[发明专利]基于大倍率放电的锂电池荷电状态估算方法

权利要求书

1.一种基于大倍率放电的锂电池荷电状态估算方法，包括如下步骤：

S1.构建储能锂电池的电路等效模型；

S2.采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新；

S3.根据步骤S2得到的电路等效模型的参数，建立储能锂电池的状态方程和观测方程；

S4.根据步骤S3建立的状态方程和观测方程，采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算。

2.根据权利要求1所述的基于大倍率放电的锂电池荷电状态估算方法，其特征在于步骤S1所述的构建储能锂电池的电路等效模型，具体为采用二阶RC电路模型作为储能锂电池的电路等效模型。

3.根据权利要求2所述的基于大倍率放电的锂电池荷电状态估算方法，其特征在于步骤S2所述的采用递推最小二乘法对步骤S1构建的电路等效模型的参数进行实时更新，具体为采用如下步骤对电路等效模型的参数进行实时更新：

A.经过事先实验，获取储能锂电池的开路电压和端电压的拟合曲线OCV-SOC；

B.以t时刻的储能锂电池的放电电流作为递推最小二乘法的输入，以t时刻的储能锂电池的开路电压作为递推最小二乘法的输出，采用递推最小二乘法计算得到t时刻的电池模型参数；

C.重复步骤B，从而对储能锂电池的电路等效模型的参数进行实时更新。

4.根据权利要求3所述的基于大倍率放电的锂电池荷电状态估算方法，其特征在于所述的递推最小二乘法，具体为采用如下算式作为递推最小二乘法的基本递推公式：

H(n)＝W(n)θ(n)+e(n)

θ(n)＝[-H(n-1)-...-H(n-k)μ(n)-...-μ(n-k)]^T

式中g(n)为最小二乘增益；λ为遗忘因子；W(n)为待辨识参数向量；μ(n)为系统第n次的输入量；H(n)为系统第n次输出量；e(n)为零均值噪声；C(n)为协方差矩阵。

5.根据权利要求4所述的基于大倍率放电的锂电池荷电状态估算方法，其特征在于步骤S3所述的建立储能锂电池的状态方程和观测方程，具体为以储能锂电池的放电电流作为输入，以储能锂电池的电池端电压作为输出，以储能锂电池的极化电压和电池荷电状态作为状态变量，根据步骤S2建立的电路等效模型，得到储能锂电池的离散状态方程和观测方程。

6.根据权利要求5所述的基于大倍率放电的锂电池荷电状态估算方法，其特征在于所述的储能锂电池的离散状态方程和观测方程具体为：

U₁(n)＝OCV(SOC(n))-I₁(n)R₀(n)-U_P(n)-U_S(n)+v_n

式中I₁为输入，U₁为输出；U_P和U_S为极化电压；C₁为电池的额定容量；η为补偿系数；ω_n为系统的过程噪声，v_n为系统的量测噪声。

7.根据权利要求6所述的基于大倍率放电的锂电池荷电状态估算方法，其特征在于步骤S4所述的根据步骤S3建立的状态方程和观测方程，采用二次方根容积卡尔曼滤波算法对锂电池的荷电状态进行估算，具体为采用如下步骤进行估算：

a.选取容积点：

式中ξ_i为容积点；ω_i为相应权值；m表示所有的容积点数；[1]_i表示第i个容积点；i＝1,2,...m

b.时间更新：采用如下算式由n-1步滤波得到的状态估计误差协方差阵平方根矩阵为S_n-1|n-1：

(一)计算容积点：

式中，为上一次迭代得到的状态估计值；

(二)容积点传播：

式中，u_n-1代表输入向量I₁(n-1)；

(三)计算状态预测的结果：

(四)引入QR分解，得到误差协方差二次方根矩阵为：

式中，S_Q,n-1为二次方根系数；为加权中心矩阵；up表示上三角矩阵；

c.采用如下步骤进行测量更新：

(1)构造容积点

(2)容积点经过观测方程传播

Y_i,n|n-1＝h_n(X_i,n|n-1,u_n)

(3)计算量测预测结果

(4)计算加权中心矩阵

(5)计算新息误差协方差差阵二次方根矩阵

S_yy,n|n-1＝up{QR([Y_n|n-1,S_R,n]^T)}

式中，S_R,n为R_k的二次方根系数；

(6)计算自协方差阵和互协方差阵

(7)计算增益系数

(8)计算状态估计和新的误差协方差矩阵二次方根系数：

S_n|n＝up{QR([X_n|n-1-K_nY_n|n-1 K_nS_R,n]^T)}

式中为状态估计结果；为预测结果；K_n为增益系数；y_n为观测结果；为量测预测结果；S_R,n为二次方根系数；

不断地输入电池的端电压和电流值，状态向量不断更新，从而得到每一时刻电池的SOC值。