基于双卡尔曼滤波的锂离子电池SOC和SOH估算方法

本发明属于新能源汽车领域，具体涉及一种基于双卡尔曼滤波的锂离子电池soc和soh估算方法。

背景技术：

1、随着人口增长和社会发展，传统的化石能源已无法满足人们对于新一代能源可持续发展的需要。在汽车领域，相比于直接燃烧化石能源的汽车，电动汽车效率更高、更环保，因此被汽车行业所重视。

2、锂离子电池因能量密度高、寿命长、对环境友好等优势而被广泛运用在电动汽车中。然而，随着电池的反复充放电，电池的容量会不断地衰减，从而影响电动车的性能。为了提高锂电池的使用效率，并且避免因过充、过放而导致的自燃、爆炸等危险情况发生，车载电池管理系统需要准确地评估锂电池的荷电状态(state of charge，soc)和健康状况(state of health，soh)。

3、针对锂电池soc和soh的评估问题，近年来已有多种估算方法被提出。安时积分法是最常见的估算方法之一，它在时间上对充放电电流进行积分以计算充放电电量，从而估算电池soc。该估算方法原理简单易于实现，但存在固有的缺陷，具体包括：首先，无法在不知道电池soc初始值的情况下使用。其次，电流传感器的误差将随着时间不断累积，从而严重影响估算精度。

4、模型法作为锂电池soc和soh估算方法之一，从电压、电流和阻抗特性出发，为电池构建动态模型以估算电池状态，常见的有等效电路模型和电化学模型。模型法显著地克服了安时积分法存在的缺陷，其精度在很大程度上取决于模型对电池特性的拟合能力。

5、随着人工智能技术的发展，人工智能技术也被应用于估算锂电池soc和soh估算，且能够实现对soc和soh的高精度估算。但是，人工智能估算方法也存在缺点，表现为：(1)需要大量的训练数据，对电池管理系统的算力有很高的要求；(2)训练得到的模型只能用于一种特定型号的电池，泛化能力较差。

6、以上众多现有估算方法中，没有考虑到电池老化带来的容量衰减的问题，因此迫切地需要提出一种能够在考虑电池老化导致的容量衰减，且能够实时估算电池soc和soh的方法。

技术实现思路

1、为克服上述现有技术的不足，本发明的目的是提供一种基于双卡尔曼滤波的锂离子电池soc和soh估算方法，提高了soc和soh估算的准确性。

2、为实现上述发明目的，实施例提供的一种基于双卡尔曼滤波的锂离子电池soc和soh估算方法，包括以下步骤：

3、采集锂离子电池分别在微弱电流放电和脉冲电流放电条件下放电电流数据和电池端口电压数据；

4、依据锂离子电池在微弱电流放电条件下的电池端口电压数据构建ocv和soc之间的映射关系；

5、依据锂离子电池在脉冲电流放电条件下的放电电流数据和电池端口电压数据确定电池二阶等效电路模型中极化电阻值以及欧姆内阻的初始值；

6、根据ocv和soc之间的映射关系、极化电阻值以及欧姆内阻的初始值，采用双卡尔曼滤波器实时估算锂离子电池的soc和soh。

7、优选地，依据锂离子电池在微弱电流放电条件下的电池端口电压数据构建ocv和soc之间的映射关系，包括：

8、首先，采用安时积分法计算微弱电流放电过程中每个采样点的电压观测值对应的soc值；

9、然后，以soc值作为输入，对应的电压值作为输出，训练全连接神经网络以完成对ocv-soc关系的拟合，得到ocv和soc之间的映射关系。

10、优选地，根据锂离子电池在脉冲电流放电条件下的电池端口电压数据确定欧姆内阻的初始值，包括：

11、

12、其中，△u表示电池端口电压在放电脉冲开始和结束的瞬间变化量，i表示放电电流，r0表示欧姆内阻的初始值。

13、优选地，根据锂离子电池在脉冲电流放电条件下的放电电流数据和电池端口电压数据确定极化电阻值，包括：

14、首先，根据放电脉冲结束后锂电池在静置过程中锂离子电池端口电压的变换规律、放电脉冲结束时刻的电压值，通过拟合得到电池二阶等效电路模型中两个rc并联回路的时间常数，

15、锂离子电池端口电压的变换规律表示为：

16、

17、其中，u(t)表示t时刻的端口电压值，uocv(tend)表示放电脉冲结束时刻tend的开路电压，u1和u2表示两个rc并联回路在脉冲结束时刻的极化电压，τ1和τ2表示两个rc并联回路的时间常数；

