【技術(shù)領(lǐng)域】
本發(fā)明屬于鋰電池技術(shù)領(lǐng)域，具體涉及基于自適應(yīng)ukf的鋰電池soc估算方法。
背景技術(shù)：
電池是電動(dòng)汽車的主要能量載體和動(dòng)力來(lái)源，也是電動(dòng)汽車整車車體的主要組成部分，準(zhǔn)確的估算電池soc，不僅可以提高電池的容量利用效率，還可以延長(zhǎng)電池使用壽命。由于電池內(nèi)部復(fù)雜的電化學(xué)性質(zhì)及物理反應(yīng)，soc不能直接測(cè)量，一般是通過(guò)電池外部參數(shù)，如電壓及工作電流等進(jìn)行估算。對(duì)于電池動(dòng)態(tài)非線性混合系統(tǒng)的狀態(tài)估計(jì)問(wèn)題，目前主要采取單一的非線性濾波算法進(jìn)行估計(jì)，ekf方法作為最早提出的非線性濾波方法之一，在工程上有著廣泛的應(yīng)用，但是ekf對(duì)非線性方程的一階近似處理，忽略了系統(tǒng)的高階項(xiàng)，容易產(chǎn)生線性化誤差，且ekf需要計(jì)算復(fù)雜的jacobian矩陣。為了解決上述問(wèn)題，julier等提出來(lái)的一種新的非線性濾波方法——ukf，它采用unscented變化技術(shù)近似非線性函數(shù)的均值和方差，可以獲得比ekf更好的估計(jì)精度，但是ukf對(duì)系統(tǒng)的先驗(yàn)噪聲分布有嚴(yán)格的要求，其良好的性能是建立在噪聲分布特性已知且電池模型精確的基礎(chǔ)上，但是在實(shí)際應(yīng)用中很難得到電池精確的數(shù)學(xué)模型和噪聲的統(tǒng)計(jì)特性，致使濾波精度降低甚至產(chǎn)生濾波發(fā)散的現(xiàn)象。
中國(guó)發(fā)明專利cn104502852a公開了一種基于ukf的鋰電池soc估算方法，該算法產(chǎn)生sigma點(diǎn)，確定加權(quán)系數(shù)，ut變換，kalman濾波框架，完成了對(duì)鋰電池soc的估算。該發(fā)明克服了ekf算法中需計(jì)算復(fù)雜的jacobian矩陣及線性化誤差的缺點(diǎn)。由于ukf算法對(duì)系統(tǒng)先驗(yàn)噪聲分布有嚴(yán)格的要求，且依賴系統(tǒng)精確的數(shù)學(xué)模型，僅采用ukf算法對(duì)電池soc進(jìn)行估算，精度不高。
中國(guó)發(fā)明專利cn106019164a公開了一種基于雙重自適應(yīng)無(wú)際卡爾曼濾波器的鋰電池soc估計(jì)算法。通過(guò)估計(jì)過(guò)程噪聲和測(cè)量噪聲的協(xié)方差矩陣，對(duì)未知的或者不準(zhǔn)確的噪聲統(tǒng)計(jì)進(jìn)行實(shí)時(shí)在線修正，從而實(shí)現(xiàn)了鋰電池soc的估計(jì)，避免了傳統(tǒng)卡爾曼濾波器由于錯(cuò)誤的噪聲統(tǒng)計(jì)特性而導(dǎo)致的濾波估計(jì)性能降低，甚至濾波發(fā)散等問(wèn)題。由于實(shí)際中系統(tǒng)模型存在不確定性，該發(fā)明未克服系統(tǒng)模型不確定的魯棒性。
目前soc估算方法主要存在以下問(wèn)題：
