[发明专利]一种基于改进粒子滤波算法的二元荷电状态估算方法

权利要求书

1.一种基于改进粒子滤波算法的二元荷电状态估算方法，其特征在于，所述方法包括以下步骤：

步骤1，建立蓄电池综合模型；

步骤2，基于改进PF算法的荷电状态估算方法；

步骤3，基于改进PF算法及递推最小二乘法的SOC估算方法；

步骤4，基于二元SOC估算性能测试。

2.根据权利要求1所述的一种基于改进粒子滤波算法的二元荷电状态估算方法，其特征在于：步骤1中，蓄电池模型的建立是以经典的Thevenin模型为基础，引入对蓄电池容量特性进行分析的KiBaM模型(双井模型)，将经典的Thevenin模型与KiBaM模型相结合形成综合模型；

推导后的离散状态空间综合模型：

其中M和N满足：

观测方程表示为：

V_k＝F(S_k)-V_C,k-R₀i_k (2)

其中，ρ＝e^-(α+β)T；Q_b表示蓄电池的额定容量；w表示可用井宽度；1-w表示受限井宽度；k为可用井恢复系数。

3.根据权利要求1所述的一种基于改进粒子滤波算法的二元荷电状态估算方法，其特征在于：步骤2中，模型建立以后，需要对模型参数进行辨识，并进行SOC估算，SOC估算采用一种如下的改进的粒子滤波算法；

在标准PF递推算法的基础上，引入残差重采样算法以及Thompson-Taylor算法；

步骤2.1，粒子滤波算法实现SOC估算

PF算法的递推过程如下：

对于非线性动态系统，状态空间模型可描述为：

I：初始化：由先验概率p(x₀)产生N个初始粒子集各粒子的初始权值均为1/N，考虑到N数值的大小直接影响计算量，这里选取N为200；

II：序贯重要性采样(SIS,Sequential Importance Sampling)：将系统状态转移概率密度作为重要性概率密度，即通过模型状态方程x_k＝f(x_k-1,u_k)的传递得到N个样本

q(x_k|x_0:k-1(i),y_1:k)＝p(x_k|x_k-1(i)) (4)

III：权值更新及归一化：获得了k时刻观测值后，对权值进行更新，并对权值做归一化处理：

引入Bhattacharyya距离的思想，结合高斯概率密度分布对似然函数进行重新构造：

其中，l_i代表第i个状态的观测值与真实值之间的Bhattacharyya距离，σ是高斯分布的方差；

IV：重采样：繁殖权值较高的样本而淘汰权值较低的样本，重新生成一个新样本集合以克服样本退化和贫化；

首先采用下式近似估计有效样本数N_eff，并设定一个重采样的阀值N_th，若N_eff<N_th则说明粒子已经严重退化，存在大量小权值无效粒子，此时即可启动改进残差重采样算法，

V：系统状态估计：

VI：当前拍算法完成，回到步骤II；

应用该算法即可实现对蓄电池SOC的实时估算；

步骤2.2，改进残差重采样算法提高滤波性能

采用残差重采样更新粒子，采用多项式重采样进行粒子补偿；

采用Thompson-Taylor算法对残差重采样结果随机线性组合产生新粒子，得到一种如下的改进残差重采样算法：

I：粒子xⁱ对应的粒子复制数量为得到粒子集合为其中修正后的粒子权值为表示对x取整运算；

II：当粒子残留数目M＝N-R＞0时，采用多项式重采样根据权重对粒子集合进行补偿，得到的粒子集合为

(a)在[0,1]上按均匀分布采样得到M个独立同分布的随机数组集合{u_j}_j＝1:M，M为待补全粒子数；

(b)令Iⁱ＝cdf{u_i}，其中cdf是权值集合的累积分布函数，即，对于设ξ(i)＝ξⁱ满足函数映射ξ:{1,…,m}→X，则可以表示为ξ·cdf(u_i)；

(c)得到的补偿粒子集合为

III：建立暂存粒子域更新粒子权重在粒子域中按照Thompson-Taylor算法，产生新粒子：

(a)从暂存粒子域中随机选取粒子并找到距离最近的m个样本：

剩下的粒子集合为其中选取欧式距离计算样本之间的距离：

(b)计算相应样本的均值

(c)产生m个均匀分布随机数u_j：

其中：j＝1,2,…,m；为粒子归一化权值；

(d)利用u_j产生伪随机样本：

产生的m个新粒子集合为

IV：输出粒子集合并为粒子重新分配权值：

以上递推过程中，需要确定平滑系数m；采用实验的方式，比较不同粒子数N和m数值下，SOC估算误差曲线，择优选取。

4.根据权利要求1所述的一种基于改进粒子滤波算法的二元荷电状态估算方法，其特征在于：步骤3中，RLS启动初值是由前60组采样值辨识获得，RLS迭代过程的思想是每一次辨识结果都是对上一次结果的修正，其中需要用到电池电动势E，为上一拍估算出的SOC所对应的电动势E；再将辨识得到的模型参数R₀、R₁和C代入公式(1)(2)给出的综合模型，最后将综合模型应用于改进PF估计过程，估算得到二元SOC1、SOC2；二元SOC1、SOC2相加得到系统状态SOC，系统状态SOC通过E-SOC关系查表获得当前时刻的电动势E，用于下一拍RLS辨识；如此循环往复迭代进行，形成完整的耦合算法结构，实现了对二元SOC的高效准确估算。