本發(fā)明涉及動(dòng)力電池管理中的參數(shù)預(yù)估領(lǐng)域，特別是涉及動(dòng)力電池系統(tǒng)參數(shù)與荷電狀態(tài)估計(jì)。
背景技術(shù)：
：電池的荷電狀態(tài)(SoC)估計(jì)是電池管理系統(tǒng)(BMS)的主要功能。本發(fā)明主要針對(duì)的是電池的參數(shù)辨識(shí)和荷電狀態(tài)SoC的聯(lián)合估計(jì)，其中電池系統(tǒng)參數(shù)對(duì)應(yīng)電池系統(tǒng)的歐姆內(nèi)阻R0、極化內(nèi)阻Rp和極化電容Cp。SoC描述電池剩余電量的數(shù)量，是電池使用過程中的重要參數(shù)。SoC估計(jì)是電池管理系統(tǒng)中的基礎(chǔ)功能，依靠精確的電池SoC，BMS才能準(zhǔn)確的制定充放電控制、均衡管理、安全管理與故障診斷等各種策略。SoC不能直接測量，只能通過傳感器監(jiān)控到的電流、電壓和溫度數(shù)據(jù)進(jìn)行計(jì)算或者估計(jì)。目前文獻(xiàn)中的SoC估計(jì)方法大致可以劃分為四類：安時(shí)積分法法、OCV查表法、數(shù)據(jù)驅(qū)動(dòng)法和基于模型的方法。每種方法都有各自的優(yōu)缺點(diǎn)。目前主流的研究均是采用基于模型的SoC估計(jì)方法，但是現(xiàn)有技術(shù)中的基于模型的SoC估計(jì)方法大多是在某一個(gè)動(dòng)態(tài)工況、溫度等條件下仿真和實(shí)驗(yàn)驗(yàn)證，對(duì)于動(dòng)力電池全壽命周期和全工作環(huán)境下的SoC估計(jì)結(jié)果往往偏離客觀情況，這是由于不同溫度和老化等工作條件下，電池的參數(shù)變化很大，而電池模型的參數(shù)和狀態(tài)具有耦合性，所以在單一條件下辨識(shí)出的參數(shù)不能應(yīng)用于電池的全壽命周期和全工作環(huán)境下的SoC估計(jì)。另一方面，由于SoC的初值不確定性而導(dǎo)致動(dòng)力電池SoC估計(jì)結(jié)果可靠性的顯著降低。為解決現(xiàn)有的上述動(dòng)力電池SoC估計(jì)的難題，本發(fā)明重點(diǎn)研究動(dòng)力電池參數(shù)和荷電狀態(tài)的聯(lián)合在線估計(jì)方法，針對(duì)電池模型參數(shù)在線辨識(shí)采用Hinfinityfilter(HF)算法，而SoC估計(jì)采用UnscentedKalmanfilter(UKF)算法，最終實(shí)現(xiàn)動(dòng)力電池參數(shù)和SoC在不確定性應(yīng)用環(huán)境中的精確聯(lián)合估計(jì)。HF算法是一種專為魯棒性而設(shè)計(jì)的算法，它不同于卡爾曼濾波，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)確地完成參數(shù)辨識(shí)或狀態(tài)估計(jì)。UKF算法是一種新能的濾波估計(jì)算法，以無跡變換(UT)變化為基礎(chǔ)，摒棄了對(duì)非線性函數(shù)進(jìn)行線性化的傳統(tǒng)做法，不需要求導(dǎo)計(jì)算Jacobian矩陣，沒有線性化忽略高階項(xiàng)，因此UKF算法的計(jì)算精度比較高。因此利用HF算法在線辨識(shí)出模型的參數(shù)，傳遞給UKF算法進(jìn)行在線實(shí)時(shí)SoC估計(jì)，實(shí)現(xiàn)根據(jù)不同的電池工作環(huán)境實(shí)時(shí)追蹤電池的模型參數(shù)變化，從而提高SOC估計(jì)精度。技術(shù)實(shí)現(xiàn)要素：針對(duì)動(dòng)力電池全壽命周期和全工作環(huán)境下荷電狀態(tài)SoC難以精確在線估計(jì)的難題以及由于SoC的初值不確定性導(dǎo)致動(dòng)力電池SoC估計(jì)結(jié)果可靠性的顯著降低問題，本發(fā)明提出基于HF算法參數(shù)在線估計(jì)和UKF算法在線SoC估計(jì)的聯(lián)合估計(jì)方法。所屬方法包括：首先，在線數(shù)據(jù)獲取，實(shí)時(shí)采集電池的電壓、電流和溫度；然后，建立一個(gè)適用于HF算法的狀態(tài)空間方程，利用HF算法進(jìn)行電池參數(shù)實(shí)時(shí)更新。需要指出的是：此狀態(tài)空間方程除了包括狀態(tài)方程和量測方程，還包括一個(gè)對(duì)電池模型SoC估計(jì)問題關(guān)于狀態(tài)向量中所關(guān)心的元素線性組合的方程。