基于無跡卡爾曼濾波的大容量電池系統荷電狀態估計方法
【技術領域】
[0001] 本發明屬于智能電網中麗級電池儲能系統設計與控制技術領域，設及一種基于 無跡卡爾曼濾波的大容量電池系統荷電狀態估計方法。
【背景技術】
[0002] 隨著風電、光伏發電等可再生能源及電網智能化的大力發展，電池系統作為電池 儲能系統能量存儲的主要載體，已越來越多地受到世界各國的關注和應用。同時可再生能 源規模的不斷擴大及用電負荷的快速增長，也將促使電池系統向大容量化（MW級）方向發 展。然而，由于應用環境的復雜性（如秒級波動功率平滑、一次高頻等高動態場合）及電池 電量不能直接測量等因素，準確估計電池系統荷電狀態（Stateof化arge，S0C)不僅直接 決定電池系統能否安全、可靠、高效運行，且對電池系統優化配置、設計與控制等至關重要。
[0003] 傳統的S0C估計算法主要有：安時法、阻抗法、開路電壓法等，近年來相繼出現了 神經網絡、模糊邏輯法、支持向量機及標準卡爾曼濾波法、擴展卡爾曼濾波法巧xtended KalmanFilter,EK巧等高級算法。針對非線性時變的電池系統，目前常采用EKF，并取得良 好的效果，然而由于EKF存在自身計算復雜、忽略高階項等問題，必會產生一定誤差，使電 池的S0C估計精度仍待進一步研究。
【發明內容】
[0004] 本發明解決的問題是在于提供一種基于無跡卡爾曼濾波扣nscentedKalman Filter,UK巧的大容量電池系統荷電狀態估計方法，解決大容量電池系統性能參數受SOC 影響、擴展卡爾曼濾波法計算復雜、精度不高而導致電池系統S0C難W被準確測量、估算的 問題，達到準確估計大容量電池系統S0C的目的。
[0005] 本發明目的是通過W下技術方案來實現：
[0006] 本發明提供一種大容量電池系統，該系統由M個電池單體經串聯成電池串、再由N 個電池串并聯而成，其中M、N均為大于1的自然數。
[0007]-種基于無跡卡爾曼濾波的大容量電池系統荷電狀態估計方法如下：根據已知裡 離子電池單體性能參數，利用串、并聯電路工作特性及篩選法確定電池系統性能參數與電 池單體性能參數的關系，再結合基爾霍夫定律KVC確定電池系統輸出端電壓方程，建立電 池系統等效模型（1);將電池系統的荷電狀態S0C及等效模型中2個RC并聯電路的端電壓 作為狀態變量，W電池系統的電流及輸出電壓分別作為系統輸入量與輸出量，結合電池系 統等效電路模型，得電池系統空間狀態方程（2);將電池系統空間狀態方程（2)中的電池系 統S0C、2個RC并聯電路的端電壓作為無跡卡爾曼濾波算法UKF的狀態變量；電池系統空間 狀態方程（2)的輸入狀態空間方程、輸出電壓狀態空間方程分別作為UKF算法的非線性狀 態方程及測量方程；通過電壓傳感器測量電池系統端電壓（4)的實際值與UKF算法獲得的 電池端電壓估計值來更新增益矩陣巧），最后由UKF算法經循環迭代，從而實時得到電池系 統S0C的估計值。
[0008] 所述大容量電池系統等效電路模型（1)為二階等效電路模型，模型主電路由2個 RC并聯電路、受控電壓源Uw(SOC)及電池內阻Rb等組成。建立準確的電池系統等效電路模 型關鍵在于如何根據電池工作特性來確定電池系統性能參數與電池單體性能參數的關系。 本發明中大容量電池系統性能參數與電池單體性能參數關系式為：
[0009]
[0010] 式中，咕5、咕1、旬5、旬1分別表示電池系統模型中2個1?(：并聯電路的電阻和電容；下 標i表示第i個電池單體；Uw、Ri分別表示電池單體的開路電壓、內阻；3^、而1、(：^、(：11分別 表示電池單體模型中2個RC并聯電路的電阻和電容；1；1。、而、而,、而1、(：1,、(：。均與80(：有關， S0C的定義為：
