技术特征：
1.一种基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，其步骤为：s1、基于锂电池的二阶等效电路模型获取模型的状态方程和输出方程，并进行离散化得到离散化的二阶等效电路模型的状态空间方程；s2、通过电池放电的电压响应曲线、二阶等效电路模型的状态方程和输出方程辨识模型参数；s3、将辨识的模型参数代入二阶等效电路模型的状态方程和输出方程，利用脉冲放电作为二阶等效电路模型输入，将二阶等效电路模型输出端电压与实际端电压进行对比，验证二阶等效电路模型精度；s4、建立自适应无迹卡尔曼滤波算法，通过移动窗口法计算新息和残差的方差，自适应更新计算状态空间方程的系统噪声协方差和观测噪声协方差；s5、基于建立的自适应无迹卡尔曼滤波算法，利用卡尔曼滤波器估计锂电池的端电压值和锂电池的soc值。2.如权利要求1所述的基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，二阶等效电路模型的状态方程为：式中，i
bat
为锂电池开路电流，放电为正；q
bat
为锂电池的额定容量；r
si
为锂电池的欧姆内阻；r
tf
为锂电池的极化电阻；c
tf
为锂电池的极化电容；r
ts
为浓差极化电阻；c
ts
为浓差极化电容；u
tf
为极化电容c
tf
两端的电压；u
ts
为浓差极化电容c
ts
两端的电压；二阶等效电路模型的输出方程为：u
bat
＝u
oc
(soc)-r
si
i
bat-u
tf-u
ts
ꢀꢀꢀꢀ
(2)式中，u
bat
为电池端电压；u
oc
(soc)为与soc相关的电池开路电压。3.如权利要求2所述的基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，根据锂电池的二阶等效电路模型，结合公式(1)和公式(2)得到离散化的二阶等效电路模型的状态空间方程为：
式中，τ
tf
＝r
tf
c
tf
为快时间常数，τ
ts
＝r
ts
c
ts
为慢时间常数；令i
bat
(k)＝u
k
，u
bat
(k)＝y
k
，c＝[-1
ꢀ‑
1 0]，离散化的二阶等效电路模型的状态空间方程简化为：4.如权利要求3所述的基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，步骤s2中，辨识的模型参数包括锂电池的欧姆内阻r
si
、锂电池的极化电阻r
tf
、锂电池的极化电容c
tf
、浓差极化电阻r
ts
、浓差极化电容c
ts
以及具有函数关系的锂电池开路电压u
oc
(soc)表达式。5.如权利要求4所述的基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，步骤s2中，将10节锂电池并联，采用1c脉冲放电，每放电3min，然后静置2h，循环放电到截止电压，得到脉冲放电电压曲线和脉冲放电电流曲线，获得锂电池soc和开路电压u
oc
，用matlab进行最小二乘拟合，得到开路电压u
oc
和锂电池soc的函数关系曲线。6.如权利要求4所述的基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，步骤s2中，通过对电池脉冲放电的电压响应曲线进行分析，结合电阻电容特性，进行电阻电容的辨识；辨识电阻电容的具体过程为：将电池电压响应曲线分为四个阶段：a-b段：电池从静置开始放电，端电压跳跃式下降，极化电容c
tf
两端的电压u
tf
和浓差极化电容c
ts
两端的电压u
ts
不能发生突变，a-b段电压的突降是由于欧姆内阻r
si
引起的；b-c段：在持续放电期间，电化学极化和浓差极化共同作用，使电压以指数变化的形式下降；在b-c段之前，电压u
tf
和电压u
ts
为零，则b-c段为零状态响应；c-d段：放电电流消失，电池电压回弹，和a-b段同理，c-d段电压回弹由于欧姆内阻r
si
引起的；