在狀態(tài)空間方程中，廣泛用向量來表示系統(tǒng)的各種變量組，此狀態(tài)空間方程中的狀態(tài)向量除了包括電池的參數(shù)如歐姆內(nèi)阻R0、極化內(nèi)阻Rp和極化電容Cp外，還包括了計(jì)算所需要的端電壓Ut，開路電壓Uoc和極化電壓Up。輸入向量又稱為控制向量，選用電池的控制電流IL。輸出向量同樣采用端電壓Ut。最后，利用HF算法實(shí)時(shí)更新獲得的所述電池參數(shù)后，建立一個(gè)適用于UKF算法的狀態(tài)空間方程，使用UKF算法進(jìn)行SoC在線狀態(tài)估計(jì)。需要指出的是：此狀態(tài)空間方程包括狀態(tài)方程和量測方程，在狀態(tài)方程中的狀態(tài)向量除了包括本發(fā)明要估計(jì)的電池荷電狀態(tài)SoC外，還包括電池的極化電壓Up，輸入向量又稱為控制向量，選用電池的控制電流IL。輸出向量采用端電壓Ut。優(yōu)選地，所述HF算法進(jìn)行電池參數(shù)實(shí)時(shí)更新的步驟包括：①：將所述適用于HF算法的狀態(tài)空間方程中的狀態(tài)向量、狀態(tài)向量的協(xié)方差、初始過程噪聲方差陣、初始量測噪聲方差陣、設(shè)計(jì)者基于特定問題設(shè)定的對(duì)稱正定陣以及代價(jià)函數(shù)的邊界進(jìn)行初始化。②：在當(dāng)采樣時(shí)間k∈{1，2，...，∞}時(shí)，進(jìn)行當(dāng)前采樣時(shí)間點(diǎn)k下的狀態(tài)向量預(yù)估得到當(dāng)前時(shí)間點(diǎn)下狀態(tài)向量的預(yù)估值，結(jié)合采樣時(shí)間點(diǎn)k-1下的過程噪聲方差陣，利用所述狀態(tài)向量的預(yù)估值更新進(jìn)行當(dāng)前采樣時(shí)間點(diǎn)k下的狀態(tài)向量的協(xié)方差值。③：將步驟②中的所述狀態(tài)向量的預(yù)估值，帶入量測方程，得到預(yù)估的輸出向量值即端電壓值，把所述的預(yù)估的端電壓值與傳感器測得的端電壓值進(jìn)行比較，結(jié)合所述代價(jià)函數(shù)的邊界、所述對(duì)稱正定陣、所述當(dāng)前采樣時(shí)間點(diǎn)k下的電池狀態(tài)向量預(yù)估值的協(xié)方差更新卡爾曼增益矩陣，通過所述卡爾曼增益矩陣更新當(dāng)前時(shí)間點(diǎn)下的所述電池狀態(tài)向量預(yù)估值，得到電池狀態(tài)向量的修正值或稱為后驗(yàn)估計(jì)值，同時(shí)可以計(jì)算得到電池狀態(tài)向量的修正值的協(xié)方差矩陣。④：完成步驟③后，把k+1作為新的估計(jì)時(shí)間采樣點(diǎn)，把所述電池狀態(tài)向量的修正值和電池狀態(tài)向量的修正值的協(xié)方差矩陣代入步驟②進(jìn)行k+1采樣時(shí)間點(diǎn)的狀態(tài)向量預(yù)估和狀態(tài)向量預(yù)估值的協(xié)方差更新。此外還需要把步驟③中的電池狀態(tài)向量的修正值中的電池參數(shù)代入到UKF算法中。優(yōu)選地，所述UKF算法進(jìn)行SoC在線估計(jì)步驟包括：①：將所述適用于UKF算法的狀態(tài)空間方程中的狀態(tài)向量、狀態(tài)向量的協(xié)方差、過程噪聲方差陣和量測噪聲方差陣。②：將上述初始化后的各向量或矩陣傳遞給Sigma采樣環(huán)節(jié)，生成2n+1個(gè)Sigma點(diǎn)、第一加權(quán)系數(shù)和第二加權(quán)系數(shù)，n為狀態(tài)向量的維數(shù)即n＝2。然后將2n+1個(gè)Sigma點(diǎn)傳遞給狀態(tài)方程，利用HF算法實(shí)時(shí)更新獲得的所述電池參數(shù)，結(jié)合第一加權(quán)系數(shù)得到所述狀態(tài)向量的預(yù)估值，然后結(jié)合第二加權(quán)系數(shù)和上一個(gè)采樣時(shí)間點(diǎn)的過程噪聲方差陣得到所述狀態(tài)向量預(yù)估值的協(xié)方差陣。③：將步驟②中的2n+1個(gè)Sigma點(diǎn)傳遞給量測方程，利用HF算法實(shí)時(shí)更新獲得的所述電池參數(shù)，結(jié)合第一加權(quán)系數(shù)得到所述輸出向量的預(yù)估值，然后結(jié)合第二加權(quán)系數(shù)和上一個(gè)采樣時(shí)間點(diǎn)的量測噪聲方差陣得到所述輸出向量預(yù)估值的協(xié)方差陣，同時(shí)也可以得到狀態(tài)向量預(yù)估值和輸出向量預(yù)估值之間的協(xié)方差，進(jìn)而得到增益矩陣Kk，完成上述工作后，就可以得到狀態(tài)向量的后驗(yàn)估計(jì)值即修正值和狀態(tài)向量后驗(yàn)估計(jì)值的協(xié)方差。