其中，S0C。為電池單體S0C初始值，一 般為0~1的常數；Qu(t)為電池單體不可用容量，Q。為電池單體額定容量。Uic(SOC)、Ru、R,-,和0,.。、(：,.,、民.的計算分別如下：
d。~d2、e。~e2、f。~f2、b。~b5均為模型系數，可由電池測量數據經擬合而得。
[0011] 所述大容量電池系統空間狀態方程似的建立如下：a、w電池系統的荷電狀態 SOCb及等效模型中2個RC并聯電路的端電壓作為狀態變量，W電池系統的電流Ib為系統 輸入量，根據等效電路模型建立電池系統空間狀態方程為
[0012]
[0013] 式中，IL、Ubi為2個RC并聯電路端電壓，Rb,、Rbi為2個RC并聯電路的電阻，Qw為 電池系統額定電量，Tl、T2為時間常數，Wk為系統觀過程噪聲，At為采樣周期，k為大于 1的自然數；b、根據基爾霍夫電壓定律，結合電池系統等效電路模型，可得電池系統輸出電 壓方程為：Ub(t) =Ub。(t)-Rb(t)Ib(t)-Ubi(t)-Ubs(t)，式中，Ub為電池系統端電壓，Rb為電池 系統內阻。
[0014] 所述無跡卡爾曼濾波算法UKF的主要步驟為：1)初始化狀態變量X均值 EQ和均方誤差P。：
2)獲取采樣 點Xi及對應權重〇 :
戈中，A = a2(n+h)-n;3)狀態估計及均方誤差的時間 更新：狀態估計時間更新夫
均方誤差時 間更新為
累統輸出時間更新 為
式中，gk1(0為測量方程；4)計算增益矩陣巧）：
5)狀態 估計及均方誤差的測量更新：狀態估計測量更新為
-均方誤 差測量更新為
[0015]與采用擴展卡爾曼濾波算法EKF進行電池系統S0C估計相比，本發明具有W下有 益的技術效果：一是整個放電過程，本發明所采用的UKF算法比EKF算法進行電池系統S0C 估計時UKF估計精度更高，尤其是放電初期和末期效果更明顯；二是所采用的UKF算法比 EKF算法能更快收斂于實驗數據，魯棒性更好。
【附圖說明】
[0016]圖1為大容量電池系統結構示意圖；
[0017] 圖2為12X2大容量電池系統結構示意圖；
[001引圖3為含2個RC并聯電路的電池系統等效電路模型圖；
[0019] 圖4為無跡卡爾曼濾波算法流程圖；
[0020] 圖5-1~圖5-4為S0C。不同時電池恒流放電特性，其中圖5-1為S0Ce= 1時S0C 變化情況，圖5-2為S0Ce= 1時電池系統端電壓變化情況，圖5-3為S0C。= 0. 8時S0C變 化情況，圖5-4為S0Ce= 0. 8時電池系統端電壓變化情況；
[0021] 圖6-1~圖6-4為S0C。不同時電池脈沖放電特性，其中圖6-1為S0Cd= 1時S0C 變化情況，圖6-2為S0Ce= 1時電池系統端電壓變化情況，圖6-3為S0C。= 0. 8時S0C變 化情況，圖6-4為S0Ce= 0. 8時電池系統端電壓變化情況。
【具體實施方式】
[0022] 下面結合具體的實例對本發明作進一步的詳細說明，所述為對本發明的解釋而不 是限定。
[0023] 1、大容量電池系統及其等效電路模型
[0024] 1. 1大容量電池系統
[0025] 大容量電池系統是由M個電池單體經串聯成電池串、再由N個電池串并聯而成，其 結構圖如圖1所示。為便于分析，本實例中假設大容量電池系統由12個電池單體經串聯成 電池串、再由2個電池串并聯而成，即12X2大容量電池系統，如圖2所示。電池系統中每 個電池單體的額定電壓為3. 2V，額定容量為25Ah，放電截止電壓為2. 5V。
[002引 1. 212X2電池系統等效電路模型
[0027] 大容量電池系統等效電路模型（1)為二階等效電路模型，模型主電路由2個RC并 聯電路、受控電壓源Uw(SOC)及電池內阻Rb等組成，如圖3所示。電池系統性能參數通過 與電池單體性能參數的關系來獲取，具體計算如下：Ubn(t) = 12*Un(t)、Rb(t) = 6*R(t)、 Rbs(t) =