一种用于发电机状态检测系统的电池健康状态估算方法与流程

本发明涉及电池检测，具体为一种用于发电机状态检测系统的电池健康状态估算方法。

背景技术：

1、在大型发电机运行过程中，其定子线棒在定子槽内存在局部放电的风险，通过对定子线棒与定子铁心槽的接触状态的检测，可对定子线棒槽内电晕放电状态进行有效评估。锂离子电池性能优越，应用广泛，对其健康状态(soh)的准确估算既能充分利用锂离子电池的安全使用寿命，又能及时发现电池安全隐患，有助于对性能劣化的电池进行及时更换，从而进一步提升其应用系统的安全性和可靠性，避免发生设备故障及事故。

2、目前用于锂离子电池soh估算的方法主要有基于老化参数的估算方法、基于数据驱动的估算方法和基于电池模型的估算方法。其中基于老化参数的估算方法需要额外的测量设备，且耗时较长，不适合在线应用的锂离子电池soh估算；基于数据驱动的估算方法需要大量电池工作数据进行训练，在提高算法精度的同时，也对存储空间和运算量提出了极高的挑战；基于电池电化学模型的估算方法涉及电池内部的反应，精度较高，但模型较为复杂，且变量众多，同样不适合在线应用的锂离子电池soh估算。考虑到锂离子电池soh估算属于复杂的非线性问题，在实际锂离子电池soh估算中多采用等效电路模型，并基于扩展卡尔曼滤波(ekf)、无迹卡尔曼滤波(ukf)等算法。由于ekf算法存在将状态方程线性化的误差，因此算法估算精度有待进一步提高。此外，在等效电路模型的基础上，先采用ukf估算锂离子电池的荷电状态(soc)，再用ekf估算欧姆内阻，从而计算soh，但是该方法未考虑电池容量变化对算法精度的影响。在一阶rc等效模型基础上，利用双ukf算法分别估算soc和soh，精度和稳定性较ekf有所提高，但是未对噪声影响进行自适应改进，使得算法在收敛速度及鲁棒性方面有待改进。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述存在的问题，提出了本发明。

3、因此，本发明解决的技术问题是：大型发电机状态检测系统采用锂离子电池供电，使得系统在发电机检修现场工作时接线更简便，对锂离子电池健康状态(soh)的准确估算既能充分利用锂离子电池的安全使用寿命，又能及时发现电池安全隐患，有助于对性能劣化的电池进行及时更换，从而进一步提升其应用系统的安全性和可靠性，避免发生设备故障及事故。

4、为解决上述技术问题，本发明提供如下技术方案：建立锂离子电池模型，平衡模型精度与计算量之间的冲突，选取二阶rc等效电路模型，并对电池等效电路模型进行参数辨识；在锂离子电池模型中，采用改进参数α，解决无迹卡尔曼滤波ukf算法在无迹变换过程中sigma点分布不固定导致的sigma点分布偏离状态量的问题；在无迹ut变换过程中，加入sage-husa自适应滤波过程，建立改进无迹卡尔曼滤波iukf算法，对ukf算法过程中的噪声误差进行自适应更新，减少实际工况下噪声对算法的影响，提高算法精度；将iukf算法应用到锂离子电池soh估算当中，得到锂离子电池soc、欧姆内阻以及容量的状态方程和观测方程，实现soc和soh联合估算的算法模型，得到锂离子电池soh的最优估算结果。

5、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述锂离子电池模型包括，设置uoc为开路电压，i为电流，r0为欧姆内阻，uo为端电压，u1和u2为rc回路电压，构成rc回路的电阻和电容分别为极化电阻r1、r2和极化电容c1、c2，建立锂离子电池模型：

6、

7、uo＝uoc-u1-u2-i(t)r0  (2)

8、其中，du1/dt和du2/dt为rc回路电压u1和u2的变化量。

9、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述无迹变换包括，通过在非线性函数状态点附近选择合适的采样点，也称为sigma点，基于采样点的分布描绘出原状态函数，采样点的选取决定状态预测的精度，采样点与原状态函数具有相同的均值和协方差，确定各点的相应分布权值，将各采样点带入原函数进行状态计算，求出状态量的第一步预测，同时求出这些预测值的均值和协方差，实现统计特性的传递；

10、对于n维的状态变量x，确定出状态变量的均值和方差p，通过式(3)计算出模拟状态变量分布的sigma点，根据状态变量的维数选取2n+1个；

11、在无迹变换过程中，sigma点的分布决定了状态估计的精度，采用改进参数α，让α成为随精度变化的参数，改善sigma点到均值的距离分布，提高状态估计精度，将比例参数λ＝α2(n+κ)-n代入式(3)得到式(4)，

12、

13、

14、其中，xi表示第i个模拟状态变量分布的sigma点，n为状态变量x的维数，α为关系到采样点在原函数周围分布情况的参数，其取值范围为1×10-4≤α＜1，k表示待选参数，(n+λ)p是半正定矩阵，和p分别为状态变量x的均值和方差；

