CN104483631A - 一种噪声方差对soc滤波效果的测量方法 - Google Patents

Abstract

本发明公开了一种噪声方差对SOC滤波效果的测量方法，包括：在 和不变的情况下，在Matlab/Simulink中，调整测量噪声方差；不同的测量噪声方差值下，锂电池组UKF滤波效果差别较大，随着值得增大，滤波误差显著减小；根据以上测量，在进行锂电池SOC的Kalman估算时，选取合适的、

Description

一种噪声方差对SOC滤波效果的测量方法

技术领域

本发明涉及锂电池技术领域，具体地，涉及一种噪声方差对SOC滤波效果的测量方法。

背景技术

近些年，汽车工业迅猛发展，特别是在中国， 2004年到2012年我国汽车保有量增长趋势，截止2012年我国私人汽车保有量达9309万辆，在未来几年增长趋势明显，随之而来的是能源安全、环境污染等一系列问题，这也成为制约汽车发展的关键因素。能源安全方面，2004年到2010年我国石油生产量与消耗量增长趋势。截止2010年，我国石油对外依存度达到了53%，超过了50%的警戒线。而汽车能耗占总能耗的比重接近成品油的60%，依照这样的消耗速度，石油会在2050年左右枯竭。环境污染方面，机动车排放的氮氧化合物（NOx）、挥发性有机物和可吸入颗粒（PM10和PM2.5），在城市中心区所有污染中贡献比例已分别达到66%、90%和26%，机动车的排放已经成为造成雾霾的元凶之一。

目前就全世界范围来看，各国都将发展的重点放在了能量密度最高的锂离子电池身上。锂电池的发展主要集中在了IT锂电池、电动车用动力电池、储能电池三个方面。电动车用动力电池是未来锂电池发展的大趋势，世界各国都特别重视电动汽车电池发展，纷纷加大了对电池研究的投入力度。

新型的18605锂电池能量密度已经达到675Wh/L，韩国三星通过提高锂离子电池的充电截止电压来提高电池容量，其高电压的充电截止电压达到4.3V。锂离子电池能量密度的提高是把“双刃剑”，电池单位体积存放的能量越多，危险性就越大[11]。因此，用于电动汽车的锂离子电池的安全性是一个必须考虑的因素。动力锂电池的使用主要面临以下难题：

⑴动力电池使用循环次数较低；

⑵锂电池安全性差，必须防止过充电和过放电；

⑶SOC作为电动汽车运行时的重要参数，使用来判断电池是否过充电的依据，但锂电池本身是一个封闭、复杂的电化学反应，其估算困难。

在实现本发明的过程中，发明人发现现有技术中至少存在使用寿命短、安全性差和可靠性低等缺陷。

发明内容

本发明的目的在于，针对上述问题，提出一种噪声方差对SOC滤波效果的测量方法，以实现使用寿命长、安全性好和可靠性高的优点。

为实现上述目的，本发明采用的技术方案是：一种噪声方差对SOC滤波效果的测量方法，包括：

在                                               和不变的情况下，在Matlab/Simulink中，调整测量噪声方差；

不同的测量噪声方差值下，锂电池组UKF滤波效果差别较大，随着值得增大，滤波误差显著减小；

SOC的估算初值、状态协方差初值和测量噪声方差对SOC的Kalman滤波估算的精度和效果均有不同程度的影响；

根据以上测量，在进行锂电池SOC的Kalman估算时，选取合适的、。

本发明各实施例的噪声方差对SOC滤波效果的测量方法，由于包括：在和不变的情况下，在Matlab/Simulink中，调整测量噪声方差；不同的测量噪声方差值下，锂电池组UKF滤波效果差别较大，随着值得增大，滤波误差显著减小；根据以上测量，在进行锂电池SOC的Kalman估算时，选取合适的、；从而可以克服现有技术中使用寿命短、安全性差和可靠性低的缺陷，以实现使用寿命长、安全性好和可靠性高的优点。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。

下面通过实施例，对本发明的技术方案做进一步的详细描述。

具体实施方式

以下对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

根据本发明实施例，提供了一种噪声方差对SOC滤波效果的测量方法。

在本发明的技术方案中，测量噪声方差对SOC滤波效果的影响：

为研究测量噪声方差对SOC滤波效果的影响，采用同样的研究方法，在和不变的情况下，以锂电池组UKF滤波方法为例，在Matlab/Simulink中，调整测量噪声方差。

不同的测量噪声方差值下，锂电池组UKF滤波效果差别较大，随着值得增大，滤波误差显著减小。值主要影响滤波曲线的波动性能，当=0.03时波动效果最显著，滤波性能较差，UKF在此时对噪声的抑制效果也最差。随着值得增大，滤波效果得到改善，当值从3变为30时，滤波曲线变化很小，末尾阶段的误差也变小。因此在使用UKF滤波算法估算锂电池SOC时，测量噪声对滤波效果的影响较大，值的选取很重要。

3.4.4 SOC影响因素分析

从以上研究可以得出，SOC的估算初值、状态协方差初值和测量噪声方差对SOC的Kalman滤波估算的精度和效果均有不同程度的影响。其中主要影响估算的调节时间和误差，越接近实际值估算的调节时间越短，误差也越小。在相同的下，UKF的估算时的调节时间小于EKF，误差也小于EKF；状态协方差初值主要影响初始阶段和放电末尾阶段的动态性能。变小时，SOC的UKF滤波效果明显变好。当变大时，滤波曲线远离参考值，导致误差增大很多，可能引起发散，使得滤波值不在收敛到参考值附近；测量噪声方差主要影响SOC滤波的动态性能，当值较小时滤波曲线波动较大，UKF对噪声抑制能力不强，随着值的不断增大，曲线波动变弱，UKF抑制噪声能力变强，估算误差也随之减小。

因此，在进行锂电池SOC的Kalman估算时，选取合适的、和就显得尤为重要。

Kalman滤波算法大体可以分为传统的Kalman滤波算法和改进的Kalman滤波算法。传统的Kalman滤波算法分为标准Kalman滤波和扩展Kalman滤波，这是很长一段时间内，学术界大多研究学者普遍认可的分类方法，但笔者认为，随着状态估计的不断深入，Kalman滤波家族的成员也不断增多，无迹卡尔曼滤波算法也应该归类到传统的Kalman滤波算法行列之中。本发明的技术方案在建立锂电池模型的基础上设计EKF和UKF算法，运用Kalman滤波算法可以实现状态的最优估计，并且不用存储大量数据的优点，将其应用到SOC估算中，为Kalman滤波算法的改进算法的引入打下基础。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种噪声方差对SOC滤波效果的测量方法，其特征在于，包括：

在                                               和不变的情况下，在Matlab/Simulink中，调整测量噪声方差；

不同的测量噪声方差值下，锂电池组UKF滤波效果差别较大，随着值得增大，滤波误差显著减小；

SOC的估算初值、状态协方差初值和测量噪声方差对SOC的Kalman滤波估算的精度和效果均有不同程度的影响；

根据以上测量，在进行锂电池SOC的Kalman估算时，选取合适的、。