1、模型過(guò)于簡(jiǎn)化或系統(tǒng)參數(shù)發(fā)生變動(dòng)。實(shí)際中的系統(tǒng)模型一般比較復(fù)雜，若要精確的描述系統(tǒng)，模型中的狀態(tài)變量需要達(dá)到較高的維數(shù)，這不利于對(duì)系統(tǒng)狀態(tài)進(jìn)行重構(gòu)，因此大多數(shù)情況下都要使用模型簡(jiǎn)化的辦法，即忽略系統(tǒng)中某些不重要的因素，從而使用相對(duì)較少的狀態(tài)變量來(lái)描述系統(tǒng)的主要特征，這就可能造成應(yīng)用模型與實(shí)際系統(tǒng)之前的不匹配。系統(tǒng)在實(shí)際運(yùn)行過(guò)程中可能會(huì)出現(xiàn)元件損壞、老化問(wèn)題，這些問(wèn)題均會(huì)對(duì)系統(tǒng)模型造成影響，進(jìn)而使模型參數(shù)發(fā)生變化，與原模型的匹配程度降低。
2、噪聲統(tǒng)計(jì)特性不準(zhǔn)確。在模型中都需要考慮系統(tǒng)噪聲和測(cè)量噪聲，在大多數(shù)模型中應(yīng)用的噪聲統(tǒng)計(jì)特性都比較理想，從而導(dǎo)致實(shí)際過(guò)程噪聲的統(tǒng)計(jì)特性與理論特性不能達(dá)到一致性。在實(shí)際情況中，系統(tǒng)的統(tǒng)計(jì)特性可能因?yàn)橄到y(tǒng)干擾而發(fā)生變化，這將會(huì)造成噪聲統(tǒng)計(jì)特性的不準(zhǔn)確性。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于自適應(yīng)ukf的鋰電池soc估算方法，克服了ukf算法中由于電池模型的不確定性及噪聲統(tǒng)計(jì)特性未知可能造成濾波精度降低甚至產(chǎn)生濾波發(fā)散的問(wèn)題。
本發(fā)明是這樣實(shí)現(xiàn)的：
一種基于自適應(yīng)ukf的鋰電池soc估算方法，包括如下步驟：
步驟一：對(duì)鋰電池進(jìn)行快速標(biāo)定實(shí)驗(yàn)，獲取soc與開路電壓ocv關(guān)系曲線；
步驟二：建立待測(cè)鋰電池的模型，并通過(guò)電池充放電實(shí)驗(yàn)，對(duì)電池模型參數(shù)進(jìn)行辨識(shí)。本發(fā)明采用如下數(shù)學(xué)模型描述電池端電壓特性：
zk＝k0-rik-k1/xk-k2xk+k3in(xk)+k4in(1-xk)
其中，zk是指電池端電壓，i為電池電流，r指電池內(nèi)阻，該值在充電和放電時(shí)的值是不同的，充電時(shí)將其設(shè)為r+，放電時(shí)設(shè)為r-，k0～k4為常數(shù)；
步驟三：建立電池系統(tǒng)離散的狀態(tài)空間模型；
zk＝k0-rik-k1/xk-k2xk+k3in(xk)+k4in(1-xk)＝h(xk，uk)+vk
式中cn是額定容量；i為電池電流；η為庫(kù)倫效率，其中
步驟四：采用改進(jìn)的ekf算法對(duì)電池soc進(jìn)行估算；
(1)選定初始值
(2)時(shí)間更新
(2.1)當(dāng)k>1時(shí)，采用sigma點(diǎn)對(duì)稱采樣策略，構(gòu)造2n+1個(gè)sigma點(diǎn)集及其對(duì)應(yīng)的權(quán)值：
其中：λ是常數(shù)，
(2.2)計(jì)算2n+1個(gè)sigma點(diǎn)集的一步預(yù)測(cè)
(2.3)根據(jù)一步預(yù)測(cè)值，再次使用ut變換，產(chǎn)生新的sigma點(diǎn)集
(2.4)將步驟(2.3)預(yù)測(cè)的sigma點(diǎn)集代入觀測(cè)方程，得到預(yù)測(cè)的觀測(cè)量
(2.5)計(jì)算sigma點(diǎn)的均值和方差