④：完成步驟③后，把k+1作為新的估計(jì)時(shí)間采樣點(diǎn)，把所述電池狀態(tài)向量的修正值和電池狀態(tài)向量的修正值的協(xié)方差矩陣代入步驟②進(jìn)行k+1采樣時(shí)間點(diǎn)的Sigma點(diǎn)的生成、關(guān)于狀態(tài)向量的加權(quán)系數(shù)和關(guān)于輸出向量的加權(quán)系數(shù)的計(jì)算，以及狀態(tài)向量預(yù)估和狀態(tài)向量預(yù)估值的協(xié)方差更新。本發(fā)明提出的電池參數(shù)和荷電狀態(tài)聯(lián)合估計(jì)方法與傳統(tǒng)方法相比具有以下優(yōu)勢：(1)采用HF進(jìn)行電池模型參數(shù)辨識(shí)，能夠根據(jù)電池工作環(huán)境的變化在線實(shí)時(shí)更新電池的模型參數(shù)，解決了單一情況下辨識(shí)出的參數(shù)不適應(yīng)電池全工作周期和全壽命周期時(shí)導(dǎo)致的SoC精度差的問題。(2)采用UKF算法進(jìn)行SoC估計(jì)，避免了模型非線性化過程，大幅提高了計(jì)算精度，減少了計(jì)算時(shí)間。(3)HF算法和UKF算法均具有較高的魯棒性，所以使用HF-UKF進(jìn)行電池參數(shù)和狀態(tài)聯(lián)合估計(jì)方法能夠在狀態(tài)初值不精確的時(shí)候(如20％誤差)快速收斂到真實(shí)值。附圖說明圖1動(dòng)力電池Thevenin等效電路模型；圖2HF-UKF系統(tǒng)參數(shù)和荷電狀態(tài)聯(lián)合估計(jì)方法流程圖；圖3動(dòng)力電池在25℃時(shí)三種方法的SoC估計(jì)結(jié)果(a)-(b)DST工況(c)-(d)UDDS工況；圖4動(dòng)力電池DST工況下三種方法的SoC估計(jì)結(jié)果(a)-(b)40℃(c)-(d)10℃；具體實(shí)施方式本發(fā)明的電池系統(tǒng)參數(shù)和荷電狀態(tài)的聯(lián)合估計(jì)方法是基于HF算法和UKF算法，該聯(lián)合估計(jì)方法包括：模型建立、HF算法在線參數(shù)辨識(shí)和UKF算法在線荷電狀態(tài)估計(jì)三個(gè)方面。下面分別對(duì)上述三個(gè)方面進(jìn)行詳細(xì)敘述：1、模型建立當(dāng)電動(dòng)汽車運(yùn)行時(shí)，動(dòng)力電池系統(tǒng)中的電池管理系統(tǒng)(BMS)能夠通過數(shù)據(jù)采集器實(shí)時(shí)采集動(dòng)力電池的操作信息，操作信息包括電壓、電流和溫度，并將上述操作信息儲(chǔ)存在相應(yīng)的存儲(chǔ)器，建立完整的動(dòng)力電池系統(tǒng)處理基礎(chǔ)數(shù)據(jù)源。本發(fā)明所述的動(dòng)力電池可以是動(dòng)力電池單體、動(dòng)力電池包，或者動(dòng)力電池組，以及動(dòng)力電池箱中的一種或幾種。本發(fā)明使用Thevenin動(dòng)力電池等效電路模型為例來闡述該動(dòng)力電池參數(shù)和荷電狀態(tài)聯(lián)合估計(jì)方法。圖1為Thevenin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(1)所示。U·p=-1CpRpUp+1CpILUt=Uoc-Up-ILR0---(1)]]>Up為極化電壓，為極化電壓的導(dǎo)數(shù)；Cp為極化電容；Rp為極化電阻；R0為歐姆內(nèi)阻。Uoc為開路電壓OCV；IL為控制電流；Ut為端電壓；式(1)為連續(xù)時(shí)間時(shí)間系統(tǒng)，需要在應(yīng)用狀態(tài)估計(jì)和控制算法時(shí)，需要把連續(xù)時(shí)間動(dòng)態(tài)系統(tǒng)轉(zhuǎn)化為離散時(shí)間的動(dòng)態(tài)系統(tǒng)，式(1)的離散化動(dòng)態(tài)系統(tǒng)模型公式如如式(2)所示。Up,k+1=e-ΔtCp,k×Rp,kUp,k+(1-e-ΔtCp,k×Rp,k)RpIL,kUt,k=Uoc,k-Up,k-IL,kRo---(2)]]>Δt表示時(shí)間尺度k的單位時(shí)間間隔；下標(biāo)k表示tk時(shí)刻系統(tǒng)采樣時(shí)間點(diǎn)的值；開路電壓OCV和SoC的關(guān)系如式(3)所示。