1.基于闭环混合算法的磷酸铁锂电池剩余电量的估算方法,其特征在于具体步骤为:
步骤(1),建立由Shepherd模型、Unnewehr universal模型和Neenst模型组合而成的动态观测模型,动态观测模型的开路电压与剩余电量的关系为:
Vt=K0-RIt-K1/SOCt-K2SOCt+K3ln(SOCt)+K4ln(1-SOCt)
式中:Vt为t时刻的负载电压,It为t时刻的瞬时电流,R是电池内阻,SOCt为t时刻的瞬时荷电状态,K0、K1、K2、K3、K4为待辨识的电池模型参数,用于表征锂电池的极化内阻,为了表征温度及充放电倍率对剩余电量估计的干扰,对SOCt作如下定义:
式中:SOCt为电池t时刻的SOC值,T为温度,η为充放电效率,CN为常温下电池的标称容量,κ为充放电倍率,C(T,κ,t)为在不同温度、不同充放电倍率下的电池可用容量,通过记录放电过程中电池电压、电流和对应的剩余电量值,采用最小二乘法拟合得到模型参数:
令Ak=[1 1/SOCk -SOCk ln(SOCk) ln(1-SOCk) -Ik]
B=[K0 K1 K2 K3 K4 R]T
则动态观测模型表示为:Vk=AkB
令C=[A1 A2 … Am]T
X=[V1 V2 … Vm]T
则最小二乘法的解为:
B=(CTC)-1CTX
得到参数K0、K1、K2、K3、K4及内阻R,
则状态方程:
观测方程:
式中:wk为系统噪声,vk为观测噪声,它们均为零均值的高斯白噪声,方差分别为Qw=10-5,Qv=10-2,△t为离散系统采样周期;
步骤(2),根据开路电压-剩余电量曲线对电池的放电过程进行分区,当剩余电量大于10%小于95%时,称为平台区,其它区域为非平台区,剩余电量10%对应开路电压为Uo1,剩余电量95%对应开路电压为Uo2,根据公式OCV=u-i·R计算磷酸铁锂电池放电过程中的开路电压,其中,u表示磷酸铁锂电池放电过程中的电压,i表示在放电过程中的电流,R表示电池的内阻,当电动汽车开始启动时,比较此时开路电压与Uo1、Uo2,看是否处于平台期,若处于非平台期,则直接使用粒子滤波进行估算,初值设置为0,粒子数N设定为100,通过递归运算逼近真实值,具体算法如下:
初始化:
-从重要性概率密度函数π(x0)中取Ns个重采样粒子
-设置权值,每个重采样粒子的权值为1/Ns,权值之和为1
对于k=1,2,...n
-预测
从重要性概率密度函数π(x0)中取新粒子
-更新
通过公式更新权值
通过公式归一化权值
通过公式进行状态更新
-监测退化程度
有效粒子数目
当小于设定阈值时,启动重采样
-k←k+1
若处于平台期,则需要先使用无际卡尔曼滤波对剩余电量初值进行追踪,初始值设定依然为0,具体算法为:
初始化:
-初始状态为:
-协方差矩阵:
对于k=1,2,...n
-预测
通过上述三式生成sigma点
通过公式进行sigma点增殖
通过下列两式计算预测状态的均值和协方差
-更新
通过公式进行sigma点增殖通过下列两式计算更新状态的均值和协方差
通过下式计算更新状态的互协方差
使用公式计算卡尔曼增益
通过公式更新后验状态
通过公式更新后验协方差
-k←k+1
经过时间t后,无际卡尔曼滤波追踪到准确的剩余电量初值,以所的值为预测初值,进行粒子滤波运算。