[发明专利]一种基于非线性预测扩展卡尔曼滤波的电池SOC估计方法

权利要求书

1.一种基于非线性预测扩展卡尔曼滤波的电池SOC估计方法，其特征是，包括步骤：

1)将整个方法所需要的时间平均分成N个时间段，每一个时间段代表一步，即第k个时间段为第k步；其中k≤N，k与N均为正整数；

2)根据基尔霍夫电压和电流定理，建立电池系统的模型；以电池的端电流为输入变量，以SOC值与支路电压为状态变量，得到电池系统的先验状态估计方程；以电池的端电压为输出变量，以电池的端电流为输入变量，以SOC值与支路电压为状态变量，得到电池系统的测量方程；根据电池系统的模型的测量方程，得到电池系统模型的误差矩阵d(k)与电池系统的模型误差分配矩阵G(k)；

3)对步骤2)所得的先验状态估计方程进行补偿：利用电池系统的模型误差矩阵d(k)与电池系统的模型误差分配矩阵G(k)对步骤2)所得的先验状态估计方程进行补偿，得到精准的先验状态估计方程，k＝n，n为正整数，n≤N；

4)求解第k+1步电池系统的后验状态估计方程，得到SOC值；

5)根据步骤4)得到的第k+1步电池系统的后验状态估计结果，与电池的SOC真值进行比较，验证非线性预测扩展卡尔曼滤波NPEKF算法的有效性，k＝n+1，并转到步骤3)，直至第N步执行完；

所述步骤3)中对先验状态估计方程进行补偿的具体步骤为：

31)对电池系统的模型误差分配矩阵G(k)进行初始化；

32)求解电池系统的模型误差矩阵d(k)；

33)对步骤2)所得的先验状态估计方程进行补偿：

其中为第k+1步的先验状态估计，为第k+1步的先验状态估计 关于的函数，x_k为状态变量；u_k为输入变量；

所述步骤32)中电池系统的模型误差矩阵d(k)的具体求解过程为：

321)求解参数Λ(Δt)：

Λ(Δt)是1×1维的对角阵，其值为：

Λ(Δt)＝Δt²/2；

322)求解参数

的计算公式如下：

式中，分别是关于的第1阶和第2阶李导数，为输出变量估计关于的函数，输入变量u_k＝i_k，i_k为第k个时刻点的电池端电流；

323)求解参数

是1×2维的矩阵，其行元素如下：

式中，g₁和g₂分别是G(k)中的第1和第2列元素；是先沿后沿g₁的李导数；是先沿后沿g₂的李导数；

根据上述公式可得到：

式中，U_oc,k为第k步电池开路电压，SOC为电池的电荷状态；

324)求解模型误差矩阵d(k)：

其中，R为测量噪声协方差矩阵，W为电池系统的模型误差加权矩阵，Δt＝t_k+1-t_k为采样时间间隔，为第k步的状态估计，为第k步的y_k的估计，y_k+1为第k+1步的测量真值，y_k+1＝U_bat,k+1，U_bat,k+1第k+1步的电池端电压。

2.如权利要求1所述的一种基于非线性预测扩展卡尔曼滤波的电池SOC估计方法，其特征是，所述步骤31)还包括对NPEKF滤波器的初始化：

给定状态变量初始估计值给定电池系统的模型误差加权矩阵W、过程激励噪声协方差矩阵Q、测量噪声协方差矩阵R和误差协方差矩阵P₀的初始值。