、SOC與SOH提取基于上述多時(shí)間尺度H∞濾波算法，得到實(shí)時(shí)的電池參數(shù)與狀態(tài)通過(guò)式(31)提取出狀態(tài)量zk，參數(shù)量Ca,l、R0,l與Rp,l。zk=01·x^k+Ca,l=0001·θ^l+R0,lRp,l=10000100·θ^l+---(31)]]>Ca,l表示tl×L時(shí)刻下更新的電池容量值；R0,l與Rp,l分別表示tl×L時(shí)刻下更新的電池歐姆內(nèi)阻與極化內(nèi)組值。式中，狀態(tài)量zk即為系統(tǒng)狀態(tài)估計(jì)值修正是實(shí)時(shí)的荷電狀態(tài)(SOC)；參數(shù)量Ca,l、R0,l和Rp,l與系統(tǒng)參數(shù)估計(jì)值修正相關(guān)，則能直接實(shí)時(shí)地反映電池的健康狀態(tài)(SOH)。在某一固定使用情況(如溫度恒定等)下，電池容量越小，反應(yīng)電池老化越嚴(yán)重，同時(shí)意味著電池健康狀態(tài)(SOH)越差，在此算法過(guò)程中，電池容量精度較高，可以以此作為主要的SOH衡量參數(shù)；同時(shí)，對(duì)于一定的使用條件(如溫度恒定、SOC固定)而言，電池內(nèi)阻越大，電池老化越嚴(yán)重，同樣意味著電池SOH越差，考慮到電池內(nèi)阻估計(jì)精度未得到充分檢驗(yàn)，因而僅將其作為SOH的輔助衡量參數(shù)。下面通過(guò)選用某一型號(hào)鎳鈷錳三元電池為例進(jìn)行試驗(yàn)，進(jìn)而比對(duì)本發(fā)明的基于多時(shí)間尺度的估計(jì)值相對(duì)于基于單時(shí)間尺度的估計(jì)值。選用鎳鈷錳三元電池為研究對(duì)象，其額定容量為2Ah，充放電截止電壓分別為4.1V、3.0V。準(zhǔn)備試驗(yàn)包括三個(gè)固定溫度點(diǎn)(10℃、25℃、45℃)下的基礎(chǔ)容量、開(kāi)路電壓、DST(DynamicStressTest，動(dòng)態(tài)應(yīng)力測(cè)試工況)循環(huán)工況三項(xiàng)試驗(yàn)，以及室溫條件下的基礎(chǔ)容量與DST循環(huán)工況試驗(yàn)。其中，三個(gè)固定溫度點(diǎn)下的試驗(yàn)主要用于容量、SOC與OCV三者函數(shù)關(guān)系的獲取、SOC與容量聯(lián)合估計(jì)算法程序的調(diào)試；室溫條件下的試驗(yàn)則用來(lái)驗(yàn)證算法的精度與穩(wěn)定性?；诨A(chǔ)容量試驗(yàn)，得到不同溫度下的最大可用容量，如表1所示。表1不同溫度下，該電池單體最大可用容量基于不同容量下(這里以溫度為例)的開(kāi)路電壓與SOC關(guān)系曲線(xiàn)，建立電池容量-SOC-OCV三維響應(yīng)面，如圖3所示。通過(guò)對(duì)容量、SOC和OCV三者關(guān)系，采用式(1)、(2)進(jìn)行擬合，從而獲得常數(shù)矩陣Λ。Λ=22.37-101.24118.36-57.39260.98-296.4556.30-258.66296.39-23.49108.48-124.480.01285-0.055410.059838.470-37.84042.385-0.13700.5997-0.6541---(33)]]>基于上述試驗(yàn)數(shù)據(jù)與式(32)，通過(guò)上述多時(shí)間尺度H∞濾波算法來(lái)實(shí)現(xiàn)SOC與容量的聯(lián)合估計(jì)。具體過(guò)程為：首先，完成聯(lián)合估計(jì)算法程序的調(diào)試。即在三個(gè)固定溫度點(diǎn)(10℃、25℃、45℃)下，基于相應(yīng)的DST試驗(yàn)數(shù)據(jù)，共同完成上述基于雙H∞濾波的SOC與容量聯(lián)合估計(jì)算法程序的調(diào)試。然后將室溫下DST試驗(yàn)數(shù)據(jù)直接調(diào)入上述調(diào)試好的聯(lián)合估計(jì)算法程序中，并將算法中SOC初值設(shè)置為80％(準(zhǔn)確初值為100％)、容量初值設(shè)置為1.5Ah(準(zhǔn)確初值為2.096Ah)，得到室溫下單時(shí)間尺度下SOC與容量估計(jì)結(jié)果。