[发明专利]一种基于高自适应性滤波算法的锂电池soc估计方法

权利要求书

1.一种基于高自适应性滤波算法的锂电池soc估计方法，其特征在于，包括以下步骤：

步骤1、建立电池的二阶等效电路模型，根据电池特性得到离散后的状态方程和测量方程，状态方程如公式(1)、测量方程如公式(2)所示：

其中，x_k为系统k时刻的状态变量，包含了k时刻电池的荷电状态SOC_k、极化电压和Δt为采样时间间隔，τ₁和τ₂为时间常数，R₁C₁与R₂C₂分别是极化电阻R₁、R₂与极化电容C₁、C₂的乘积；η为库伦效率，C为电池当前状态下可用的最大容量；I_k-1和I_k分别为k-1和k时刻电池的输入电流；OCV(SOC_k)为k时刻系统对应的开路电压；U_k为k时刻系统的测量值，即电池的端电压；分别是系统的过程噪声，v_k为系统的测量噪声；

步骤2、根据状态方程与测量方程，得到基本滤波算法进行锂电池soc估计值的计算；

步骤3、根据步骤2的锂电池soc估计值，加入自适应率，得到高自适应性滤波算法的最终准确的锂电池soc估计值。

2.根据权利要求1所述的一种基于高自适应性滤波算法的锂电池soc估计方法，其特征在于，所述步骤2，包括以下步骤：

步骤2.1、根据离散状态空间表达式，求取状态空间表达式；

步骤2.2、初始化状态变量和协方差矩阵；

步骤2.3、根据确定的状态方程，得到时间更新预测方程；

步骤2.4、根据先验状态估计值、预测协方差矩阵，得到状态更新校正方程，求取锂电池soc估计值。

3.根据权利要求2所述的一种基于高自适应性滤波算法的锂电池soc估计方法，其特征在于，所述步骤2.1的具体步骤如下：

步骤2.1.1、离散状态空间表达式为：

其中，u_k-1是指k-1时刻系统的输入电流值，w_k-1和v_k分别是指系统的过程噪声和测量噪声，是服从正态分布的不相关高斯白噪声，其协方差矩阵分别为：

其中，Q_k为k时刻过程噪声的协方差矩阵，R_k为k时刻测量噪声的协方差矩阵；

步骤2.1.2、根据步骤1，函数f(x_k-1,u_k-1)和函数g(x_k)为如下所示：

其中，函数f(x_k-1,u_k-1)的表现形式为线性，函数g(x_k)的表现形式为非线性；函数g(x_k)的表达式中，x_k[1]、x_k[2]和x_k[3]分别表示的是状态向量中的SOC_k、和

步骤2.1.3、进行一阶泰勒展开后，得到的状态空间表达式为：

其中，表示的是k-1时刻的后验状态估计值，表示的是k时刻的无噪声先验状态估计值；对于一阶泰勒展开部分，函数f是在处进行线性化，函数g是在处进行线性化；A、G分别表示的是函数f和函数g对于x的偏导数雅可比矩阵，具体如下：

4.根据权利要求3所述的一种基于高自适应性滤波算法的锂电池soc估计方法，其特征在于，所述步骤2.2的具体步骤如下：

在初始时刻k＝0时，E[x(0)]＝μ₀，E[(x(0)-μ₀)(x(0)-μ₀)^T]＝P₀，其中初始最优估计值μ₀，即状态量的初始值一般由经验获得，协方差P₀为不为0的矩阵。