[发明专利]一种自适应模糊卡尔曼估计SOC算法

权利要求书

1.一种自适应模糊卡尔曼估计SOC算法，其特征在于，包括以下步骤：

S1、建立电池的等效电路模型，应用扩展卡尔曼算法建立状态空间方程和观测方程，估计短时极化端电压变量V_st、中时极化端电压变量V_mt、长时极化端电压变量V_lt与电池荷电状态SOC变量；

S2、在不同SOC与温度T匹配下，通过电池特性实验设定在电池充放电过程中等效电路模型的等效内阻、各极化电容与极化电阻；

S3、对电池SOC估计搭建传统扩展卡尔曼算法，通过将状态空间方程与观测方程应用到卡尔曼方程中，实现卡尔曼的预测与更新，实时估计每个采样周期下的SOC的值；

S4、在OCV-SOC非平台期应用EKF与安时积分计算出平台期的修正安时积分因子，在平台期结束时再次应用EKF来验证平台期的修正安时积分，引入模糊控制对平台期修正因子进行误差修正，最终的修正因子应用到新一轮的非平台期修正算法的安时积分中；

步骤S4具体为：

S41、设计模糊控制器，用安时积分与扩展卡尔曼滤波分别估计的SOC的偏差绝对值与当前SOC作为模糊控制器的输入，模糊修正因子fac作为输出，分别对输入与输出变量进行模糊化，建立相应的隶属度函数，依据实验数据标定出模糊规则集；

S42、将电芯OCV-SOC曲线划分为SOC低、SOC平台期与SOC高三段，并将SOC低记为SOC_lo，SOC平台期记为SOC_platform，SOC高记为SOC_hi；过渡点分别为K1与K2；当SOC位于SOC_lo或SOC_hi时激活EKF估计SOC，且此时使用SOC_EKF作为SOC的最终估计值SOC_est；在K1check与K2check处分别验证放电与充电平台期修正算法的误差并应用模糊控制对平台期修正因子再修正；令最终的平台期修正因子为算法初次运行时经过每次修正后将存至非易失性存储器中，下次修正取出作为基准修正因子进行迭代；

S43A、当电池为充电状态且满足SOC_init+X≤K1时，其中X为定义SOC变化的最小有效值，SOC_init为初始状态时的SOC估计值SOC_est，满足充电校准条件，通过安时积分计算[init，K1]期间的SOC变化量为ΔSOC_AH，EKF估计出的SOC变化量为ΔSOC_EKF＝SOC_EKF(K1)-SOC_init；两种算法估计SOC变化值的偏差为ΔSOC_diff＝ΔSOC_EKF-ΔSOC_AH；将K1点的修正因子作为此次平台期的安时积分SOC_AHfix的修正因子；其中i为充电电流，C为标称容量，此时使用SOC_AHfix作为SOC的最终估计值SOC_est；

当SOC_est＝K2时，再次激活EKF估计SOC，认为EKF算法可以在[K2，K2check]期间逼近于真实值且当SOC_est＝K2check时，对平台期修正算法进行验证：具体步骤如下：

S43A1、修正安时积分估计的SOC误差SOC_err＝|SOC_EKF(K2check)-SOC_AHfix(K2check)|；记

S43A2、应用S41步骤的模糊控制器，选取SOC_err与K2check作为输入，计算出误差修正因子fac(K2check)；

S43A3、根据误差再次修正后的修正因子将此时的写入非易失性存储器；

S53B、当为放电状态且满足SOC_est-X≥K2时，满足放电校准条件，从非易失性存储器中读取[init，K2]期间应用了上一轮修正因子的安时积分计算出的SOC变化量为ΔSOC_AH，再与这段时间计算出的ΔSOC_EKF进行比较，计算出K2点的修正因子重复上述修正。