CN102169168A - 一种基于粒子滤波的电池剩余电量估计方法 - Google Patents
一种基于粒子滤波的电池剩余电量估计方法 Download PDFInfo
- Publication number
- CN102169168A CN102169168A CN2011101274880A CN201110127488A CN102169168A CN 102169168 A CN102169168 A CN 102169168A CN 2011101274880 A CN2011101274880 A CN 2011101274880A CN 201110127488 A CN201110127488 A CN 201110127488A CN 102169168 A CN102169168 A CN 102169168A
- Authority
- CN
- China
- Prior art keywords
- battery
- constantly
- discharge
- estimation
- particle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Secondary Cells (AREA)
Abstract
Description
技术领域
本发明属于电池技术领域,具体涉及一种基于粒子滤波的电池剩余电量快速估计方法。
背景技术
电池作为备用电源已在通讯、电力系统、军事装备等领域得到了广泛的应用。同传统燃油汽车相比,电动汽车可实现零排放,因此是未来汽车的主要发展方向。在电动汽车中电池直接作为主动能量供给部件,因此其工作状态的好坏直接关系到整个汽车的行驶安全性和运行可靠性。为确保电动汽车中的电池组性能良好,延长电池组使用寿命,须及时、准确地了解电池的运行状态,对电池进行合理有效的管理和控制。
电池荷电状态(State of Charge,以下简称SOC)的精确估算是电池能量管理系统中最核心的技术。电池的SOC无法用一种传感器直接测得,它必须通过对一些其他物理量的测量,并采用一定的数学模型和算法来估计得到。
目前常用的电池SOC估计方法有开路电压法、安时法等。开路电压法进行电池SOC估计时电池必须静置较长时间以达到稳定状态,而且只适用于电动汽车在停车状态下的SOC估计,不能满足在线检测要求。安时法易受到电流测量精度的影响,在高温或电流波动剧烈情况下,精度很差。
发明内容
本发明的目的就是克服现有技术的不足,提出一种基于粒子滤波的电池剩余电量快速估计方法,可以适用于所有电池,且估计精度较高。
本发明的电池剩余电量快速估计方法,具体步骤是:
步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态:
状态方程:
其中为电池的荷电状态(State of Charge, SOC),即剩余电量;为电池的放电比例系数,反映的是放电速率、温度、自放电、老化等因素对电池SOC的影响程度;是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量,是测量时间间隔,为处理噪声。、、、、为常数,,为电池观测模型的参数,是一个列向量,对同类型的电池它们是不变的;为电池的内阻,为观测噪声。
放电比例系数的确定方法为:
此处,最优系数对于同一类型的电池只需确定一次,确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。
(f) 计算时刻的剩余电量。
对同一类型的电池,这些参数只需确定一次,确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。
步骤(3)执行如下初始化过程:
①粒子数目为:;
②初始粒子均值和方差分别为:,
④初始粒子重要性权重为:
步骤(4)采用粒子滤波算法进行循环递推:
;
;
本发明可以方便地进行电池SOC的快速估计,该方法收敛速度快,估计精度高,而且适用于各种电池SOC的快速估计。
根据本发明的第一方面,公开了一种用于快速估计电池剩余电量的粒子滤波方法所依赖的测量量,分别为电池的端电压和电池的供电电流。
根据本发明的第二方面,公开了一种用于快速估计电池剩余电量的粒子滤波的状态方程和观测方程。其中观测方程中电池模型参数通过最小二乘法确定。
根据本发明的第三方面,公开了一种用于快速估计电池SOC的粒子滤波所依赖的初始值。包括粒子数目,初始粒子,初始粒子重要性权重、处理噪声及观察噪声的方差。其中,初始粒子的均值和方差不必很准确,在粒子滤波的后续迭代过程中它们会很快收敛到真实值附近;另外,一般来说,粒子数目越多估计精度越高,但会增加计算量。
根据本发明的第四方面,公开了一种应用粒子滤波进行电池SOC快速估计的具体流程。主要包括:粒子的迭代产生,粒子的重要性权重的更新,以及SOC的估计等。
具体实施方式
基于粒子滤波的电池剩余电量估计方法的具体步骤是:
步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态:
观测方程:
其中为电池的荷电状态(State of Charge, SOC),即剩余电量;为电池的放电比例系数,反映的是放电速率、温度、自放电、老化等因素对电池SOC的影响程度;是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量,是测量时间间隔,为处理噪声。、、、、为常数,,为电池观测模型的参数,是一个列向量,对同类型的电池它们是不变的;为电池的内阻,为观测噪声。
放电比例系数的确定方法为:
(c)在放电电流为时,对应的放电比例系数为:
此处,最优系数对于同一类型的电池只需确定一次,确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。
(d) 在室温25条件下、以1/30倍额定电流对充满电的电池进行恒定电流放电直至电量耗尽;
对同一类型的电池,这些参数只需确定一次,确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。
步骤(3)执行如下初始化过程:
④初始粒子重要性权重为:;
步骤(4)采用粒子滤波算法进行循环递推:
Claims (1)
1.一种基于粒子滤波的电池剩余电量估计方法,其特征在于该方法包括如下步骤:
步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态:
状态方程:
其中为电池的荷电状态,即剩余电量;为电池的放电比例系数,反映的是放电速率、温度、自放电、老化因素对电池SOC的影响程度;是电池在室温25条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量,是测量时间间隔,为处理噪声;、、、、为常数,,为电池观测模型的参数,是一个列向量,对同类型的电池它们是不变的;为电池的内阻,为观测噪声;
此处最优系数对于同一类型的电池只需确定一次,确定后可作为已知常数直接用于所有同类型电池的剩余电量估计;
(f)计算时刻的剩余电量;