Uoc(s)=c0+c1s+c2s2+c3s3+c4s4+c5s5+c6s6+c7s7+c8s8sk=sk-1-ηiILΔtCn---(3)]]>其中s代表SoC，sk為k時(shí)刻的SoC；Uoc(s)為開路電壓OCV用SoC表示的多項(xiàng)式函數(shù)；ci(i＝0，1…，8)為OCV和SoC的8階多項(xiàng)式擬合系數(shù)；ηi為充放電效率；Cn為電池最大可用容量。2、HF算法在線參數(shù)辨識(shí)：在本發(fā)明中，HF算法在線參數(shù)辨識(shí)是把電池的參數(shù)，至少包括Ro，Rp，Cp，作為待辨識(shí)量，通過HF算法進(jìn)行在線實(shí)時(shí)辨識(shí)或估計(jì)。構(gòu)造公式(4)所示的適用于HF算法的非線性離散系統(tǒng)狀態(tài)空間方程，此狀態(tài)空間方程除了包括狀態(tài)方程和量測方程，還包括一個(gè)對(duì)電池模型SoC估計(jì)問題關(guān)于狀態(tài)向量中關(guān)心的元素的線性組合的方程。公式(4)從上至下的三個(gè)方程分別是狀態(tài)方程、量測方程和狀態(tài)向量線性組合的方程。其中的狀態(tài)向量、控制向量、輸出向量和關(guān)于的向量組合如式(5)所示。xHF,k=f(xHF,k-1,uk)+wHF,k≈FHF,k-1xHF,k-1+wHF,k,wHF,k~(0,QHF)yk=h(xHF,k,uk)+vHF,k≈HHF,kxHF,k+vHF,k,vHF,k~(0,RHF)zHF,k=LHF,kxHF,k---(4)]]>xHF,k=Uoc,kUt,kUp,kCp,kRp,kRo,kTuk=IL,kyk=Ut,kzHF,k=Ut,kCp,kRp,kRo,kT---(5)]]>xHF，k表示狀態(tài)空間方程的狀態(tài)向量，需要指出的是，狀態(tài)向量除了包括電池的參數(shù)如歐姆內(nèi)阻R0、極化內(nèi)阻Rp和極化電容Cp外，還包括了計(jì)算所需要的端電壓Ut，開路電壓Uoc和極化電壓Up；下標(biāo)k表示tk時(shí)刻系統(tǒng)采樣時(shí)間點(diǎn)；f(xHF，k-1，uk)表示狀態(tài)方程的狀態(tài)函數(shù)，參見公式(6)；uk為tk時(shí)刻狀態(tài)空間方程的輸入向量，參見公式(5)，為電池的控制電流IL；FHF，k-1為狀態(tài)空間方程的系統(tǒng)矩陣，參見公式(7)；yk為tk時(shí)刻狀態(tài)空間方程的輸出向量，參見公式(5)，為電池的端電壓Ut；h(xHF，k，uHF，k)表示量測方程的量測函數(shù)，參見公式(1)中的Ut表達(dá)式；HHF，k為狀態(tài)空間方程的輸出矩陣，參見公式(8)；zHF，k表示狀態(tài)空間方程的狀態(tài)向量xHF，k中關(guān)心的元素的線性組合，參見公式(5)，所述元素為選取狀態(tài)向量xHF，k中與電池模型SoC估計(jì)問題有關(guān)的元素；LHF，k是zHF，k和xHF，k的轉(zhuǎn)換矩陣，參見公式(9)；wHF，k為系統(tǒng)過程噪聲，其協(xié)方差為QHF；如假如我們提前知道了wHF，k的第四個(gè)元素很大時(shí)，那么QHF(4，4)應(yīng)該大于QHF中其它元素。vHF，k為系統(tǒng)量測噪聲，其協(xié)方差為RHF；如假如我們提前知道了vHF，k的第四個(gè)元素很大時(shí)，那么RHF(4，4)應(yīng)該大于RHF中其它元素。系統(tǒng)狀態(tài)方程中f(xHF，k-1，uHF，k)如式(6)所示。f(xHF,k-1,uk)=Uoc,k-1Uoc,k-1-Up,k-1-IL,k-1Ro,k-1e-ΔtCp,k-1×Rp,k-1Up,k+(1-e-ΔtCp,k-1×Rp,k-1)Rp,k-1IL,k-11/Cp,k-11/Rp,k-1Ro,k-1---(6)]]>而離散化后的矩陣FHF，k-1HHF，k和LHF，k如式(7)-(9)所示。FHF,k-1=∂f∂x|x=x^HF,k-1---(7)]]>HHF，k＝[010000](8)LHF,k=010000000100000010000001---(9)]]>至此，已完成動(dòng)力電池適用于HF算法參數(shù)辨識(shí)的非線性離散系統(tǒng)狀態(tài)空間方程中各相關(guān)參數(shù)的定義，如式(4)-(9)所示。下面對(duì)該算法具體過程進(jìn)行描述：步驟1：算法的初始化：分別設(shè)置參數(shù)觀測器HF的初始參數(shù)值。S0，θ，QHF，0，RHF，0為HF系統(tǒng)狀態(tài)向量xHF，k＝[UocUtUpCpRpRo]T的初值，本領(lǐng)域技術(shù)人員根據(jù)各個(gè)元素的自身的范圍結(jié)合經(jīng)驗(yàn)給定其初始值，如Uoc和Ut在電池的充放電截止電壓內(nèi)，根據(jù)現(xiàn)階段是充電還是放電給定一個(gè)初值。