基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法
【技术领域】
[0001] 本发明属于智能电网中丽级电池储能系统设计与控制技术领域，设及一种基于 无迹卡尔曼滤波的大容量电池系统荷电状态估计方法。
【背景技术】
[0002] 随着风电、光伏发电等可再生能源及电网智能化的大力发展，电池系统作为电池 储能系统能量存储的主要载体，已越来越多地受到世界各国的关注和应用。同时可再生能 源规模的不断扩大及用电负荷的快速增长，也将促使电池系统向大容量化（MW级）方向发 展。然而，由于应用环境的复杂性（如秒级波动功率平滑、一次高频等高动态场合）及电池 电量不能直接测量等因素，准确估计电池系统荷电状态（Stateof化arge，S0C)不仅直接 决定电池系统能否安全、可靠、高效运行，且对电池系统优化配置、设计与控制等至关重要。
[0003] 传统的S0C估计算法主要有：安时法、阻抗法、开路电压法等，近年来相继出现了 神经网络、模糊逻辑法、支持向量机及标准卡尔曼滤波法、扩展卡尔曼滤波法巧xtended KalmanFilter,EK巧等高级算法。针对非线性时变的电池系统，目前常采用EKF，并取得良 好的效果，然而由于EKF存在自身计算复杂、忽略高阶项等问题，必会产生一定误差，使电 池的S0C估计精度仍待进一步研究。
【发明内容】
[0004] 本发明解决的问题是在于提供一种基于无迹卡尔曼滤波扣nscentedKalman Filter,UK巧的大容量电池系统荷电状态估计方法，解决大容量电池系统性能参数受SOC 影响、扩展卡尔曼滤波法计算复杂、精度不高而导致电池系统S0C难W被准确测量、估算的 问题，达到准确估计大容量电池系统S0C的目的。
[0005] 本发明目的是通过W下技术方案来实现：
[0006] 本发明提供一种大容量电池系统，该系统由M个电池单体经串联成电池串、再由N 个电池串并联而成，其中M、N均为大于1的自然数。
[0007]-种基于无迹卡尔曼滤波的大容量电池系统荷电状态估计方法如下：根据已知裡 离子电池单体性能参数，利用串、并联电路工作特性及筛选法确定电池系统性能参数与电 池单体性能参数的关系，再结合基尔霍夫定律KVC确定电池系统输出端电压方程，建立电 池系统等效模型（1);将电池系统的荷电状态S0C及等效模型中2个RC并联电路的端电压 作为状态变量，W电池系统的电流及输出电压分别作为系统输入量与输出量，结合电池系 统等效电路模型，得电池系统空间状态方程（2);将电池系统空间状态方程（2)中的电池系 统S0C、2个RC并联电路的端电压作为无迹卡尔曼滤波算法UKF的状态变量；电池系统空间 状态方程（2)的输入状态空间方程、输出电压状态空间方程分别作为UKF算法的非线性状 态方程及测量方程；通过电压传感器测量电池系统端电压（4)的实际值与UKF算法获得的 电池端电压估计值来更新增益矩阵巧），最后由UKF算法经循环迭代，从而实时得到电池系 统S0C的估计值。
[0008] 所述大容量电池系统等效电路模型（1)为二阶等效电路模型，模型主电路由2个 RC并联电路、受控电压源Uw(SOC)及电池内阻Rb等组成。建立准确的电池系统等效电路模 型关键在于如何根据电池工作特性来确定电池系统性能参数与电池单体性能参数的关系。 本发明中大容量电池系统性能参数与电池单体性能参数关系式为：
[0009]
[0010] 式中，咕5、咕1、旬5、旬1分别表示电池系统模型中2个1?(：并联电路的电阻和电容；下 标i表示第i个电池单体；Uw、Ri分别表示电池单体的开路电压、内阻；3^、而1、(：^、(：11分别 表示电池单体模型中2个RC并联电路的电阻和电容；1；1。、而、而,、而1、(：1,、(：。均与80(：有关， S0C的定义为：
