估計動力電池的荷電狀態(tài)S0C的方法，本發(fā)明所提出的估 計動力電池的荷電狀態(tài)S0C的方法的估計精度較高且估計結(jié)果穩(wěn)定。
【主權(quán)項】
1. 一種估計電動車輛的動力電池的荷電狀態(tài)的方法，其特征在于，該方法包括如下步 驟： 步驟一、在所述動力電池充放電的過程中，對動力電池的端電壓Ut和充放電電流i ^進(jìn) 行采樣，且采樣時間間隔為At; 步驟二、建立所述動力電池的系統(tǒng)模型； 步驟三、估計所述動力電池的荷電狀態(tài)： 首先，根據(jù)所述動力電池的系統(tǒng)模型建立所述動力電池的狀態(tài)方程和觀測方程，其中， xk為所述動力電池在k時刻的系統(tǒng)估計狀態(tài)， xk i為所述動力電池在k-Ι時刻的系統(tǒng)估計狀態(tài)， yk為所述動力電池在k時刻的系統(tǒng)觀測矩陣， Θ k為所述動力電池在k時刻的系統(tǒng)參數(shù)， ω k為所述動力電池在k時刻的系統(tǒng)狀態(tài)白噪聲，其均值為零，協(xié)方差矩陣為Q k， uk為所述動力電池在k時刻的系統(tǒng)輸入信息， vk為所述動力電池在k時刻的系統(tǒng)測量白噪聲，其均值為零，協(xié)方差矩陣為R k， f (xk η Θ k uk D為所述動力電池在k時刻的狀態(tài)函數(shù)， h (xk，Θ k，uk)為所述云力力電池在k時亥Ij的觀測函數(shù)； 接著，依次采用安時積分法以及采用狀態(tài)觀測器⑶KF、AEKF和H inf inity配合所述動 力電池的系統(tǒng)模型分別對所述動力電池的荷電狀態(tài)進(jìn)行估計得到所述動力電池的荷電狀 態(tài)的估計值 zk,Ah，zk, CDKF, zk,AEKF^P z k, Hinf; 然后，對Zk,Ah, Zk,mKF, Zmekf^P zMinf進(jìn)行加權(quán)計算得到所述動力電池的荷電狀態(tài)的估計 值Zk，且2. 根據(jù)權(quán)利要求1所述的估計電動車輛的動力電池的荷電狀態(tài)的方法，其特征在于， 在所述步驟一中，采集數(shù)據(jù)時，采樣時間間隔At為均值。3. 根據(jù)權(quán)利要求1所述的估計電動車輛的動力電池的荷電狀態(tài)的方法，其特征在于， 在所述步驟二中，采用等效電路建立所述動力電池的系統(tǒng)模型。4. 根據(jù)權(quán)利要求1所述的估計電動車輛的動力電池的荷電狀態(tài)的方法，其特征在于， 在所述步驟三中，所述加權(quán)系數(shù)W1, W2, W 4均等于0. 25。5. 根據(jù)權(quán)利要求1-4中任意一項所述的估計電動車輛的動力電池的荷電狀態(tài)的方法， 其特征在于，在所述步驟三中，采用安時積分法對所述動力電池的荷電狀態(tài)進(jìn)行估計時，其中， Cn為所述動力電池的額定容量， η為所述動力電池的充放電效率， U為所述動力電池在k時刻的充放電電流， Zk Uh為動力電池在k-l時刻的荷電狀態(tài)的估計值。6.根據(jù)權(quán)利要求1-4中任意一項所述的估計電動車輛的動力電池的荷電狀態(tài)的方法， 其特征在于，在所述步驟三中，采用狀態(tài)觀測器CDKF對所述動力電池的荷電狀態(tài)進(jìn)行估計 時， 首先，定義sigma點(diǎn)其中， <所述動力電池在k時刻的增廣狀態(tài)向量， T表示矩陣轉(zhuǎn)置， g為所述動力電池在k時刻的增廣狀態(tài)向量X!產(chǎn)生的sigma點(diǎn)的集合， L為所述動力電池在k時刻的增廣狀態(tài)向量X〔的維數(shù)； 接著，對所述狀態(tài)觀測器⑶KF中的X、xa、PlP P a進(jìn)行初始化設(shè)置得到X。、萬、/T和 其中， X。