由于HF算法的魯棒性，一旦給定了初值，隨著時(shí)間更新和測量更新，各元素都會(huì)更新，所以此初值不影響估計(jì)的結(jié)果。分別為HF系統(tǒng)關(guān)于狀態(tài)向量的協(xié)方差矩陣初始值，本領(lǐng)域技術(shù)人員結(jié)合普通技術(shù)經(jīng)驗(yàn)設(shè)置。S0為設(shè)計(jì)者基于狀態(tài)向量中各分量的關(guān)心程度而設(shè)定的對(duì)稱正定陣，如當(dāng)我們對(duì)狀態(tài)向量的第6個(gè)元素非常感興趣時(shí)，那么可以設(shè)計(jì)S0(6，6)使得其遠(yuǎn)遠(yuǎn)大于S0中其它元素；θ為HF選定的代價(jià)函數(shù)或性能邊界，選定的性能邊界值越大說明算法魯棒性越強(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于矩陣QHF，0與RHF，0的充分合理設(shè)計(jì)，因而使得算法的調(diào)試難度較大；QHF，0為過程噪聲方差陣QHF的初值；如果假如我們提前知道了wHF，0的第四個(gè)元素很大時(shí)，那么QHF，0(4，4)應(yīng)該大于QHF，0中其它元素。RHF，0為量測噪聲協(xié)方差矩陣RHF的初始值；如假如我們提前知道了vHF，0的第四個(gè)元素很大時(shí)，那么RHF，0(4，4)應(yīng)該大于RHF，0中其它元素。步驟2：時(shí)間更新(先驗(yàn)估計(jì))在當(dāng)采樣時(shí)間k∈{1，2，...，∞}時(shí)，進(jìn)行當(dāng)前采樣時(shí)間點(diǎn)k下的狀態(tài)向量的先驗(yàn)估計(jì)結(jié)合過程噪聲方差陣QHF，k-1，利用狀態(tài)向量的先驗(yàn)估計(jì)值更新進(jìn)行當(dāng)前采樣時(shí)間點(diǎn)k下的狀態(tài)向量的協(xié)方差預(yù)估另外還需要更新當(dāng)前采樣時(shí)間點(diǎn)下的系統(tǒng)正定矩陣它會(huì)影響到后面的卡爾曼增益矩陣。具體公式如式(10)-(12)所示。狀態(tài)向量預(yù)估：狀態(tài)向量的協(xié)方差預(yù)估：正定矩陣更新：為tk時(shí)刻狀態(tài)向量預(yù)估值，或稱為狀態(tài)向量先驗(yàn)估計(jì)值，利用上一時(shí)刻tk-1的狀態(tài)向量的后驗(yàn)估計(jì)值來預(yù)估；為上一時(shí)刻tk-1的狀態(tài)向量的后驗(yàn)估計(jì)值；FHF，k-1為狀態(tài)空間方程的系統(tǒng)矩陣，利用上一時(shí)刻tk-1的狀態(tài)向量的后驗(yàn)估計(jì)值和公式(6)和(7)進(jìn)行計(jì)算；為當(dāng)前tk時(shí)刻的狀態(tài)向量的協(xié)方差矩陣先驗(yàn)估計(jì)值；為上一時(shí)刻tk-1的狀態(tài)向量的協(xié)方差矩陣的后驗(yàn)估計(jì)值；QHF，k-1為上一時(shí)刻tk-1的系統(tǒng)過程噪聲方差陣；為系統(tǒng)正定矩陣，會(huì)影響增益矩陣，在本發(fā)明中，Sk默認(rèn)設(shè)為單位矩陣；Lk為轉(zhuǎn)換矩陣，根據(jù)公式(9)可以看出，其不隨時(shí)間變化；步驟3：測量更新(后驗(yàn)估計(jì))：將步驟2中的所述狀態(tài)向量的預(yù)估值帶入量測方程，得到預(yù)估的輸出向量值即端電壓值，把所述的預(yù)估的端電壓值與傳感器測得的端電壓值進(jìn)行比較，如公式(13)所示；結(jié)合所述代價(jià)函數(shù)的邊界θ、所述對(duì)稱正定陣所述當(dāng)前采樣時(shí)間點(diǎn)k下的電池狀態(tài)向量預(yù)估值的協(xié)方差更新卡爾曼增益矩陣KHF，k，如公式(14)所示；通過所述卡爾曼增益矩陣更新當(dāng)前時(shí)間點(diǎn)下的所述電池的所述狀態(tài)向量預(yù)估值，得到電池狀態(tài)向量修正值或稱為后驗(yàn)估計(jì)值如公式(15)所示；同時(shí)可以計(jì)算得到電池狀態(tài)向量的修正值的協(xié)方差矩陣如公式(16)所示。