[发明专利]一种用于可充电电池的低温电池剩余电量估算方法及装置

权利要求书

1.一种可充电电池的低温电池剩余电量估算方法，其特征在于，包括以下步骤：

S1：采用温度监控单元(2)采集每个离散时间k的温度T并传递给电量估算单元(1)，采用电压电流监控单元(6)采集每个时间步的所述电池的输出电压y_k、输入电流i_k、所述可充电电池充电状态下的电池内部电阻R⁺、所述可充电电池放电状态下的电池内部电阻R^-和迟滞现象带来的电阻M并传递给所述电量估算单元(1)；

S2：所述电量估算单元(1)构建带有低通滤波器R_s的状态空间方程的开路电压电池模型，利用所述状态空间方程和状态变量对所述可充电电池于离散时间k时的状态x进行估计，构建电池建模参数θ，得到所述低通滤波器R_s于离散时间k+1时的滤波器状态向量f_k+1和于离散时间k时的滤波器输出电压向量

S3：所述电量估算单元(1)向加热控制单元(3)发出指令，使所述加热控制单元(3)控制加热单元(4)将环境温度加热至不同的温度T下，所述温度T从25℃起始，所述温度监控单元(2)和所述电压电流监控单元(6)再次采集监控所述温度T下的各项参数并传递给所述电量估算单元(1)，所述电量估算单元(1)根据所述不同的温度T及其各项参数构建的不同电池建模参数θ₃、θ₂、θ₁、θ₀再次构建根据温度进行电磁建模参数优化后的滤波器输出电压向量y(T)：

y(T)＝θ₃T³+θ₂T²+θ₁T¹+θ₀；

S4：采用离散时间k时的所述S3步骤得到的输出电压向量值y(k)估计电池于离散时间k+1时的电池状态x(k+1)；

S5：构建离散时间k初始值为0时的电池状态x(k)的期望值模型和协方差矩阵模型并进行逐渐递增的离散时间k的运算；

S6：使用扩展卡尔曼滤波算法电池状态x的估计值进行计算，得到的误差最小的估计值为低温电池剩余电量SOC值：

所述步骤S2包括以下步骤：

S21：构建带有低通滤波器R_s的状态空间方程的开路电压电池模型：

V_电池＝V_ocv+Ri_k+V_p1+V_p2+V_h；

其中，所述V_ocv为开路电压，所述R为电池内阻，所述V_h为迟滞现象带来的电压，所述V_p1为第一电阻C₁的电压，所述V_p2为第二电阻C₂的电压；

S22：利用所述S21步骤得到的状态空间方程和状态变量对所述可充电电池的状态x＝[f_k+1 h_k+1 Z_k+1]^T进行估计，得到所述可充电电池的电池剩余电量Z_k对应的开路电压OCV(Z_k)，所述状态变量包括输入电流i_k和输出电压y_k：

OCV(Z_k)＝y_k-Ri_k-Mh_k-filt(i_k)；

其中，所述f_k为离散时间k时的所述低通滤波器状态向量，所述h_k为离散时间k时的迟滞现象导致的电流，所述Z_k为所述为离散时间k时的所述可充电电池的电池剩余电量；所述y_k为模型于离散时间k的输出电压，所述filt(i_k)为所述低通滤波器接收电池充电/放电产生的电流，所述M为迟滞现象带来的电阻，所述C_n为第n电阻的电池标称容量，所述Δt为监测离散时间间隔，所述B_f为所述低通滤波器的输入增益矩阵；

S23：根据代表所述低通滤波器极点的α₁、所述低通滤波器输出常数g₁，所述电池的磁滞率常数γ、第n电阻的电池标称容量C_n、所述可充电电池充电状态下的电池内部电阻R⁺、所述可充电电池放电状态下的电池内部电阻R^-和迟滞现象带来的电阻M的向量得到电池建模参数θ，所述电池建模参数θ表示为θ＝[α₁，g₁，γ，C_n，R⁺，R^-，M]；

S24：构建所述低通滤波器的线性状态空间方程：

f_k+1＝A_ff_k+B_fi_k；

其中，所述f_k为离散时间k处的滤波器状态向量，所述i_k为输入电流向量，所述为滤波器输出电压向量，所述A_f为所述低通滤波器的状态转移矩阵，所述B_f为所述低通滤波器的输入增益矩阵，所述G是滤波器的输出矩阵；

所述S5步骤包括以下步骤：

S51：当初始值k＝0时，计算所述电池于离散时间k的卡尔曼估算期望状态和所述协方差矩阵

其中，所述是所述电池于离散时间k的状态x_k的期望卡尔曼估算值，所述是所述电池于于初始值0时的状态x₀的期望卡尔曼估算值；

S52：进入k值运算，所述k＝1，2，......，所述电池状态估计时间更新公式：

其中，所述为所述电池于离散时间k-1时的状态x_k-1的预测值，所述u_k-1为所述电量估算单元(1)于离散时间k-l时的控制输入电流值；

S53：所述电池状态预测误差协方差计算：

其中，所述为所述电池于离散时间k-1时的状态x_k-1的卡尔曼估算期望系数矩阵，所述为所述的转置矩阵，所述为所述电池于离散时间k-1时的卡尔曼估计误差协方差矩阵，所述S_w为所述估算过程噪声矩阵；

S54：电池状态卡尔曼增益L_k计算：

其中，所述为所述电池于离散时间k的预测系数矩阵，所述为所述的转置矩阵，所述S_v为估算测量噪声矩阵；

S55：电池状态估算计算：

其中，所述为所述电池于离散时间k的预测状态，所述为所述电池状态测量余量；

S56：电池状态误差协方差计算：

以进一步更新所述电池于离散时刻k时的卡尔曼估算协方差矩阵

所述F(i_k)被定义为：

所述S4步骤包括以下步骤：

x(k+1)＝f(x(k)，u(k))+w_k，

y(k)＝g(x(k)，u(k))+v_k；

其中，所述w_k为服从正态分布的估算过程噪声，所述v_k为服从正态分布的估算测量噪声，所述f(x(k)，u(k))为所述电池于离散时间k的预测状态的泰勒级数展开式，所述g(x(k)，u(k))为所述电池于离散时间k的卡尔曼估算期望状态的泰勒级数展开式，所述为所述电池于离散时间k的预测系数矩阵，所述为所述电池于离散时间k的卡尔曼估算期望系数矩阵。