為了體現(xiàn)多時(shí)間尺度的優(yōu)勢(shì)，這里取尺度轉(zhuǎn)換限值L＝1s(單尺度)和L＝60s(多尺度)兩種情況完成動(dòng)力電池SOC與容量估計(jì)，估計(jì)結(jié)果分別如圖4、圖5所示。圖5中單尺度表示單時(shí)間尺度雙H∞濾波算法相應(yīng)估計(jì)結(jié)果，多尺度以及未具體指明的曲線(xiàn)均表示多時(shí)間尺度雙H∞濾波算法相應(yīng)估計(jì)結(jié)果。同時(shí)，表2給出了直觀(guān)的數(shù)字對(duì)比結(jié)果。需要說(shuō)明的是，由于上述所有試驗(yàn)(包括不同溫度下的基礎(chǔ)容量試驗(yàn)、開(kāi)路電壓試驗(yàn)以及DST循環(huán)工況試驗(yàn))數(shù)據(jù)采樣時(shí)間均為1s，當(dāng)L＝1s時(shí)，多時(shí)間尺度算法退化為單時(shí)間尺度算法。表2單時(shí)間尺度與多時(shí)間尺度雙H∞濾波估計(jì)結(jié)果對(duì)比注：端電壓誤差為電池模型端電壓預(yù)測(cè)值與測(cè)量值之差。測(cè)量值即通過(guò)試驗(yàn)直接測(cè)量得到，在采集精度高的試驗(yàn)情況下，即可認(rèn)為其近似等于端電壓準(zhǔn)確值。SOC誤差為上述濾波算法SOC估計(jì)值與SOC試驗(yàn)參考值之差。所述SOC試驗(yàn)參考值基于以下原理得到：在試驗(yàn)條件下，設(shè)備傳感器精度很高，從而保證了電流電壓采集精度很高。在一定試驗(yàn)條件下，按照標(biāo)準(zhǔn)的電流(一般為0.3C)充電使得電池容量充滿(mǎn)，此時(shí)電池SOC等于100％，倘若需要從90％SOC開(kāi)始試驗(yàn)，則可以按照標(biāo)準(zhǔn)電流放掉10％SOC的電流，按照此方法可以得到準(zhǔn)確的初始SOC值。之后進(jìn)行相關(guān)試驗(yàn)，直至試驗(yàn)完成時(shí)，按照標(biāo)準(zhǔn)的電流放電至0％SOC，可以得到準(zhǔn)確的試驗(yàn)完成時(shí)的SOC值。在已知初始與終止SOC的條件下，鑒于電流采集精度高、電流充放電效率已知，從而采用安時(shí)積分法能得到高精度的SOC參考曲線(xiàn)。容量誤差為上述濾波算法容量估計(jì)值與試驗(yàn)參考值之差。容量試驗(yàn)參考值即為在一定條件下，按照標(biāo)準(zhǔn)的電流充電使得電池容量充滿(mǎn)后，同樣對(duì)電池按標(biāo)準(zhǔn)電流放電至0％SOC的整個(gè)過(guò)程中所放出的總電量。從上述分析得出，本發(fā)明所提出的基于數(shù)據(jù)驅(qū)動(dòng)的車(chē)載動(dòng)力電池系統(tǒng)容量與SOC聯(lián)合估計(jì)方法與傳統(tǒng)方法相比具有以下優(yōu)勢(shì)：(1)采用SOC估計(jì)的期望值與誤差限(以95％置信區(qū)間為例，但不限于95％)更加全面、準(zhǔn)確地評(píng)價(jià)動(dòng)力電池的荷電狀態(tài)可能分布情況；(2)圖4、圖5表明在SOC與容量初值均不準(zhǔn)確(20％誤差)的情況下均能快收斂到真值，即實(shí)現(xiàn)了電池最大容量未知時(shí)，SOC的準(zhǔn)確估計(jì)，解決了傳統(tǒng)SOC估計(jì)算法以最大可用容量已知為前提而無(wú)法成功運(yùn)用到實(shí)車(chē)上的難題；(3)電池容量與內(nèi)阻是衡量電池健康狀態(tài)(SOH)重要指標(biāo)，因而上述聯(lián)合估計(jì)算法在一定程度上實(shí)現(xiàn)了SOC與SOH的聯(lián)合估計(jì)；(4)提出多時(shí)間尺度的容量與SOC估計(jì)算法，相比單時(shí)間尺度算法而言，不僅估計(jì)精度得到了較大的提高，而且較大地減少了算法計(jì)算量與計(jì)算時(shí)間。當(dāng)前第1頁(yè)1 2 3