其中，S0C。为电池单体S0C初始值，一 般为0~1的常数；Qu(t)为电池单体不可用容量，Q。为电池单体额定容量。Uic(SOC)、Ru、R,-,和0,.。、(：,.,、民.的计算分别如下：
d。~d2、e。~e2、f。~f2、b。~b5均为模型系数，可由电池测量数据经拟合而得。
[0011] 所述大容量电池系统空间状态方程似的建立如下：a、w电池系统的荷电状态 SOCb及等效模型中2个RC并联电路的端电压作为状态变量，W电池系统的电流Ib为系统 输入量，根据等效电路模型建立电池系统空间状态方程为
[0012]
[0013] 式中，IL、Ubi为2个RC并联电路端电压，Rb,、Rbi为2个RC并联电路的电阻，Qw为 电池系统额定电量，Tl、T2为时间常数，Wk为系统观过程噪声，At为采样周期，k为大于 1的自然数；b、根据基尔霍夫电压定律，结合电池系统等效电路模型，可得电池系统输出电 压方程为：Ub(t) =Ub。(t)-Rb(t)Ib(t)-Ubi(t)-Ubs(t)，式中，Ub为电池系统端电压，Rb为电池 系统内阻。
[0014] 所述无迹卡尔曼滤波算法UKF的主要步骤为：1)初始化状态变量X均值 EQ和均方误差P。：
2)获取采样 点Xi及对应权重〇 :
戈中，A = a2(n+h)-n;3)状态估计及均方误差的时间 更新：状态估计时间更新夫
均方误差时 间更新为
累统输出时间更新 为
式中，gk1(0为测量方程；4)计算增益矩阵巧）：
5)状态 估计及均方误差的测量更新：状态估计测量更新为
-均方误 差测量更新为
[0015]与采用扩展卡尔曼滤波算法EKF进行电池系统S0C估计相比，本发明具有W下有 益的技术效果：一是整个放电过程，本发明所采用的UKF算法比EKF算法进行电池系统S0C 估计时UKF估计精度更高，尤其是放电初期和末期效果更明显；二是所采用的UKF算法比 EKF算法能更快收敛于实验数据，鲁棒性更好。
【附图说明】
[0016]图1为大容量电池系统结构示意图；
[0017] 图2为12X2大容量电池系统结构示意图；
[001引图3为含2个RC并联电路的电池系统等效电路模型图；
[0019] 图4为无迹卡尔曼滤波算法流程图；
[0020] 图5-1~图5-4为S0C。不同时电池恒流放电特性，其中图5-1为S0Ce= 1时S0C 变化情况，图5-2为S0Ce= 1时电池系统端电压变化情况，图5-3为S0C。= 0. 8时S0C变 化情况，图5-4为S0Ce= 0. 8时电池系统端电压变化情况；
[0021] 图6-1~图6-4为S0C。不同时电池脉冲放电特性，其中图6-1为S0Cd= 1时S0C 变化情况，图6-2为S0Ce= 1时电池系统端电压变化情况，图6-3为S0C。= 0. 8时S0C变 化情况，图6-4为S0Ce= 0. 8时电池系统端电压变化情况。
【具体实施方式】
[0022] 下面结合具体的实例对本发明作进一步的详细说明，所述为对本发明的解释而不 是限定。
[0023] 1、大容量电池系统及其等效电路模型
[0024] 1. 1大容量电池系统
[0025] 大容量电池系统是由M个电池单体经串联成电池串、再由N个电池串并联而成，其 结构图如图1所示。为便于分析，本实例中假设大容量电池系统由12个电池单体经串联成 电池串、再由2个电池串并联而成，即12X2大容量电池系统，如图2所示。电池系统中每 个电池单体的额定电压为3. 2V，额定容量为25Ah，放电截止电压为2. 5V。
[002引 1. 212X2电池系统等效电路模型
[0027] 大容量电池系统等效电路模型（1)为二阶等效电路模型，模型主电路由2个RC并 联电路、受控电压源Uw(SOC)及电池内阻Rb等组成，如图3所示。电池系统性能参数通过 与电池单体性能参数的关系来获取，具体计算如下：Ubn(t) = 12*Un(t)、Rb(t) = 6*R(t)、 Rbs(t) =