对同一类型的电池,参数只需确定一次,确定后可作为已知常数直接用于所有同类型电池的剩余电量估计;
步骤(3)执行如下初始化过程:
④初始粒子重要性权重为:
步骤(4)采用粒子滤波算法进行循环递推:
;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110127488 CN102169168B (zh) | 2011-05-17 | 2011-05-17 | 一种基于粒子滤波的电池剩余电量估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110127488 CN102169168B (zh) | 2011-05-17 | 2011-05-17 | 一种基于粒子滤波的电池剩余电量估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102169168A true CN102169168A (zh) | 2011-08-31 |
CN102169168B CN102169168B (zh) | 2013-04-24 |
Family
ID=44490400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110127488 Active CN102169168B (zh) | 2011-05-17 | 2011-05-17 | 一种基于粒子滤波的电池剩余电量估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102169168B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102798823A (zh) * | 2012-06-15 | 2012-11-28 | 哈尔滨工业大学 | 基于高斯过程回归的锂电池健康状况预测方法 |
CN103389469A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 使用鲁棒h∞观测器的电池荷电状态估计器 |
CN103389468A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 电池荷电状态观测器 |
CN103424712A (zh) * | 2013-08-16 | 2013-12-04 | 江苏欧力特能源科技有限公司 | 基于粒子群优化的电池剩余容量在线测量方法 |
CN104182630A (zh) * | 2014-08-20 | 2014-12-03 | 国家电网公司 | 基于简化最小二乘支持向量机的蓄电池剩余容量检测方法 |
CN106154168A (zh) * | 2016-04-01 | 2016-11-23 | 储盈新能源科技(上海)有限公司 | 数据驱动的动力电池荷电状态估计方法 |
CN106908728A (zh) * | 2017-01-16 | 2017-06-30 | 电子科技大学 | 一种基于极大似然估计的soc优化方法 |
CN107367698A (zh) * | 2017-08-25 | 2017-11-21 | 北京交通大学 | 电动汽车锂电池组的健康状态预测方法 |
CN110118936A (zh) * | 2019-05-06 | 2019-08-13 | 杭州电子科技大学 | 一种基于ehf的电池剩余电量估计方法 |
CN110376534A (zh) * | 2018-09-25 | 2019-10-25 | 安徽贵博新能科技有限公司 | 一种基于pf算法的电池动力系统soc估算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070046292A1 (en) * | 2005-08-23 | 2007-03-01 | Plett Gregory L | System and method for estimating a state vector associated with a battery |
CN101598769A (zh) * | 2009-06-29 | 2009-12-09 | 杭州电子科技大学 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
CN102024999A (zh) * | 2010-11-16 | 2011-04-20 | 上海交通大学 | 电动车行动力管理系统 |
-
2011
- 2011-05-17 CN CN 201110127488 patent/CN102169168B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070046292A1 (en) * | 2005-08-23 | 2007-03-01 | Plett Gregory L | System and method for estimating a state vector associated with a battery |
CN101248365A (zh) * | 2005-08-23 | 2008-08-20 | Lg化学株式会社 | 估算与电池相关的状态向量的系统和方法 |
CN101598769A (zh) * | 2009-06-29 | 2009-12-09 | 杭州电子科技大学 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
CN102024999A (zh) * | 2010-11-16 | 2011-04-20 | 上海交通大学 | 电动车行动力管理系统 |
Non-Patent Citations (3)
Title |
---|
BHASKAR SAHA,ECT: "Prognostics methods for battery health monitoring using a Bayesian framework", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT》, vol. 58, no. 2, 28 February 2009 (2009-02-28), XP011236769, DOI: doi:10.1109/TIM.2008.2005965 * |
MANZAR ABBAS,ECT: "An intelligent diagnostic/prognostic framework for automotive electrical systems", 《PROCEEDINGS OF THE 2007 IEEE INTELLIGENT VEHICLES SYMPOSIUM》, 15 June 2007 (2007-06-15), pages 352 - 357, XP031126969 * |