15、令d表示sigma点到状态均值的距离，由d的表达式(5)，知k-1时刻的变换参数和方差p的值，得出k-1时刻各个sigma点到状态均值的距离，

16、

17、令dmax表示所有sigma点中到状态均值距离的最大值；

18、当需要计算dk时，需要已知k时刻的α值，α的更新公式为：

19、

20、其中，αk用方差p矩阵的迹与距离最大值dmax的比值表示，每次迭代取sigma点时，α的值都会以上一时刻sigma点分布为基础进行改变，使得ut变换中含有以估算精度为导向的动态参数，提高sigma点分布的精度，提升无迹卡尔曼算法性能。

21、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述提高算法估算精度包括，在无迹卡尔曼过程中，加入sage-husa自适应滤波过程，对算法过程中的噪声误差进行自适应更新，减少实际工况下噪声对算法的影响，以此提高预测精度，噪声自适应算法公式如下：

22、

23、其中，w和v代表方程的噪声干扰量，为高斯白噪声，大小符合正态分布，w和v分别为噪声方差，d和e分别为遗忘因子和残差，k为卡尔曼增益矩阵，为当前状态量的估计值，表示通过得到的测量估计值，和表示算法利用上一循环估算值预测的当前状态量，pxy,k和pxy,k分别为状态量与观测量的误差协方差；

24、d和e的计算公式为：

25、

26、其中，b为遗忘因子，范围为0.95<b<1，遗忘因子通过迭代，使之前的数据对噪声更新的影响逐渐减少；

27、通过噪声自适应过程，使自适应后的wk，vk，wk，vk替换ukf算法中噪声参数，在每次迭代计算后，噪声参数都得到更新，提高ukf的自适应性和稳定性。

28、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述改进无迹卡尔曼滤波iukf算法包括，将无迹变换中的ukf算法进行改进，使得噪声自适应运算，形成ikuf算法，使得算法适应锂离子电池soh估算。

29、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述改进无迹卡尔曼滤波ikuf算法还包括，对状态参数x初始化设置，同时计算出噪声协方差的初始值，利用改进的ut变换进行sigma点的采集，得到sigma点集，sigma点通过状态方程对状态变量和协方差进行预测，利用改进的ut变换对sigma点重采样，sigma点通过观测方程对观测量进行预测，计算出观测量残差，并对测量噪声进行更新计算，计算测量方差和状态量与观测量的误差协方差，计算出卡尔曼增益，基于计算出的卡尔曼增益，对状态量估计值和误差协方差进行更新，对过程噪声和ut变换系数进行更新计算，在ukf算法中加入的无迹变换算法和噪声自适应算法，形成iukf算法，解决ukf在计算过程中出现的估算结果收敛过慢以及误差过大的问题。

30、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算方法的一种优选方案，其中：所述锂离子电池soh估算包括，采用iukf算法同时估算soc和soh，建立第一、第二和第三卡尔曼滤波器，第一滤波器iukf1首先用于soc估算，之后将估算值作为已知状态量，用于第二滤波器iukf2和第三滤波器iukf3分别估算soh的表征参数欧姆内阻和容量，表征参数继续更新电池模型参数，参与下一循环soc的估算，参数模型不断优化，实现电池soc和soh的同时估算，得到电池的最优估计。

31、本发明的另一个目的是提供一种用于发电机状态检测系统的电池健康状态估算系统，其能通过构建电池健康状态估算系统，解决如何及时发现电池安全隐患，提升应用系统的安全性和可靠性的问题。

32、作为本发明所述一种用于发电机状态检测系统的电池健康状态估算系统的一种优选方案，其中：所述系统包括锂离子电池模块，参数改进模块，自适应滤波模块，估算结果模块；所述锂离子电池模块，用于构建锂离子电池模型；所述参数改进模块，采用改进参数α，解决采用ukf算法在无迹变换过程因为sigma点分布不固定导致的sigma点分布偏离状态量的问题；所述自适应滤波模块，在无迹变换过程中，加入sage-husa自适应滤波过程，建立iukf算法，对ukf算法过程中的噪声误差进行自适应更新，减少实际工况下噪声对算法的影响，提高算法精度；所述估算结果模块，将iukf算法应用到锂离子电池soh估算当中，得到锂离子电池soc、欧姆内阻以及容量的状态方程和观测方程，实现soc和soh联合估算的算法模型，得到锂离子电池soh的最优估算结果。

33、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现一种用于发电机状态检测系统的电池健康状态估算方法的步骤。

34、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现一种用于发电机状态检测系统的电池健康状态估算方法的步骤。

35、本发明的有益效果：本发明设计改进iukf算法，提高算法在锂离子电池soh估算时的收敛速度和精度等性能，在无迹变换过程中，加入sage-husa自适应滤波过程，对算法过程中的噪声误差进行自适应更新，减少实际工况下噪声对算法的影响，从而提高算法估算精度；与现有技术相比，本发明提出的锂离子电池soh估算方法具有较高的精度和较快的收敛速度，在提高检测系统的安全性和可靠性等方面具有一定的工程实用价值。