新息矩陣更新：卡爾曼增益矩陣更新：KHF,k=FHF,kPHF,k-(I-θS‾kPHF,k-+HHF,kTRHF,k-1HHF,kPHF,k-)-1HHF,kTRHF,k-1---(14)]]>狀態(tài)向量估計(jì)值修正：狀態(tài)向量的修正值的協(xié)方差矩陣更新：PHF,k+=PHF,k-(I-θS‾HF,kPHF,k-+HHF,kTRHF,k-1HHF,kPHF,k-)-1---(16)]]>eHF，k為tk時(shí)刻的新息矩陣，用于系統(tǒng)狀態(tài)向量估計(jì)值進(jìn)行修正；yk為tk時(shí)刻的傳感器的量測值，即電壓的端電壓值；HHF，k為tk-1時(shí)刻的量測方程的系數(shù)矩陣，參見公式(8)，不會(huì)隨時(shí)間改變；KHF，k為tk時(shí)刻的卡爾曼增益矩陣，會(huì)和新息矩陣eHF，k一起修正狀態(tài)向量估計(jì)值；I為6×6的單位矩陣；為tk時(shí)刻的系統(tǒng)狀態(tài)向量的后驗(yàn)估計(jì)；為tk時(shí)刻的系統(tǒng)狀態(tài)向量的協(xié)方差矩陣的后驗(yàn)估計(jì)。步驟4：時(shí)間更新(先驗(yàn)估計(jì))完成步驟3后，把k+1作為新的估計(jì)時(shí)間采樣點(diǎn)，將電池的所述狀態(tài)向量修正值和電池狀態(tài)向量的修正值的協(xié)方差矩陣代入步驟2進(jìn)行k+1采樣時(shí)間點(diǎn)的狀態(tài)向量預(yù)估和狀態(tài)向量預(yù)估值的協(xié)方差預(yù)估。此外還需要把步驟3中的電池狀態(tài)向量修正值中的電池參數(shù)，至少包括歐姆內(nèi)阻R0，k、極化內(nèi)阻Rp，，k和極化電容Cp，，k，代入到UKF算法中。3、UKF算法在線狀態(tài)估計(jì)過程：得到tk時(shí)刻下的電池參數(shù)Ro，k，Rp，k，Cp，k，即可通過UKF算法進(jìn)行SoC在線狀態(tài)估計(jì)。構(gòu)建適用于UKF算法的離散系統(tǒng)的狀態(tài)空間方程如式(17)所示。此狀態(tài)空間方程包括UKF狀態(tài)方程和UKF量測方程，在UKF算法在線估計(jì)SoC過程中提到的UKF狀態(tài)方程和UKF量測方程均是指式(17)所示的方程。在UKF狀態(tài)方程中的UKF狀態(tài)向量(在下文的UKF算法中，如無特別說明，均將UKF狀態(tài)向量簡稱狀態(tài)向量)除了包括本發(fā)明要估計(jì)的電池荷電狀態(tài)SoC外，還包括電池的極化電壓Up，參見公式(18)。輸入向量又稱為控制向量，選用電池的控制電流IL。輸出向量采用端電壓Ut。xk+1=f(xk,uk)+wk=exp(-ΔtCp,kRp,k)001xk+[1-exp(-ΔtCp,kRp,k)]IL,kRp,kηiIL,kΔt/Cn+wkyk=g(xk,uk)+vk=Uoc,k-Up,k-Ro,kIL,k+vkwk~(0,Qk)vk~(0,Rk)---(17)]]>xk＝[Up，ksk]T(18)xk表示系統(tǒng)的狀態(tài)向量，參見公式(18)；下標(biāo)k表示tk時(shí)刻系統(tǒng)采樣時(shí)間點(diǎn)；f(xk，uk)表示UKF狀態(tài)方程的狀態(tài)函數(shù)，參見公式(17)；g(xk，uk)表示UKF量測方程的觀測函數(shù)，參見公式(17)；wk為UKF過程噪聲，其協(xié)方差為Qk；如假如我們提前知道了wk的第2個(gè)元素很大時(shí)，那么Qk(2，2)應(yīng)該大于Qk中其它元素。vk為UKF量測噪聲，其協(xié)方差為Rk；如假如我們提前知道了vk的第四個(gè)元素很大時(shí)，那么Rk(2，2)應(yīng)該大于Rk中其它元素。利用UKF算法進(jìn)行荷電狀態(tài)SoC的在線估計(jì)，具體過程如下：步驟1：算法的初始化：設(shè)置UKF狀態(tài)觀測器的初始參數(shù)值Q0，R0。為系統(tǒng)狀態(tài)向量xk＝[Up，ksk]T的初值，是本領(lǐng)域技術(shù)人員初始根據(jù)各個(gè)元素的自身的范圍大致給定一個(gè)值的，如Up，k在電池的充放電截止電壓內(nèi)，根據(jù)現(xiàn)階段是充電還是放電給定一個(gè)初值，sk可以設(shè)置成真實(shí)SoC值的80％。因?yàn)镠F算法的魯棒性，一旦給定了初值，隨著時(shí)間更新和測量更新，各元素都會(huì)更新，所以此初值不影響估計(jì)的結(jié)果。分別為系統(tǒng)關(guān)于狀態(tài)向量的協(xié)方差矩陣初始值，本領(lǐng)域技術(shù)人員根據(jù)經(jīng)驗(yàn)設(shè)置；Q0和R0分別為UKF觀測器中狀態(tài)空間方程的過程噪聲協(xié)方差矩陣初始值和量測噪聲協(xié)方差矩陣初始值；如假如我們提前知道了wk的第2個(gè)元素很大時(shí)，那么Q0(2，2)應(yīng)該大于Q0中其它元素。如假如我們提前知道了vk的第四個(gè)元素很大時(shí)，那么R0(2，2)應(yīng)該大于R0中其它元素。步驟2：時(shí)間更新(先驗(yàn)估計(jì))在當(dāng)采樣時(shí)間k∈{1，2，...