為所述動力電池的狀態(tài)向量X的初始值， <為所述動力電池的增廣狀態(tài)向量Xa的初始值， C為所述動力電池的狀態(tài)向量估計誤差的協(xié)方差矩陣Px的初始值， /T為所述動力電池的增廣狀態(tài)向量估計誤差的協(xié)方差矩陣Pa的初始值； 然后，構(gòu)造 sigma點(diǎn)，并對所述狀態(tài)觀測器CDKF進(jìn)行時間更新，且更新的時間長度為一 個采樣時間間隔A t，得到所述狀態(tài)向量X和所述狀態(tài)向量協(xié)方差矩陣Px在k時刻的先驗 估計值匁和#〃，且其中，為所述動力電池在k-Ι時刻的增廣狀態(tài)向量產(chǎn)生的Sigma點(diǎn)的集合，且Si gma 點(diǎn)的數(shù)量n = 2L+1，為所述動力電池在k-1時刻的增廣狀態(tài)向量的后驗估計值，為所述動力電池在k時刻的增廣狀態(tài)向量茗產(chǎn)生的第i個sigma點(diǎn)， γ為中心差分半步長度， P/T為所述動力電池在k-1時刻的增廣狀態(tài)向量估計誤差的協(xié)方差矩陣p/^的后驗估 計值，:為所述動力電池在k-l時刻的增廣狀態(tài)向量產(chǎn)生的第i個 sigma點(diǎn)的狀態(tài)函數(shù)， 3C二,為所述動力電池在k-Ι時刻的狀態(tài)向量Xk i產(chǎn)生的第i個sigma點(diǎn)， Θ k i為所述動力電池在k-Ι時刻的狀態(tài)向量X k i的系統(tǒng)參數(shù)， uk i所述動力電池在k-Ι時刻的輸入信息，為所述動力電池在k-Ι時刻的系統(tǒng)狀態(tài)白噪聲cok i產(chǎn)生的第i個Sigma點(diǎn)， <為所述動力電池在k時刻的狀態(tài)向量先驗估計值，所述動力電池在k時刻的狀態(tài)向量X1J fe生的第i個sigma點(diǎn)， 為一階統(tǒng)計特性的權(quán)系數(shù)，其中， 斤為所述動力電池在k時刻的狀態(tài)向量估計誤差的協(xié)方差矩陣if的先驗估計值， vr,k)為二階統(tǒng)計特性的權(quán)系數(shù)； 最后，對所述狀態(tài)觀測器CDKF進(jìn)行測量更新，得到所述動力電池的狀態(tài)向量X和所述 動力電池的狀態(tài)向量估計誤差的協(xié)方差矩陣Px的后驗估計值 <和€+，且， 系統(tǒng)觀測矩陣的估計值：其中， Ykil為所述狀態(tài)觀測器CDKF在k時刻輸出的第i個觀測矩陣產(chǎn)生的sigma點(diǎn)，f為所述動力電池在k-Ι時刻的增廣狀態(tài)向量產(chǎn)生的第i個sigma 點(diǎn)的觀測函數(shù)， A為所述狀態(tài)觀測器⑶KF在k時刻輸出的系統(tǒng)觀測矩陣yk的估計值， 新息矩陣：觀測矩陣的誤差協(xié)方差矩陣：狀態(tài)向量與觀測矩陣的協(xié)方差矩陣：濾波增益矩陣：狀態(tài)向量修正：狀態(tài)向量估計誤差的協(xié)方差矩陣更新：循環(huán)上述更新操作，得到所述動力電池的荷電狀態(tài)的估計值Zt CDKF。7.根據(jù)權(quán)利要求1-4中任意一項所述的估計電動車輛的動力電池的荷電狀態(tài)的方法， 其特征在于，在所述步驟三中，采用狀態(tài)觀測器AEKF配合所述動力電池的系統(tǒng)模型對所述 動力電池的荷電狀態(tài)進(jìn)行估計時， 首先，對所述狀態(tài)觀測器AEKF中的x、P、Q、R進(jìn)行初始化設(shè)置得到&1。、〇。和1?。，其中， X。為所述動力電池的系統(tǒng)狀態(tài)X的初始值， Pc為所述動力電池的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣P的初始值， Qc為所述動力電池的系統(tǒng)白噪聲的協(xié)方差矩陣Q的初始值， Rd為所述動力電池的觀測噪聲的協(xié)方差矩陣R的初始值； 接著，對所述狀態(tài)觀測器AEKF進(jìn)行時間更新，且更新的時間長度為一個采樣時間間隔 A t，得到所述動力電池的系統(tǒng)狀態(tài)X和所述動力電池的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣P 在k時刻的先驗估計值為和A，且其中， Ak i為所述動力電池在k-Ι時刻的狀態(tài)函數(shù)的轉(zhuǎn)移矩陣，且Pk i為所述動力電池在k-Ι時刻的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣， Qk i為所述動力電池在k-Ι時刻的系統(tǒng)狀態(tài)白噪聲的協(xié)方差矩陣； 然后，對所述狀態(tài)觀測器AEKF進(jìn)行測量更新，得到所述動力電池的系統(tǒng)狀態(tài)X和所述 動力電池的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣P在k時刻的后驗估計值€和<，且 新息矩陣：卡爾曼增益矩陣：自適應(yīng)匹配：噪聲協(xié)方差矩陣：系統(tǒng)狀態(tài)修正：系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣更新：其中， M為進(jìn)行數(shù)據(jù)采樣時的窗口的長度， Ck為估計過程中所述動力電池的觀測函數(shù)在k時刻的雅可比矩陣，且I為單位矩陣； 循環(huán)上述更新操作，得到所述動力電池的荷電狀態(tài)的估計值ztAEKF。