[发明专利]一种面向空间应用的锂离子电池荷电状态的在线估计方法

说明书

一种面向空间应用的锂离子电池荷电状态的在线估计方法，涉及锂离子电池健康管理领域，为了解决现有锂离子电池SOC估计方法存在的估计精度低、稳定性差和对训练数据集的完备性要求较高的问题。建立电池等效电路模型；进行模型参数辨识，并考虑模型参数与SOC间的变化关系，建立模型参数插值表；模型参数满足给电路模型施加电流激励信号时电压响应误差在允许的范围内；建立荷电状态估计系统的状态空间方程；采用建立的状态空间方程，基于UPF算法进行当前时刻电池荷电状态SOC的在线估计；根据当前时刻的荷电状态SOC估计值，结合建立的模型参数插值表更新模型参数，并将更新的模型参数用于下一时刻荷电状态的估计中。适用于在线估计电池荷电状态。

技术领域

本发明涉及锂离子电池健康管理领域，具体涉及一种基于无迹粒子滤波算法的锂离子电池荷电状态在线估计方法。

背景技术

锂离子电池以其单体输出电压高、循环寿命长、自放电率低、能量密度大、无环境污染等优点广泛应用于消费类电子、电动汽车、通信储能基站等领域，并逐渐扩展至航空、航天、航海等军事领域。尤其是在空间卫星应用方面，锂离子电池可大大降低载荷的重量和体积，较传统的镍氢电池和镍铬电池具有巨大优势，已经成为了第三代卫星储能电池。作为卫星在地影期运行的唯一能量来源，锂离子电池的安全可靠运行是保证卫星等空间飞行器在轨运行的前提。因此，针对面向空间应用的锂离子电池管理已经成为了研究的热点。

荷电状态(State of Charge,SOC)估计是锂离子电池健康管理的核心内容之一，其在线实时估计可以预计系统的运行时间，并制定合理的电池充放电策略，对于保障系统的安全运行具有重要意义。而SOC估计对于空间应用，可以对锂离子电池或航天器电源子系统的能源分配和优化管理，提供重要的参考。但是，锂离子电池本身具有的强非线性特征给SOC的精确估计带来了巨大的挑战，因此，开发能适应于复杂电池系统的SOC估计方法是当前电池管理的一个技术难点。

目前，锂离子电池SOC的估计方法主要有安时积分法、开路电压法、卡尔曼滤波法、扩展卡尔曼滤波法(Extended Kalman Filtering,EKF)和神经网络等方法。安时积分法实现简单，也是目前绝大多数对精度要求不高场合下所采用的估计方法，但是其在长期的估计过程中存在累计误差，且初始SOC不能确定；开路电压法需要长时间的电池静置，大多是用于实验室条件下测试应用，不能实时在线估计SOC；卡尔曼滤波算法只适用于线性系统，对于电池这一非线性系统滤波精度不高，甚至发散；扩展卡尔曼滤波算法对非线性系统具有一定的适应性，但是对电池这一强非线性系统仍然存在一定的缺陷，存在稳定性下降，甚至发散的问题；神经网络法可以实现SOC的在线估计，但是需要大量的测试数据集作为支撑，即对训练数据集的完备性要求较高。与此同时，粒子滤波系列算法，如无迹粒子滤波算法(Unscented Particle Filter,UPF)对非线性非高斯的复杂系统具有良好的适应性，在电池状态估计和寿命预测领域具有广阔的应用前景。

发明内容

本发明的目的是为了解决现有锂离子电池SOC估计方法存在的估计精度低、稳定性差和对训练数据集的完备性要求较高的问题，从而提供一种面向空间应用的锂离子电池荷电状态的在线估计方法。

本发明所述的一种面向空间应用的锂离子电池荷电状态的在线估计方法，该方法包括：

步骤一、建立电池等效电路模型；

步骤二、进行模型参数辨识，并考虑模型参数与SOC间的变化关系，建立模型参数插值表；

步骤三、基于步骤二辨识的模型参数，给电路模型施加电流激励信号，判断电压响应误差是否在允许的范围内，如果判断结果为是，则进行步骤四，否则返回步骤二；

步骤四、建立荷电状态估计系统的状态空间方程；

步骤五、采用步骤四的建立的状态空间方程，基于UPF算法进行当前时刻电池荷电状态SOC的在线估计；