，∞}時(shí)，將上述初始化后的各向量或矩陣傳遞給Sigma采樣環(huán)節(jié)，生成2n+1個(gè)Sigma點(diǎn)、第一加權(quán)系數(shù)和第二加權(quán)系數(shù)n為狀態(tài)向量的維數(shù)即n＝2。然后將2n+1個(gè)Sigma點(diǎn)傳遞給公式(17)中的UKF狀態(tài)方程，利用HF算法實(shí)時(shí)更新獲得的電池狀態(tài)向量修正值中的所述電池參數(shù)，結(jié)合關(guān)于狀態(tài)向量的第一加權(quán)系數(shù)和上一個(gè)采樣時(shí)間點(diǎn)的UKF系統(tǒng)過程噪聲方差Qk-1陣得到所述狀態(tài)向量預(yù)估值或稱為狀態(tài)向量先驗(yàn)估計(jì)值，以及對(duì)于狀態(tài)向量預(yù)估值的協(xié)方差陣，分別參見公式(21)和(22)。Sigma點(diǎn)和加權(quán)系數(shù)：x^k-10=x^k-1+x^k-1i=x^k-1++n+λ(Pk-1)i,i=1,2,...,nx^k-1i=x^k-1+-n+λ(Pk-1)i,i=n+1,...,2nw0m=λn+λw0c=λn+λ+1+β-α2wim=wic=11(n+λ),i=1,2,...,2n---(19)]]>為當(dāng)i＝0，1，2，...，2n時(shí)的Sigma點(diǎn)；為當(dāng)i＝0，1，2，...，2n時(shí)的第一加權(quán)系數(shù)；為當(dāng)i＝0，1，2，...，2n時(shí)的第二加權(quán)系數(shù)λ＝3α2-n，n＝2；α和β根據(jù)經(jīng)驗(yàn)通常分別設(shè)置成默認(rèn)的1和0；為Pk-1的分解矩陣，狀態(tài)方程傳遞Sigma點(diǎn)狀態(tài)向量先驗(yàn)估計(jì)狀態(tài)向量預(yù)估值的協(xié)方差先驗(yàn)預(yù)估：為更新了Sigma點(diǎn)的狀態(tài)量；為狀態(tài)向量的先驗(yàn)估計(jì)值；為狀態(tài)向量協(xié)方差的先驗(yàn)估計(jì)值；步驟3：測量更新(后驗(yàn)估計(jì))將步驟2中的2n+1個(gè)sigma點(diǎn)傳遞給公式(17)中的UKF量測方程，利用HF算法實(shí)時(shí)更新所獲得的HF算法中的電池狀態(tài)向量修正值中的所述電池參數(shù)，結(jié)合第一加權(quán)系數(shù)得到所述輸出向量的預(yù)估值參見公式(24)；然后結(jié)合第二加權(quán)系數(shù)和上一個(gè)采樣時(shí)間點(diǎn)的量測噪聲方差陣Rk得到所述輸出向量預(yù)估值的協(xié)方差陣參見公式(25)，同時(shí)也可以得到狀態(tài)向量預(yù)估值和輸出向量預(yù)估值之間的協(xié)方差參見公式(26)；進(jìn)而得到增益矩陣Kk，參見公式(27)；完成上述工作后，就可以得到狀態(tài)向量的后驗(yàn)估計(jì)值即修正值和狀態(tài)向量后驗(yàn)估計(jì)值即修正值的協(xié)方差。分別如公式(28)和(29)所示。UKF量測方程傳遞Sigma點(diǎn)：輸出向量更新：輸出向量協(xié)方差更新：狀態(tài)向量和輸出向量之間的協(xié)方差更新：卡爾曼增益矩陣更新狀態(tài)向量后驗(yàn)估計(jì)狀態(tài)向量協(xié)方差后驗(yàn)估計(jì)為更新了Sigma點(diǎn)的輸出向量；為系統(tǒng)UKF量測方程的量測更新；為系統(tǒng)輸出向量的協(xié)方差矩陣；為狀態(tài)向量和輸出向量之間的協(xié)方差矩陣；Kk為卡爾曼增益矩陣；為狀態(tài)向量修正值，即狀態(tài)向量后驗(yàn)估計(jì)值；為狀態(tài)向量協(xié)方差修正值，即狀態(tài)向量協(xié)方差的后驗(yàn)估計(jì)值；步驟4：時(shí)間更新(先驗(yàn)估計(jì))完成步驟3后，把k+1作為新的估計(jì)時(shí)間采樣點(diǎn)，把所述電池狀態(tài)向量的修正值和電池狀態(tài)向量的修正值的協(xié)方差矩陣代入步驟2進(jìn)行k+1采樣時(shí)間點(diǎn)的Sigma點(diǎn)的生成、第一加權(quán)系數(shù)和第二加權(quán)系數(shù)的計(jì)算，以及狀態(tài)向量預(yù)估和狀態(tài)向量預(yù)估值的協(xié)方差更新。下面通過實(shí)驗(yàn)數(shù)據(jù)進(jìn)一步闡明本發(fā)明的突出特點(diǎn)，僅在于說明本發(fā)明的實(shí)施內(nèi)容而不限于本發(fā)明。