[发明专利]基于SOC预估的车辆复合电源系统模糊逻辑控制方法

权利要求书

1.一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，其特征在于：包括以下步骤：

步骤一：建立车辆复合电源动力系统模型，包括锂电池电路模型和超级电容电路模型；

锂电池电路模型

U_L＝U_bat-i_batR_bat

其中，SOC_bat是锂电池实时的荷电状态值，SOC_bat.ini是锂电池的初始荷电状态值，Q_N为锂电池的额定容量，i_bat表示锂电池的充放电电流，在一段时间内的积分累计值表示锂电池已使用容量，U_bat和R_bat分别为锂电池的开路电压和欧姆内阻，P_bat为锂电池的功率，U_L是锂电池负载电压；

超级电容电路模型

其中，SOC_sc是超级电容的荷电状态值，U_sc.max和U_sc.min分别为超级电容的最大和最小电压，U_sc为超级电容的实时电压，I_sc为超级电容的充放电电流，R_sc和P_sc分别为超级电容的内阻和电功率；

步骤二：设计锂电池荷电状态预估控制器，采用贝叶斯-蒙特卡洛法估计得到锂电池的荷电状态SOC_bat.e的值；

将贝叶斯-蒙特卡洛方法应用于锂电池荷电状态的估计，通过一组具有相关权重的随机样本来近似概率密度函数：

其中，为锂电池任意k时刻的荷电状态和开路电压所构成的列向量，表示k时刻生成的随机粒子集；U_bat.k表示k时刻锂电池的开路电压，SOC_bat.k表示k时刻锂电池的荷电状态；表示在U_bat.k条件下，产生随机粒子集所服从的概率密度函数；是k时刻从概率密度函数表示的分布中提取的第i个随机粒子集，i＝1～N_s，N_s表示随机粒子集的个数；表示k时刻提取的第i个粒子集的权重；δ(·)表示Dirac函数；

k时刻的权重以正态分布概率密度函数在k-1时刻的权重的基础上更新，更新规律的推导式为：

其中，U_bat,k和分别为k时刻锂电池开路电压的实测值和模型输出平均值，σ为其标准差，表示在满足粒子集的条件下U_bat.k所服从的概率密度函数，符合正态分布概率密度函数；

对所有粒子的权重进行归一化处理：

考虑所有粒子总权重后的预估结果可以表示为：

锂电池荷电状态预估控制器中执行贝叶斯-蒙特卡洛算法，将产生的粒子集的权重不断的迭代运算，最后通过粒子加权求和的方式，得到锂电池荷电状态的预估值，即为向量的第一个元素，表示为：

步骤三：将锂电池荷电状态预估控制器的输出SOC_bat.e、超级电容荷电状态SOC_sc以及不同运行工况下发动机需求功率P_req作为模糊逻辑控制器的输入，经过逻辑关系输出超级电容充放电的控制信号比例因子K_sc，进而得到超级电容充放电控制信P_sc＝K_sc·P_req，锂电池充放电控制信号P_bat＝(1-K_sc)·P_req。

2.根据权利要求1所述的一种基于SOC预估的车辆复合电源系统模糊逻辑控制方法，其特征在于：步骤三中，模糊逻辑控制器将输入信号SOC_bat.e和SOC_sc的模糊子集分别设置为：低L、中M、高H；将P_req和输出信号K_sc模糊子集分别设置为：较小TS，小S，中M，大B，较大TB，模糊逻辑控制器输入输出变量的隶属度函数采用梯形和三角形隶属度函数。