18、然后，将锂离子电池在静置一段时间后开始脉冲放电时，电池二阶等效电路模型的端口电压响应看成零状态响应，根据零状态响应方程、两个rc并联回路的时间常数以及脉冲放电阶段的电压值和电流值，通过拟合估计极化电阻值，

19、零状态响应方程表示为：

20、

21、其中，t0表示脉冲放电开始时刻，i(t)表示t时刻的电流值，uocv(soct)表示根据映射关系对t时刻soc拟合得到的开路电压，r1和r2分别表示两个rc并联回路中极化电阻值。

22、优选地，所述双卡尔曼滤波器包括无迹卡尔曼滤波器和扩展卡尔曼滤波器，采用采用双卡尔曼滤波器实时估算锂离子电池的soc和soh，包括：

23、首先，采用无迹卡尔曼滤波器根据ocv和soc之间的映射关系、极化电阻值、相邻时刻变化量、每时刻的锂离子电池的端口电压和放电电流值，估算锂离子电池每时刻的soc和电池二阶等效电路模型中两个rc并联回路的极化电压；

24、然后，采用扩展卡尔曼滤波器根据锂离子电池每时刻的soc、极化电压、端口电压和放电电流值，估算锂离子电池每时刻的欧姆内阻；

25、最后，依据锂离子电池每时刻的欧姆内阻计算每时刻的soh，并更新电池实际最大容量。

26、优选地，利用无迹卡尔曼滤波器估算soc和极化电压时，选择[u1,t,u2,t,soct]t作为无迹卡尔曼滤波器的状态向量xt，则根据状态向量xt＝[u1,t,u2,t,soct]t构建的状态转移方程预测t时刻的极化电压u1,t、u2,t和soct，

27、其中，状态转移方程表示为：

28、

29、其中，it-1表示t-1时刻的电流矩阵，ct-1表示t-1时刻的最大容量，δt表示相邻时刻变化量，η表示库伦效率；

30、根据soct的预测值并采用ocv和soc之间的映射关系计算t时刻的ocv预测值uocv(soct)后，再根据极化电压u1,t、u2,t以及uocv(soct)的预测值，采用观测方程计算锂离子点端口电压的第一预测值ut；

31、第一观测方程表示为：

32、ut＝uocv(soct)-itr0,t-1-u1,t-u2,t

33、其中，r0,t-1表示t-1时刻的欧姆内阻的修正值；

34、采用锂离子点端口电压的第一预测值ut与观测值之差来修正u1,t、u2,t以及soct，得到的u1,t、u2,t以及soct修正值。

35、优选地，利用扩展卡尔曼滤波器估算锂离子电池每时刻的欧姆内阻时，将欧姆电阻看作扩展卡尔曼滤波器的观测向量，并认为欧姆电阻是缓慢变化的，则存在相邻时刻的扩展卡尔曼滤波器的观测向量相等，能够推出t时刻欧姆内阻的预测值r0,t等于t-1时刻欧姆内阻的修正值r′0,t-1，即

36、依据soct修正值并采用ocv和soc之间的映射关系计算ocv修正值u′ocv(soct)后，根据极化电压的修正值u′1,t和u′2,t、u′ocv(soct)，采用第二观测方程计算锂离子点端口电压的第二预测值u′t；

37、第二观测方程表示为：

38、u′t＝u′ocv(soct)-itr0,t-u′1,t-u′2,t

39、采用锂离子点端口电压的第二预测值u′t与观测值之差来修正r0,t，得到欧姆电阻的修正值r′0,t。

40、优选地，所述依据锂离子电池每时刻的欧姆内阻计算每时刻的soh，并更新电池实际最大容量，包括：

41、

42、ct＝soht·qnom

43、其中，soht表示t时刻的soh值，raged、rnew以及r′0,t分别代表电池容量耗尽时、电池刚出厂时以及t时刻的欧姆内阻的修正值，ct表示t时刻的最大容量，qnom表示额定容量。

44、优选地，采用最小二乘法估算锂离子电池每时刻的soc和电池二阶等效电路模型中两个rc并联回路的极化电压；采用最小二乘法估算锂离子电池每时刻的欧姆内阻。

45、与现有技术相比，本发明具有的有益效果至少包括：

46、为锂离子电池构建电池二阶等效电路模型，在电池二阶等效电路模型基础上，结合包含无迹卡尔曼滤波(unscented kalman filter，ukf)器和扩展卡尔曼滤波(extendedkalman filter，ekf)器的双卡尔曼滤波器，估算锂离子电池soc的同时估算soh并实时更新锂电池实际最大容量，从而提高soc的估算精度。