[发明专利]多时间尺度估计动力电池荷电状态与健康状态的方法

说明书

本申请涉及利用IAPF滤波估计动力电池荷电状态与健康状态的方法，首先进行准备工作：建立容量‑SOC‑OCV三维响应面，然后利用多时间尺度IAPF滤波算法，使用宏观时间尺度获得动力电池系统参数估计值、使用微观时间尺度估计系统状态，最后提出荷电状态SOC和健康状态SOH的表征量，评估所述动力电池的荷电状态与健康状态，形成基于多时间尺度的动力电池参数和状态的联合估计方法，实现动力电池荷电状态和可用容量在不确定性应用环境中的精确联合估计，使得估计结果在全工作周期内更加稳定可靠且实现减小BMS计算量。

技术领域：

本发明涉及动力电池管理技术领域，尤其是车载动力电池系统参数辨识、荷电状态和健康状态估计领域。

背景技术：

在前专利申请CN201610375853.4首次提出了联合估计动力电池的荷电状态SOC和参数的联合估计方法，分别利用HF算法进行在线参数辨识，利用UKF算法和前述在线参数辨识的结果进行在线SOC估计，实现估计方法针对系统的实时参数更新和状态估计。

然而，上述方法中，参数根据采集数据实时更新，但是参数是一个缓慢变化的过程，而状态可以认为是一个快速实时变化的过程，所以采用HF-UKF联合估计方法虽然可以根据电池的工作情况实时更新电池的参数以便于获取更准确的荷电状态SOC，但是实时更新缓慢变化的参数对于车载电池管理系统(以下简称BMS)而言计算量比较大，而更合理的方法是采用不同时间尺度来更新电池的参数和荷电状态。此外，HF-UKF联合估计方法无法获取电池的健康状态。

基于此，本发明对上述方法进行改进，利用Improved Adeptive Particle Filter(以下简称IAPF)算法来进行动力电池系统荷电状态与健康状态的联合估计。

本发明针对动力电池系统状态量的快速时变特性与参数量的缓慢时变特性，采用IAPF算法在微观时间尺度估计动力电池的SOC，利用微观时间尺度估计结果，采用IAPF算法在宏观时间尺度估计动力电池的模型参数与可用容量，形成基于多时间尺度的动力电池SOC和容量的联合估计方法，实现动力电池SOC和容量在不确定性应用环境中的精确联合估计。相对于HF-UKF联合估计电池参数与状态方法，此方法减少了计算量，并可以在线获取电池的健康状态。

发明内容：

本发明的一种动力电池状态和参数估计的多时间尺度IAPF滤波方法，包括：

每个微观采样点进行状态估计，每隔L个微观采样点为一个宏观采样点并进行参数估计；进而实现在微观和宏观两个时间尺度的动力电池估计。

初始化：初始化所述滤波算法的宏观参数观测器和微观状态观测器的初始参数；

步骤①：状态估计：利用当前微观采样点k下系统的电流值、上个微观采样点k-1的状态粒子集和上个宏观采样点l-1的参数估计值进行状态粒子集值预估，然后计算状态权重值，最后对状态权重值进行归一化处理，得到当前微观采样点k下的状态估计值；

步骤②：参数估计：通过更新后的当前系统开路电压计算参数粒子集值预估、参数权重值，然后对参数权重值进行归一化处理，得到当前宏观采样点l下的参数估计值。

优选地，所述初始参数包括状态噪声和参数噪声；

步骤③：判断k+1是否超过该算法最大计算次数，超过，则停止所述多时间尺度IAPF滤波算法算法，如果未超过，则进行步骤④；

步骤④：通过计算状态噪声和参数噪声的协方差，更新所述状态噪声和所述参数噪声；

步骤⑤：针对状态粒子和参数粒子退化现象，进行重新采样生成新的状态粒子集和参数粒子集；

经过上述五步之后，把k+1作为新的当前微观采样点状态，判断k+1是否能被L整除，如果能，则进行步骤①；否则直接输出参数估计值。