[发明专利]基于有序加权平均算子的动力电池多模型融合估计方法

权利要求书

1.基于有序加权平均算子的动力电池多模型融合估计方法，其特征在于：具体包括以下步骤：

步骤一、在所述动力电池充放电过程中，以采样时间Δt为间隔对动力电池的端电压、充放电电流I以及表面温度数据进行采集；

步骤二、针对动力电池分别建立三种以上等效电路模型，并利用步骤一中采集的数据对各模型参数进行参数辨识；

步骤三、计算与各等效电路模型对应的状态方程和测量方程，并分别构建用于预测动力电池端电压和估计SOC的离散化的容积卡尔曼滤波观测器(CKF)；利用在城市道路工况下采集的动力电池电压、电流及温度数据，分别输入各CKF得到动力电池端电压预测值与SOC估计值；

步骤四、根据不同时刻城市道路工况下所述端电压预测值与实测值之间的协方差，基于OWA算子理论为各CKF的SOC估计值分配相应的加权值；

步骤五、将各CKF的SOC估计值加权累加，得到融合后的SOC估计结果。

2.如权利要求1所述的方法，其特征在于：步骤二中采用的等效电路模型具体包括：Rint模型、Thevenin模型和DP模型。

3.如权利要求1所述的方法，其特征在于：所述步骤二中参数辨识方法可采用：卡尔曼滤波、H无穷卡尔曼滤波、遗传算法、粒子群算法、递推最小二乘算法、最小均方根算法。

4.如权利要求2所述的方法，其特征在于：所述步骤四具体包括：

对于使用3种动力电池等效电路模型的情况，定义k时刻第i个模型输出的端电压预测值与实测值之间的偏差r_i(k)(i为某一模型，i＝1,2,3)为：

式中，U_i(k)为k时刻端电压值，为第i个模型对应的k时刻端电压预测值；

得到与各等效电路模型对应的电压偏差值协方差矩阵：

式中，N为移动窗口长度；

根据上述协方差矩阵确定各CKF估计结果的加权值如下：

式中，k为某一时刻；

对各CKF的SOC估计值进行加权累加得到融合后的SOC估计结果：

式中，Z_i(k)为第i个模型在第k时刻SOC估计值，Z_F(k)为基于OWA算子理论的锂离子动力电池多模型融合SOC值。