8. 根據(jù)權(quán)利要求1-4中任意一項所述的估計電動車輛的動力電池的荷電狀態(tài)的方法， 其特征在于，在所述步驟三中，采用狀態(tài)觀測器H inf inity對所述動力電池的荷電狀態(tài)進(jìn) 行估計時， 首先，對所述狀態(tài)觀測器H infinity中的x、P、Q、R以及與狀態(tài)相關(guān)的權(quán)系數(shù)矩陣S進(jìn) 行初始化設(shè)置得到X(]、Pc、Qc、Rc和S。，并指定性能邊界δ， 其中， X。為所述動力電池的系統(tǒng)狀態(tài)X的初始值， Pc為所述動力電池的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣P的初始值， Qc為所述動力電池的系統(tǒng)白噪聲的協(xié)方差矩陣Q的初始值， Rd為所述動力電池的觀測噪聲的協(xié)方差矩陣R的初始值； 接著，對所述狀態(tài)觀測器H inf inity進(jìn)行時間更新，且更新的時間長度為一個采樣時 間間隔A t，得到所述動力電池的系統(tǒng)狀態(tài)X和所述動力電池的系統(tǒng)狀態(tài)估計誤差的協(xié)方 差矩陣P在k時刻的先驗估計值·^和B，且其中， Ak i為所述動力電池在k-Ι時刻的狀態(tài)函數(shù)的轉(zhuǎn)移矩陣，且Pk i為所述動力電池在k-Ι時刻的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣， Qk i為所述動力電池在k-Ι時刻的系統(tǒng)白噪聲的協(xié)方差矩陣； 然后，對所述狀態(tài)觀測器H inf inity進(jìn)行測量更新，得到所述動力電池的系統(tǒng)狀態(tài)X 和所述動力電池的系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣P在k時刻的后驗估計值尤和斤，且 新息矩陣：濾波增益矩陣：系統(tǒng)狀態(tài)修正：系統(tǒng)狀態(tài)估計誤差的協(xié)方差矩陣更新：其中， Ck為估計過程中所述動力電池的觀測函數(shù)在k時刻的雅可比矩陣，且I為單位矩陣； 循環(huán)上述更新操作，得到動力電池的荷電狀態(tài)的估計值zMinf。9. 一種應(yīng)用權(quán)利要求1-8中任意一項所述的估計方法對電動車輛的動力電池的荷電 狀態(tài)進(jìn)行估計的動力電池管理系統(tǒng)。
【專利摘要】本發(fā)明涉及電動車輛的動力電池管理系統(tǒng)，尤其涉及動力電池管理系統(tǒng)估計動力電池的荷電狀態(tài)的方法。為提高電動車輛的電池管理系統(tǒng)對動力電池的荷電狀態(tài)SOC的估計精度及估計穩(wěn)定性，本發(fā)明提出一種估計電動車輛的動力電池的荷電狀態(tài)的方法，采集動力電池的端電壓和充放電電流；建立動力電池的系統(tǒng)模型；采用安時積分法以及采用狀態(tài)觀測器CDKF、AEKF和H？infinity配合系統(tǒng)模型分別對動力電池的荷電狀態(tài)進(jìn)行估計得到zk,Ah,zk,CDKF,zk,AEKF和zk,Hinf；對zk,Ah,zk,CDKF,zk,AEKF和zk,Hinf進(jìn)行加權(quán)計算得到最終估計值zk，zk＝w1zk,Ah+w2zk,CDKF+w3zk,AEKF+w4zk,Hinf，加權(quán)系數(shù)w1+w2+w3+w4＝1。該估計方法采用多種方法進(jìn)行估計并經(jīng)加權(quán)計算得出最終的估計值，精度可達(dá)到2％以內(nèi)，大部分達(dá)到1％以內(nèi)，不易發(fā)散，穩(wěn)定性高。
【IPC分類】G01R31/36
【公開號】CN105425153
【申請?zhí)枴緾N201510732030
【發(fā)明人】熊瑞, 張永志, 何洪文, 王春
【申請人】北京理工大學(xué)
【公開日】2016年3月23日
【申請日】2015年11月2日