其中，η和σ為閾值，rk為相對(duì)殘差，δk為測(cè)量值標(biāo)準(zhǔn)差，c為可調(diào)節(jié)參數(shù)；
時(shí)變漸消因子ζk+1的計(jì)算:
式中γk為k時(shí)刻殘差，γ(1)表示k＝0時(shí)刻的殘差，sk表示殘差的協(xié)方差矩陣，0＜ρ＜1，0＜b＜1為遺忘因子，通常在0.95-0.99之間選取，β≥1為弱化因子，目的是使?fàn)顟B(tài)估計(jì)值更加平滑；
(3)測(cè)量更新
當(dāng)獲得新的測(cè)量值z(mì)k后，可對(duì)狀態(tài)均值和方差進(jìn)行更新；
(3.1)計(jì)算卡爾曼濾波增益矩陣
(3.2)計(jì)算濾波更新值
(3.3)協(xié)方差更新
(4)判斷濾波是否執(zhí)行，如果是，返回步驟(2)；否則，結(jié)束算法。
性對(duì)狀態(tài)估算的影響，為了使電池的狀態(tài)估計(jì)更加準(zhǔn)確，提出了基于自適應(yīng)ukf的鋰電池soc估算方法，根據(jù)cauchy魯棒函數(shù)數(shù)據(jù)校正原理，以u(píng)kf的測(cè)量先驗(yàn)值與其實(shí)際值的殘差作為基準(zhǔn)，采用聯(lián)合權(quán)函數(shù)對(duì)濾波過(guò)程的噪聲估計(jì)值進(jìn)行實(shí)時(shí)修正，降低噪聲不準(zhǔn)的估計(jì)值的權(quán)重，使魯棒目標(biāo)函數(shù)達(dá)到最小值，克服了系統(tǒng)噪聲估計(jì)不準(zhǔn)所導(dǎo)致的濾波器精度變差問(wèn)題；強(qiáng)跟蹤ukf在協(xié)方差矩陣當(dāng)中引入一個(gè)自適應(yīng)調(diào)節(jié)因子ζk+1，通過(guò)在線自適應(yīng)調(diào)整狀態(tài)預(yù)測(cè)協(xié)方差陣pk+1/k，使得殘差序列在每一步互相正交，降低了ukf算法對(duì)電池模型不確定性的影響。與傳統(tǒng)的ukf算法相比，本發(fā)明克服了ukf算法中由于電池模型的不確定性及噪聲統(tǒng)計(jì)特性未知而造成的濾波精度降低的問(wèn)題,算法在復(fù)雜度上會(huì)略有增加，但濾波精度、魯棒性有所提高。
【附圖說(shuō)明】
下面參照附圖結(jié)合實(shí)施例對(duì)本發(fā)明作進(jìn)一步的描述。
圖1是本發(fā)明的方法流程示意圖。
【具體實(shí)施方式】
如圖1所示，一種基于自適應(yīng)ukf的鋰電池soc估算方法，包括如下步驟：
步驟一：對(duì)鋰電池進(jìn)行快速標(biāo)定實(shí)驗(yàn)，獲取soc與開路電壓ocv關(guān)系曲線；
步驟二：建立待測(cè)鋰電池的模型，并通過(guò)電池充放電實(shí)驗(yàn)，對(duì)電池模型參數(shù)進(jìn)行辨識(shí)。本發(fā)明采用如下數(shù)學(xué)模型描述電池端電壓特性：
zk＝k0-rik-k1/xk-k2xk+k3in(xk)+k4in(1-xk)
其中，zk是指電池端電壓，i為電池電流，r指電池內(nèi)阻，該值在充電和放電時(shí)的值是不同的，充電時(shí)將其設(shè)為r+，放電時(shí)設(shè)為r-，k0～k4為常數(shù)；
步驟三：建立電池系統(tǒng)離散的狀態(tài)空間模型；
zk＝k0-rik-k1/xk-k2xk+k3in(xk)+k4in(1-xk)＝h(xk，uk)+vk
