[发明专利]一种基于滤波的锂电池核心与表面温度估计方法

说明书

本发明公开了一种基于滤波的锂电池核心与表面温度估计方法，属于状态估计技术领域。所述方法通过利用滤波方法进行系统状态的迭代，不需要提前知道系统噪声和扰动的先验分布，增加了状态变量方法的适用性；在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制，使粒子的分布更加接近真实值且更为密集；粒子分布密集意味着粒子的权重更加接近，小权值的粒子数量更少，避免了在重采样过程中被替换，保留了粒子的多样性，从而解决传统粒子滤波算法过程中出现的粒子匮乏导致的系统鲁棒性较差的问题。

技术领域

本发明涉及一种基于滤波的锂电池核心与表面温度估计方法，属于状态估计技术领域。

背景技术

锂电池储能系统以其在功率密度、能量密度、循环寿命、自放电率以及价格等方面的优势，成为清洁电能缓冲和电动汽车动力源的主要选择之一。为了使其时刻工作在正常的工作状态下，就需要对其工作温度(核心与表面温度)作出实时的估计。

作为一种状态估计的智能算法，粒子滤波算法因其对系统模型和噪声分布的低依赖性，在状态估计领域有着广泛应用。然而，现有方法中，由于噪声的存在导致粒子滤波算法中粒子的扩散不可控，会产生远离真实值的小权值粒子，小权值粒子会在重采样过程中被大权值粒子替代，降低了重采样过程后粒子样本的多样性。现有方法中往往会通过构造马尔科夫链，采用马尔科夫蒙特卡洛的方法移动粒子后对粒子进行重采样，但是马尔科夫链的构造往往相当困难。

由于现有方法降低了重采样过程后粒子样本的多样性，所以导致大权值粒子在迭代过程中占主导地位，对于系统参数变化的应对不灵敏，降低了系统的鲁棒性。

发明内容

为了保持粒子样本的多样性，从而进一步提高对于锂电池工作温度的实时估计的准确性，本发明提供了一种基于滤波的锂电池核心与表面温度估计方法，所述方法包括：

建立锂电池电热耦合状态空间模型，基于锂电池电热耦合状态空间模型采用粒子滤波方法得到锂电池核心与表面温度的状态估计区域；所述粒子滤波方法在状态变量迭代的过程中，用多胞体对粒子滤波中每个粒子进行包裹，同步进行粒子滤波粒子的迭代和空间体的迭代，使用多胞体对粒子的扩散范围进行区域限制。

可选的，所述方法包括：

步骤一：建立锂电池电热耦合状态空间模型；

锂电池电热耦合模型的状态空间表达式如下式(1)所示：

其中，x(k)为系统状态向量，y(k)为系统输出矩阵，u(k)为系统输入矩阵；表示状态扰动，表示系统测量噪声，扰动和噪声都是有界的，即|ω(k)|≤σ、|v(k)|≤γ；A、B、c、F为系统给定矩阵；

系统状态变量x＝[T_c T_s]^T，T_c为电池核心温度，T_s为电池表面温度；系统输入矩阵u＝[Q_gen T_e]^T，Q_gen为电池核心发热功率，T_e为环境温度；当矩阵c＝[1 1]^T时，系统输出矩阵y＝T_c+T_s，表示电池核心温度与表面温度之和；

步骤二：设定初始粒子分布情况和粒子数目，得到一组随机的初始粒子集合，并以初始粒子为中心点，以给定的形状矩阵为初始形状矩阵，构建系统状态变量对应的多胞体集合；

步骤三：根据k-1时刻的粒子集合和式(1)所示的状态空间表达式求解k时刻的预测粒子集合；

步骤四：根据k-1时刻的系统状态变量对应的多胞体集合构建k时刻的状态变量可行集的多胞体集合并根据k时刻系统输出构建带状空间；