[发明专利]用于确定状态噪声协方差矩阵的方法和相应设备

说明书

一种用于确定状态噪声协方差矩阵的方法，所述状态噪声协方差矩阵用于调整电蓄能器的电池的充电状态的观测器，所述方法包括：‑针对电池的一组工作点中的每个工作点，确定电池的电气模型的至少一个分量(R₀，Z₁)的值；‑针对所述值中的每一个，获得所述分量的测定误差(r(SOC_k))；‑储存所述分量的值和测定误差；‑计算针对电池的各个工作点的测定误差的标准偏差(σ[r(SOC_1...p))；以及‑基于所计算的标准偏差来产生协方差矩阵(Q)。

技术领域

本发明涉及监测电蓄能器的电池的工作状态，并且尤其涉及监测飞机机载电池的工作状态。

更具体地，本发明涉及监测电蓄能器的电池的充电状态(也称为SOC)。

背景技术

估计充电状态SOC是电能储存系统管理的必要部分。

目前，存在各种用于确定电池的充电状态的方法。

这些方法中的一种方法包括使用采用卡尔曼滤波器的充电状态观测器，在该卡尔曼滤波器中，通过校正增益，将所测量的电池电压与通过模型估计的电压之间的误差用来来校正电池模型的状态。调整所述增益值，以便调节观测器的动力学/动态行为。

该滤波器(也被称为扩展卡尔曼滤波器EKF)基于下述的模型——该模型以状态方程的形式描述电池的行为。

校正所述模型的内部状态(尤其是充电状态SOC)，以使得作为模型输出的估算电压与测得的电池端子间电压之间的差最小化。

由于递归计算的动态校正增益，保持了模型行为和电池行为之间的收敛。

卡尔曼滤波器使用误差协方差B、状态噪声协方差Q和测量噪声协方差R矩阵，这些协方差矩阵作用于系统的动力学/动态行为。

充电状态观测器需要矩阵P、R和Q的初始化。

第一矩阵P在每次迭代时计算在每个状态变量中发现的误差。基于对操作条件的了解、或基于要考虑的与100％的SOC估计中的初始误差相对应的最坏情况初始化来对该矩阵进行初始化。第二矩阵R是如此地用实验方法定义的：即通过对在休息阶段测量的电池电压进行采样来量化来自传感器的噪声。

识别第三个矩阵Q是最关键的任务。这代表了模型中的错误，并且因此需要对所使用的模型有良好的了解和理解。

由于所观测的系统的状态不是物理可测量的，因此在现有技术中凭经验来定义矩阵Q，或甚至凭直觉来定义矩阵Q，这影响了现有技术方法的可靠性。

发明内容

因此，本发明的目的是克服现有技术的缺点，并提供一种用于确定状态噪声协方差矩阵Q的方法，该方法考虑了电池的工作条件。

因此，根据第一方面，本发明的一个主题是一种用于确定状态噪声协方差矩阵的方法，所述状态噪声协方差矩阵用于调整包括一组工作点的电池的充电状态的观测器。

该方法包括：

-针对每个工作点，确定电池的电气模型的阻抗的值的步骤；

-计算通过电气模型获得的电压与在电池的端子之间实际测得的电压之间的电压差的步骤，所述电气模型的阻抗是在上述确定步骤完成时确定的；

-储存所述阻抗的值和所述电压差的值的步骤；

-针对所述电池的各个工作点产生协方差矩阵的步骤，所述协方差矩阵包括基于来自上述计算步骤的电压差而获得的标准偏差。

因此，获得针对电池的该组工作点中的每个工作点的测定误差。因此，这些误差不是固定的，而是取决于电池的工作条件。