式中cn是額定容量；i為電池電流；η為庫(kù)倫效率，其中e[wk]＝0，
步驟四：采用改進(jìn)的ekf算法對(duì)電池soc進(jìn)行估算；
(1)選定初始值
(2)時(shí)間更新
(2.1)當(dāng)k>1時(shí)，采用sigma點(diǎn)對(duì)稱采樣策略，構(gòu)造2n+1個(gè)sigma點(diǎn)集及其對(duì)應(yīng)的權(quán)值：
其中：λ是常數(shù)，
(2.2)計(jì)算2n+1個(gè)sigma點(diǎn)集的一步預(yù)測(cè)
(2.3)根據(jù)一步預(yù)測(cè)值，再次使用ut變換，產(chǎn)生新的sigma點(diǎn)集
(2.4)將步驟(2.3)預(yù)測(cè)的sigma點(diǎn)集代入觀測(cè)方程，得到預(yù)測(cè)的觀測(cè)量
(2.5)計(jì)算sigma點(diǎn)的均值和方差
其中，η和σ為閾值，rk為相對(duì)殘差，δk為測(cè)量值標(biāo)準(zhǔn)差，c為可調(diào)節(jié)參數(shù)；
時(shí)變漸消因子ζk+1的計(jì)算:
式中γk為k時(shí)刻殘差，γ(1)表示k＝0時(shí)刻的殘差，sk表示殘差的協(xié)方差矩陣，0＜ρ＜1，0＜b＜1為遺忘因子，通常在0.95-0.99之間選取，β≥1為弱化因子，目的是使?fàn)顟B(tài)估計(jì)值更加平滑；
(3)測(cè)量更新
當(dāng)獲得新的測(cè)量值z(mì)k后，可對(duì)狀態(tài)均值和方差進(jìn)行更新；
(3.1)計(jì)算卡爾曼濾波增益矩陣
(3.2)計(jì)算濾波更新值
(3.3)協(xié)方差更新
(4)判斷濾波是否執(zhí)行，如果是，返回步驟(2)；否則，結(jié)束算法。
考慮到電池模型及噪聲統(tǒng)計(jì)特性對(duì)狀態(tài)估算的影響，為了使電池的狀態(tài)估計(jì)更加準(zhǔn)確，提出了一種基于自適應(yīng)ukf的鋰電池soc估算方法，根據(jù)cauchy魯棒函數(shù)數(shù)據(jù)校正原理，以u(píng)kf的測(cè)量先驗(yàn)值與其實(shí)際值的殘差作為基準(zhǔn)，采用聯(lián)合權(quán)函數(shù)對(duì)濾波過(guò)程的噪聲估計(jì)值進(jìn)行實(shí)時(shí)修正，降低噪聲不準(zhǔn)的估計(jì)值的權(quán)重，使魯棒目標(biāo)函數(shù)達(dá)到最小值，克服了系統(tǒng)噪聲估計(jì)不準(zhǔn)所導(dǎo)致的濾波器精度變差問(wèn)題；強(qiáng)跟蹤ukf在協(xié)方差矩陣當(dāng)中引入一個(gè)自適應(yīng)調(diào)節(jié)因子ζk+1，通過(guò)在線自適應(yīng)調(diào)整狀態(tài)預(yù)測(cè)協(xié)方差陣pk+1/k，使得殘差序列在每一步互相正交，降低了ukf算法對(duì)電池模型不確定性的影響。與傳統(tǒng)的ukf算法相比，本發(fā)明克服了ukf算法中由于電池模型的不確定性及噪聲統(tǒng)計(jì)特性未知而造成的濾波精度降低的問(wèn)題,算法在復(fù)雜度上會(huì)略有增加，但濾波精度、魯棒性有所提高。
以上所述僅為本發(fā)明的較佳實(shí)施用例而已，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換以及改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。