選用鎳鈷錳三元電池NMC為研究對(duì)象，其額定容量為2.1Ah，充放電截止電壓分別為4.2V和2.5V。準(zhǔn)備試驗(yàn)包括三個(gè)固定溫度點(diǎn)(10℃、25℃、40℃)下的基礎(chǔ)容量、開路電壓、DST循環(huán)工況三項(xiàng)試驗(yàn)，以及25℃條件下的UDDS循環(huán)工況試驗(yàn)，動(dòng)態(tài)工況。其中，三個(gè)固定溫度點(diǎn)下的試驗(yàn)主要用于最大可用容量、SOC-OCV曲線關(guān)系的獲??；25℃條件下的試驗(yàn)則用來驗(yàn)證算法的精度與穩(wěn)定性。不同溫度下的最大可用容量如表1所示。根據(jù)開路電壓實(shí)驗(yàn)得到不同SoC水平下的OCV數(shù)據(jù)和按公式(3)得到的OCV-SoC曲，OCV是開路電壓。表1不同溫度下，該申池單體最大可用容量基于上述試驗(yàn)數(shù)據(jù)以及部分?jǐn)?shù)據(jù)的處理，通過上述HF-UKF算法來實(shí)現(xiàn)參數(shù)和狀態(tài)的聯(lián)合估計(jì)。具體過程為：首先在25℃的進(jìn)行DST工況下的HF參數(shù)在線辨識(shí)和UKF狀態(tài)在線估計(jì)的程序調(diào)試，然后更改動(dòng)態(tài)工況為UDDS工況，驗(yàn)證算法的精度和穩(wěn)定性，最后在DST工況下更改環(huán)境溫度，分布改成10℃和40℃，驗(yàn)證算法的精度和穩(wěn)定性。在上述計(jì)算中，將算法中SoC初值設(shè)置為80％(準(zhǔn)確初值為100％)來查看不準(zhǔn)確初值情況下算法的穩(wěn)定性和魯棒性。為了體現(xiàn)HF-UKF聯(lián)合估計(jì)的優(yōu)勢，還分別采用PSO-UKF方法和HF估計(jì)OCV方法進(jìn)行SoC估計(jì)，PSO-UKF方法利用PSO算法進(jìn)行離線參數(shù)辨識(shí)，然后把電池模型參數(shù)傳遞給UKF進(jìn)行在線SoC估計(jì)，HF估計(jì)OCV方法是利用HF算法進(jìn)行在線參數(shù)辨識(shí)，可以根據(jù)電池的工作環(huán)境辨識(shí)出當(dāng)前情況下的電池參數(shù)包括OCV信息，利用SoC-OCV表可以進(jìn)行插值得到SoC，這種方法對(duì)SoC-OCV表的精度要求較高。HF-UKF聯(lián)合估計(jì)的結(jié)果與傳統(tǒng)的這兩種非聯(lián)合估計(jì)的方法進(jìn)行對(duì)比。圖3為25℃時(shí)的DST工況和UDDS工況下HF、PSO-UKF、HF-UKF三種估算方法的對(duì)比結(jié)果，其中(a)-(b為)DST工況(c)-(d)UDDS工況，Reference為采用高精度傳感器安時(shí)積分法方法計(jì)算的SoC，在不精確初值時(shí)，只改變動(dòng)態(tài)工況不改變溫度等工作環(huán)境時(shí)，HF-UKF聯(lián)合SoC估計(jì)精度是最高的。圖4為40℃和10℃時(shí)的DST工況下的三種方法的對(duì)比結(jié)果，其中(a)-(b)為40℃，(c)-(d)為10℃，PSO-UKFCasel為當(dāng)溫度從25℃改變時(shí)，重新用PSO進(jìn)行參數(shù)辨識(shí)然后傳遞給UKF進(jìn)行SoC估計(jì)，而PSO-UKFCase2為當(dāng)溫度從25℃改變時(shí)，仍然采用25℃時(shí)PSO辨識(shí)出的參數(shù)傳遞給UKF進(jìn)行SoC估計(jì)。從圖可以看出，HF估計(jì)OCV然后查表的方法精度是最低的，而PSO-UKF根據(jù)溫度的改變更新參數(shù)后的精度明顯比不更新參數(shù)時(shí)的精度要高，而HF-UKF聯(lián)合估計(jì)在溫度改變時(shí)估計(jì)精度均高于其他兩種方法。在初值不精確的情況下，三種方法均能收斂到參考值。從上述分析得出，本發(fā)明所提出的HF-UKF參數(shù)和荷電狀態(tài)聯(lián)合估計(jì)方法與傳統(tǒng)方法相比具有以下優(yōu)勢：(1)在溫度改變和動(dòng)態(tài)工況發(fā)生改變時(shí)，HF-UKF參數(shù)和荷電狀態(tài)聯(lián)合估計(jì)方法均能在初值不準(zhǔn)確的情況下很快收斂于參考值；(2)在溫度和動(dòng)態(tài)工況發(fā)生改變時(shí)，HF-UKF參數(shù)和荷電狀態(tài)聯(lián)合估計(jì)方法比其他兩種非聯(lián)合估計(jì)方法估計(jì)的SoC精度高，穩(wěn)定性要好。當(dāng)前第1頁1 2 3