一種基于ukf的蓄電池荷電狀態soc估算方法
【專利摘要】本發明公開了一種基于UKF的蓄電池荷電狀態SOC估算方法，對蓄電池特性進行測試以獲得蓄電池的基本信息；建立蓄電池的數學模型，通過《FreedomCAR電池試驗手冊》中的HPPC試驗對電池性能進行測試獲得數據，經過參數辨識得到電池模型參數，設計UKF算法估算蓄電池荷電狀態SOC，通過無跡變換的方式實現非線性傳遞，解決現有技術實時性差、估算復雜以及估算不精確的問題，從而完成動力電池的在線測量，降低硬件成本。
【專利說明】—種基于UKF的蓄電池荷電狀態SOC估算方法
【技術領域】
[0001]本發明涉及動力蓄電池荷電狀態SOC估算【技術領域】，具體的說涉及一種基于UKF的蓄電池荷電狀態SOC估算方法。
【背景技術】
[0002]SOC是英文state of charge的縮寫，作為電池行業用語，特指蓄電池的荷電狀態S0C，又稱剩余容量，指的是當蓄電池使用一段時間或長期擱置不用后的剩余容量與其完全充電狀態的容量的比值，常用百分數表示。
[0003]近些年來動力電池發展異常迅猛，而與之相對應的卻是電池管理技術發展的嚴重滯后，這也導致蓄電池管理技術成為制約電動汽車發展的重要因素。由于管理技術的不完善，電動汽車用動力電池長期處于過充或過放電狀態，電池性能隨著使用逐漸變差，導致電池成本過高。因此，SOC精確估計顯得尤為重要，但是SOC不是可以直接測量的物理量，電池本身是封閉的電化學反應，電動汽車運行時伴隨著電流的劇烈變化呈現很強的非線性導致SOC估算困難。
[0004]現有技術對SOC精確估計的方法包括放電試驗法、安時積分法、開路電壓法、神經網絡法、卡爾曼濾波法等，其中，放電試驗法要中斷正在工作的電池；安時積分法會隨著時間推移積累誤差導致估算不精確；開路電壓法需要電池靜置足夠長的時間；神經網絡法需要大量的訓練數據以及合適的訓練方法；相比較而言，卡爾曼濾波法比較適合電動汽車劇烈變化的工況而廣泛應用于動力電池荷電狀態SOC估算。
[0005]但是由于電池本身是封閉的化學反應，伴隨強烈的非線性，而傳統的卡爾曼濾波算法使用一階泰勒級數逼近系統狀態方程，不可避免地引入線性化誤差，而且雅克比矩陣的求解復雜，實現起來對硬件的要求較高。因此傳統的卡爾曼濾波法不太適用于對SOC精確估計。
【發明內容】
[0006]本發明的目的在于針對上述現有技術的缺點和不足，提供一種基于無跡卡爾曼濾波方法UKF的蓄電池荷電狀態SOC估算方法。無跡卡爾曼濾波方法UKF，是采用無跡變換UT和標準Kalman濾波體系的結合，通過無跡變換使非線性系統方程適用于線性假設下的標準Kalman濾波方法。本發明應用無跡卡爾曼濾波UKF方法估算蓄電池荷電狀態S0C，通過無跡變換的方式實現非線性傳遞，解決現有技術實時性差、估算復雜以及估算不精確的問題，從而完成動力電池的在線測量，降低硬件成本。
[0007]為實現上述目的，本發明采用了如下的技術方案:
[0008]一種基于UKF的蓄電池荷電狀態SOC估算方法，其步驟為:
[0009]I)、在不同溫度和SOC對電池進行充放電試驗，通過靜置獲得電池開路電壓，數據擬合得到開路電壓與SOC的函數關系；
[0010]首先對蓄電池組充滿電(SOC=I),利用恒溫箱在不同溫度下對蓄電池組進行恒流放電，每當電池SOC下降10%，將蓄電池靜置半個小時，然后測量電池兩端開路電壓OCV(Open Circuit Voltage),將不同SOC和溫度T下的數據導入MATLAB中，經過二維數據擬合得到OCV與SOC和T的函數關系，即0CV=f (SOC，T)；
[0011]2)、通過《FreedomCAR電池試驗手冊》中的HPPC試驗對電池性能進行測試獲得數據，經過參數辨識得到電池模型參數；
[0012]通過《FreedomCAR電池試驗手冊》中的混合動力脈沖能力特性測試試驗對電池測試獲得試驗數據，選擇PNGV作為等效電路模型，經過最小二乘辨識得到等效電路模型參數與SOC和T的函數關系，以內阻為例，R0=f(SOC, T)；
[0013]3)、建立電池的狀態空間模型，離散化得到離散模型，以采集溫度、電流為輸入量，將SOC作為一狀態變量代入擴展卡爾曼濾波算法進行估算進而得到SOC測量值；
[0014]根據數據擬合和參數辨識得到的函數關系，將SOC作為一狀態變量，建立蓄電池的狀態空間模型如下:
【權利要求】
1.一種基于UKF的蓄電池荷電狀態SOC估算方法，其特征在于:該估算方法步驟為: 1)、在不同溫度和SOC對電池進行充放電試驗，通過靜置獲得電池開路電壓，數據擬合得到開路電壓與SOC的函數關系； 首先對蓄電池組充滿電，利用恒溫箱在不同溫度下對蓄電池組進行恒流放電，每當電池SOC下降10%，將蓄電池靜置半個小時，然后測量電池兩端開路電壓0CV，將不同SOC和溫度T下的數據導入MATLAB中，經過二維數據擬合得到OCV與SOC和T的函數關系，即0CV=f (SOC, T)； 2)、通過《FreedomCAR電池試驗手冊》中的HPPC試驗對電池性能進行測試獲得數據，經過參數辨識得到電池模型參數； 通過《FreedomCAR電池試驗手冊》中的混合動力脈沖能力特性測試試驗對電池測試獲得試驗數據，選擇PNGV作為等效電路模型，經過最小二乘辨識得到等效電路模型參數與SOC和T的函數關系，以內阻為例，R0=f(SOC, T)； 3)、建立電池的狀態空間模型，離散化得到離散模型，以采集溫度、電流為輸入量，將SOC作為一狀態變量代入擴展卡爾曼濾波算法進行估算進而得到SOC測量值； 根據數據擬合和參數辨識得到的函數關系，將SOC作為一狀態變量，建立蓄電池的狀態空間模型如下:
【文檔編號】G01R31/36GK103744028SQ201310731167
【公開日】2014年4月23日 申請日期:2013年12月25日 優先權日:2013年12月25日
【發明者】劉勝永 申請人:廣西科技大學