[发明专利]一种基于卡尔曼滤波框架估算电池SOC的自适应优化方法

权利要求书

1.一种基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，建立电池二阶RC等效电路模型，对电池二阶RC等效电路模型的参数进行辨识，然后对扩展卡尔曼滤波算法加入自适应优化策略，将自适应优化后的扩展卡尔曼滤波算法应用于电池SOC估算；

所述自适应优化后的扩展卡尔曼滤波算法应用于电池SOC估算的具体过程为：

(1)建立电池的状态方程和观测方程

其中：x_k表示模型的状态变量，时间常数τ₁＝R₁C₁、τ₂＝R₂C₂，η为库伦效率，I_k-1表示k-1时刻实际的电流，f(SOC_k)表示开路电压U_OC与SOC函数关系，SOC_k为k时刻荷电状态，R′₀为电池欧姆内阻，R′₁、R′₂为电池电化学极化内阻和浓差极化内阻，U_1,k为k时刻电化学极化电压，U_2,k为k时刻浓差极化电压，C₁,C₂为电池电化学极化电容和浓差极化电容，ω_k为状态方程噪声，γ_k为观测噪声；

(2)对算法参数x₀、P₀、R₀进行初始化

x₀＝[1 0.01 0.01]^T

R₀＝0.5

(3)对状态和状态协方差进行先验估计

x_k^-＝f(x_k-1)

其中：为电池在k时刻的状态先验估计，x_k-1为电池在k-1时刻的状态量，为k时刻系统状态协方差先验估计，A为非线性系统中f(x)在x_k^-处的偏导，P_k-1为k-1时刻系统状态协方差矩阵，Q为系统状态方程噪声方差；

(4)根据观测量与观测方程估计的差值Δ_k以及自适应优化策略来计算观测噪声方差；

设

如果Δ_k-Δ_k-1＜0，

如果Δ_k-Δ_k-1＝0，

R_k＝R_k-1；

如果Δ_k-Δ_k-1＞0，

其中Δ_k为k时刻观测量与观测方程估计的差值，z_k为电池在k时刻的观测量，x_k-为电池在k时刻的状态先验估计，R_k为k时刻观测方程噪声方差；

(5)计算卡尔曼增益系数

其中：K_k为k时刻卡尔曼增益系数矩阵，H为非线性系统h(x)在x_k^-处的偏导；

(6)根据卡尔曼增益系数来修正状态和状态协方差的先验估计

其中：I为单位矩阵，P_k为k时刻系统状态协方差矩阵。

2.如权利要求1所述的基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，所述开路电压U_OC与SOC函数关系为：

3.如权利要求1所述的基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，所述扩展卡尔曼滤波可用无迹卡尔曼滤波或容积卡尔曼滤波替换。

4.如权利要求1所述的基于卡尔曼滤波框架估算电池SOC的自适应优化方法，其特征在于，所述对电池二阶RC等效电路模型的参数进行辨识建立Simscape参数辨识模型，以电流为Simscape参数辨识模型输入、电压为Simscape参数辨识模型输出，同时加入解算器模块来配置模型仿真的求解方式。