d-e段：电池静置，由于电化学极化和浓度差作用，使电压缓慢升高，此时无电流放电，d-e段为零输入响应；根据a-b段和c-d段通过下述公式求得欧姆内阻r
si
：式中，u
a
为电压响应曲线中a点对应的锂电池端电压，u
b
为电压响应曲线中b点对应的锂电池端电压，u
c
为电压响应曲线中c点对应的锂电池端电压，u
d
为电压响应曲线中d点对应的锂电池端电压；根据公式(1)所示模型的状态方程解微分方程得到：式中，u
tf
(0)为极化电容c
tf
两端的初始电压，u
ts
(0)为浓差极化电容c
ts
两端的初始电压；根据d-e段放电电流为零，为零输入响应，将d点作为t＝0时刻，得到rc回路的零输入响应表达式为：结合公式(2)所示模型的输出方程，得到零输入响应下的锂电池输出方程为：令u
tf
(0)＝b1，u
ts
(0)＝b2，公式(8)简化为：用matlab将公式(9)作为拟合函数，对de段进行最小二乘拟合，求得b1,b2,λ1,λ2的值，进而得到τ
tf
,τ
ts
的值；根据b-c段为零状态响应，以b点作为t＝0时刻，得到rc回路的零状态响应表达式为：结合公式(2)所示模型的输出方程，得到零状态响应下的锂电池输出方程为：将通过公式(9)拟合得到的τ
tf
,τ
ts
代入公式(11)，将公式(11)作为拟合函数，对b-c段进行最小二乘拟合，求得a1,a2的值，进而通过公式(12)得到电阻r
tf
,r
ts
的值，公式(12)表示为：
再根据τ
tf
＝r
tf
c
tf
,τ
ts
＝r
ts
c
ts
求得电容c
tf
,c
ts
的值。7.如权利要求4所述的基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其特征在于，步骤s4中，建立自适应无迹卡尔曼滤波算法，自适应更新计算系统噪声协方差和观测噪声协方差的过程为：对于一个非线性系统，加入系统噪声和观测噪声的状态方程和观测方程表示为：式中，k为当前所处时刻，f(x
k-1
,u
k
)为非线性系统状态转移方程，g(x
k-1
,u
k
)为非线性系统观测方程，x
k
为状态变量，u
k
为已知输入，y
k
为观测信号，w为系统噪声，v为观测噪声；根据kf原理，结合公式(4)所示状态空间方程和公式(13)所示状态方程和观测方程，对非线性观测方程在当前状态值处求一阶导数，得到观测矩阵h
k
为：确定状态值初始值和状态误差协方差初始值p0为：为：计算sigma点：式中，l为状态向量长度；计算权重：式中，α＝0，k
i
＝0，β＝2；更新预测状态值更新预测状态值
更新预测观测值更新预测观测值更新预测观测值更新系统协方差预测值p
xx|k
：计算新息d
k
和新息d
k
的方差的方差的方差式中，w为移动窗口的长度；更新系统噪声协方差q
k
：更新观测协方差预测值p
yyk
：更新协方差p
xy|k
：计算卡尔曼增益k
k
：更新估计状态值更新估计状态值更新估计观测值更新估计观测值更新误差协方差值p
k
：p
k
＝p
xx|k-k
k
p
yy|k
k
t
ꢀꢀꢀꢀ
(32)计算残差值r
k
和残差的方差
更新观测噪声协方差r
k
：
技术总结
本发明涉及一种基于自适应无迹卡尔曼滤波的锂电池荷电状态估计方法，其步骤为：S1、基于锂电池的二阶等效电路模型获取模型的状态方程和输出方程，并进行离散化得到离散化模型的状态空间方程；S2、通过电池放电的电压响应曲线、模型的状态方程和输出方程辨识模型参数；S3、将辨识的参数代入模型的状态方程和输出方程，以脉冲放电为模型输入，对比模型输出端电压与实际端电压，验证模型精度；S4、建立自适应无迹卡尔曼滤波算法，自适应更新计算状态空间方程的系统噪声协方差和观测噪声协方差；S5、基于自适应无迹卡尔曼滤波算法，利用卡尔曼滤波器估计锂电池端电压值和锂电池SOC值。本发明能够准确估计锂电池荷电状态，误差小，估计精度高。估计精度高。估计精度高。
技术研发人员：王小利 吕杰超 蒋保臣
受保护的技术使用者：山东大学
技术研发日：2022.09.26
技术公布日：2022/12/16