张巍: "纯电动汽车电池管理系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 8, 15 August 2008 (2008-08-15) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103389469B (zh) * | 2012-05-08 | 2017-05-17 | 通用汽车环球科技运作有限责任公司 | 在电池连接到多个负载的同时确定电池的荷电状态的方法 |
CN103389469A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 使用鲁棒h∞观测器的电池荷电状态估计器 |
CN103389468A (zh) * | 2012-05-08 | 2013-11-13 | 通用汽车环球科技运作有限责任公司 | 电池荷电状态观测器 |
CN103389468B (zh) * | 2012-05-08 | 2016-03-02 | 通用汽车环球科技运作有限责任公司 | 一种在线确定电池荷电状态的方法和系统 |
CN102798823A (zh) * | 2012-06-15 | 2012-11-28 | 哈尔滨工业大学 | 基于高斯过程回归的锂电池健康状况预测方法 |
CN103424712A (zh) * | 2013-08-16 | 2013-12-04 | 江苏欧力特能源科技有限公司 | 基于粒子群优化的电池剩余容量在线测量方法 |
CN104182630A (zh) * | 2014-08-20 | 2014-12-03 | 国家电网公司 | 基于简化最小二乘支持向量机的蓄电池剩余容量检测方法 |
CN106154168A (zh) * | 2016-04-01 | 2016-11-23 | 储盈新能源科技(上海)有限公司 | 数据驱动的动力电池荷电状态估计方法 |
CN106154168B (zh) * | 2016-04-01 | 2019-03-05 | 储盈新能源科技(上海)有限公司 | 数据驱动的动力电池荷电状态估计方法 |
CN106908728A (zh) * | 2017-01-16 | 2017-06-30 | 电子科技大学 | 一种基于极大似然估计的soc优化方法 |
CN107367698A (zh) * | 2017-08-25 | 2017-11-21 | 北京交通大学 | 电动汽车锂电池组的健康状态预测方法 |
CN107367698B (zh) * | 2017-08-25 | 2019-08-30 | 北京交通大学 | 电动汽车锂电池组的健康状态预测方法 |
CN110376534A (zh) * | 2018-09-25 | 2019-10-25 | 安徽贵博新能科技有限公司 | 一种基于pf算法的电池动力系统soc估算方法 |
CN110118936A (zh) * | 2019-05-06 | 2019-08-13 | 杭州电子科技大学 | 一种基于ehf的电池剩余电量估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102169168B (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102169168B (zh) | 一种基于粒子滤波的电池剩余电量估计方法 | |
CN101625397B (zh) | 一种电池剩余电量的混合快速估计方法 | |
CN101598769B (zh) | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 | |
CN101604005B (zh) | 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法 | |
CN102289557B (zh) | 一种电池模型参数与剩余电量联合异步在线估计方法 | |
CN105425153B (zh) | 一种估计电动车辆的动力电池的荷电状态的方法 | |
CN109633479B (zh) | 基于嵌入式容积卡尔曼滤波的锂电池soc在线估算方法 | |
CN105717460B (zh) | 一种基于非线性观测器的动力电池soc估计方法和系统 | |
CN107390127A (zh) | 一种soc估算方法 | |
CN107656210A (zh) | 一种估算电池电量状态的方法 | |
CN106772081B (zh) | 基于扩展等效电路模型的电池极限充放电电流估计方法 | |
CN109633473B (zh) | 一种分布式电池组荷电状态估计算法 | |
CN105699910A (zh) | 一种锂电池剩余电量在线估计方法 | |
CN105425154A (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
CN105319508A (zh) | 用于电池荷电状态估计的方法和系统 | |
CN111707953A (zh) | 一种基于后向平滑滤波框架的锂电池soc在线估计方法 | |
CN102298118A (zh) | 一种电池模型参数与剩余电量联合同步在线估计方法 | |
CN104502847A (zh) | 一种电动汽车动力电池soh的预估方法 | |
Purwadi et al. | State of Charge estimation method for lithium battery using combination of Coulomb Counting and Adaptive System with considering the effect of temperature | |
CN105353312A (zh) | 一种动力电池soc的预测方法 | |
CN109375111A (zh) | 一种基于uhf的电池剩余电量估计方法 | |
CN103278777A (zh) | 一种基于动态贝叶斯网络的锂电池健康状况估计方法 | |
CN108693483A (zh) | 一种电池包荷电状态的计算方法及系统 | |
CN104733789A (zh) | 一种锂离子电池内部温度的估算方法 | |
CN109116260A (zh) | 一种锂原电池低电量的提示方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20110831 Assignee: Soyea Technology Co., Ltd. Assignor: Hangzhou Electronic Science and Technology Univ Contract record no.: X2019330000056 Denomination of invention: Battery dump energy estimation method based on particle filtering Granted publication date: 20130424 License type: Common License Record date: 20191226 |