[发明专利]一种联合估计动力电池系统参数与荷电状态的方法

摘要

本发明涉及一种联合估计动力电池系统参数与荷电状态的方法，首先，在线数据获取，实时采集电池的电压、电流和温度；然后，建立HF状态空间方程，利用HF算法实时更新电池的HF状态向量，所述HF状态向量中包括电池的欧姆内阻、极化内阻和极化电容；最后，建立UKF状态空间方程，结合所述HF算法实时更新的所述HF状态向量，使用UKF算法实时更新电池的UKF状态向量，所述UKF状态向量包括电池的荷电状态。因此利用HF算法在线辨识出模型的参数，传递给UKF算法进行在线实时SoC估计，实现根据不同的电池工作环境实时追踪电池的模型参数变化，从而提高SOC估计精度。

主权项

1.一种联合估计动力电池系统参数与荷电状态的方法，包括：首先，在线数据获取，实时采集电池的电压、电流和温度；然后，建立HF状态空间方程，利用HF算法实时更新电池的HF状态向量，所述HF状态向量中包括电池的欧姆内阻、极化内阻和极化电容；最后，建立UKF状态空间方程，结合所述HF算法实时更新的所述HF状态向量，使用UKF算法实时更新电池的UKF状态向量，所述UKF状态向量包括电池的荷电状态；所述HF算法包括：①：将HF状态空间方程进行初始化；②：k∈{1,2,K,∞}，进行当前采样时间点k下的所述HF状态向量的预估，得到当前采样时间点k下HF状态向量预估值；结合所述HF算法在采样时间点k‑1下的过程噪声方差阵，利用所述HF状态向量预估值更新进行当前采样时间点k下的HF状态向量预估值的协方差矩阵值；③：将步骤②中的所述HF状态向量预估值，带入HF状态空间方程中的量测方程，得到端电压预估值，把所述端电压预估值与传感器测得的端电压值进行比较，结合所述当前采样时间点k下的HF状态向量预估值的协方差值，更新卡尔曼增益矩阵，通过所述卡尔曼增益矩阵更新当前采样时间点k下的所述电池的所述HF状态向量预估值，得到电池的HF状态向量修正值和HF状态向量修正值的协方差；④：完成步骤③后，将步骤③中的电池HF状态向量修正值中的电池参数传递至所述UKF算法中；然后把k+1作为新的采样时间点,把所述HF电池状态向量修正值代入步骤②进行步骤②计算。