基于强跟踪自适应sqkf的应急灯电池soc估计方法
【技术领域】
[0001] 本发明涉及锂电池技术领域，具体地，涉及一种基于强跟踪自适应SQKF的应急灯 电池 SOC估计方法。
【背景技术】
[0002] 随着我国经济建设的高速发展，城市建筑越来越密集，人口相对集中，增加了火灾 的危害性。消防应急灯能在发生火灾时，引导被困人员疏散或展开灭火救援行动，可大大降 低火灾带来的损失。应急灯的广泛使用客观上造成了应急灯管理上的困难，特别是应急灯 电池管理方面。电池的荷电状态（State of Charge，S0C)提供了电池的使用信息及续航能 力，因此对电池 SOC的精确估算是电池管理的核心和关键。
[0003] 目前，应急灯电池 SOC的估计方法主要有安时积分法、内阻法、开路电压法、神经 网络法和卡尔曼滤波法（包含扩展卡尔曼滤波EKF、无迹卡尔曼滤波UKF)等。安时积分法 中，如果电流测量和初始值存在误差，则会使得误差累计放大；开路电压法虽然简单易行， 但动态响应慢；神经网络法易受干扰，需要相似电池的大量训练数据；卡尔曼滤波法对SOC 的初始误差有很强的修正作用，但需要对电池模型进行精确建模。
【发明内容】
[0004] 针对现有应急灯电池 SOC估计方法的不足，本发明首先建立了应急灯电池的二 阶RC等效电路模型，然后以平方根求积分卡尔曼滤波（Square-root quadrature Kalman filter，SQKF)为基础，结合Sage-Husa噪声估计器和强跟踪滤波技术提供一种基于强跟踪 自适应SQKF的电池 SOC估计方法。
[0005] 为了实现上述目的，本发明通过下述技术方案得到解决：
[0006] 本发明包括以下步骤：
[0007] 1、建立应急灯电池二阶RC等效模型；
[0008] 2、建立电池系统离散状态空间模型；
[0009] 3、使用强跟踪自适应SQKF对电池 SOC进行估算。
[0010] 所述的步骤1中的应急灯电池二阶RC等效模型包括理想电源、欧姆内阻R。、电化 学极化内阻R1、浓度极化内阻R2、电化学极化电容C1、浓度极化电容C 2。其中，理想电源的正 极连接欧姆内阻Rc的一端，Rc的另一端连接电化学极化内阻R :的一端，R :的另一端连接浓 度极化内阻R2的一端，电化学极化电容C i的两端与Ri的两端并联，浓度极化电容C2的两端 与R2的两端并联。
[0011] 所述的步骤2中的电池系统离散状态空间模型为：
[0012] X (k+1) = A · X (k) +B · i (k) +w (k)
[0013] z (k) = h [x (k) ] +D · i (k) +v (k)
[0014] 其中，
[0015]
[0016] 式中，k为离散时刻，At为采样周期，上标"T"表示矩阵转置运算，diag表示对角 矩阵；sjk)为电池的荷电状态Soau 1GO和U2GO分别为k时刻电容Cjp C2上的电压值； η为库仑系数（可通过电池充放电试验获得），Cn表示电池的标称容量，i(k)为k时刻通 过电池的电流；U ciut (k)为k时刻电池的端电压，U。。(k)为k时刻电池的开路电压，它与S。(k) 之间满足非线性关系UcJk) = f [SJk)] ;w(k)和v(k)分别为系统随机噪声和电池端电压 测量噪声。
[0017] 所述的步骤3中的基于强跟踪自适应SQKF的电池 SOC估计方法包括滤波器初始 化、时间更新过程、测量更新过程、系统噪声方差估计和算法结束五部分组成。
[0018] 3. 1滤波器初始化包括初始化系统状态私〇 i 〇) = X(O)、误差协方差阵P (0 I 0)= P (0)和过程噪声方差么0) 0(0)。
[0019] 3. 2时间更新过程，具体包括：
[0020] 3.2. 1估算状态的预测估计值对A'μ-1)及其平方根误差协方差阵S(kIk-I);
[0021] 3.2.2计算渐消因子λ (k)，并利用λ (k)对s(k|k-l)进行调整。
[0022] 3. 3测量跟新过程，具体包括：
[0023] 3.3.1计算测量值的预测估计值μ -1) ?
[0024] 3. 3. 2计算协方差矩阵Pxz (k I k)和Pzz (k I k)(下标χζ表示状态和测量值的互协方 差阵，而zz则表示新息协方差阵），以及第k时刻的增益阵K (k);
[0025] 3. 3. 3计算第k时刻的状态最优估计及其平方根误差协方差阵S (k I k);
[0026] 3. 3. 4选取状态估计I A)的第一分量矣(則幻作为输出量。
[0027] 3. 4采用Sage-Husa估计器递推计算系统噪声的方差么幻。
[0028] 3. 5判断滤波算法是否继续执行，如果是，返回3. 2. 1 ;否则，结束算法。
[0029] 本发明有益效果：
[0030] (1)基础滤波器SQKF具有比EKF和UKF更高的估计精度，而应急灯电池的二阶RC 等效电路模型更能准确描述电池的特性。
[0031] (2)对于未知的模型误差，通过Sage-Husa估计器实时估计，并用于修正电池的动 态模型，有效抑制估计方法的发散，提高了 SOC估计精度和稳定性。
[0032] (3)通过引入强跟踪滤波技术的时变渐消因子，使得本发明提出的方法能有效消 除电池建模不准带来的影响。
【附图说明】
[0033] 图1应急灯电池二阶RC等效电路图
[0034] 图2为本发明方法流程图
【具体实施方式】
[0035] 下面结合附图和实施例对本发明做进一步说明。
[0036] 如图2所示，一种基于强跟踪自适应SQKF的应急灯电池 SOC估计方法，包括以下 步骤：
[0037] 步骤1建立应急灯电池二阶RC等效模型。
[0038] 如图1所示，应急灯电池二阶RC等效模型包括理想电源、欧姆内阻R。、电化学极化 内阻R 1、浓度极化内阻R2、电化学极化电容C1、浓度极化电容C2。其中，理想电源的正极连接 欧姆内阻Rc的一端，Rc的另一端连接电化学极化内阻R :的一端，R :的另一端连接浓度极化 内阻R2的一端，电化学极化电容C i的两端与R i的两端并联，浓度极化电容C 2的两端与R 2 的两端并联。模型中的参数值IVRpRpQ、C2与工作环境、充/放电状态、寿命状态等因素 相关，且可以通过系统参数辨识的方法得到。
[0039] 步骤2建立电池系统离散状态空间模型。
[0040] 记k为离散时刻，Δ t为采样周期，SJk)为k时刻电池的荷电状态SOC，i (k)为k 时刻通过电池的电流，η为库仑系数（可通过电池充放电试验获得），Cn表示电池的标称 容量，则电池 SOC的状态方程为
[0041 ]
⑴
[0042] 记U1 (k)和U2 (k)分别为k时刻电容(^和C 2上的电压值，则由戴维南定理有：
[0045] 式（1)-(3)中，W1GO、W2GO和W3GO均为高斯随机噪声。若令x(k)= [S c (^,U1 (k),U2(k)]T,
[0043]
[0044]
[0046] ￥〇〇 = |^1〇〇，'\￥2〇〇，'\￥2〇〇]1'，上标"1'"表示矩阵转置运算，（^8表示对角