CN110118936A - 一种基于ehf的电池剩余电量估计方法 - Google Patents

一种基于ehf的电池剩余电量估计方法 Download PDF

Info

Publication number
CN110118936A
CN110118936A CN201910371353.5A CN201910371353A CN110118936A CN 110118936 A CN110118936 A CN 110118936A CN 201910371353 A CN201910371353 A CN 201910371353A CN 110118936 A CN110118936 A CN 110118936A
Authority
CN
China
Prior art keywords
battery
state
equation
ehf
variance
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.)
Pending
Application number
CN201910371353.5A
Other languages
English (en)
Inventor
刘圆圆
蔡田田
何志伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201910371353.5A priority Critical patent/CN110118936A/zh
Publication of CN110118936A publication Critical patent/CN110118936A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本发明公开了一种基于EHF的电池剩余电量估计方法。锂离子电池的强非线性和时变特性很容易受到操作环境和老化等诸多因素的影响,现有的方法不能准确估计。本发明方法首先测量在k时刻的电池端电压yk和电池供电电流ik,用状态方程和观测方程表示电池的各个时刻的荷电状态,然后进行初始化过程,最后采用EHF算法进行循环递推:首先计算状态方程的雅克比矩阵,然后进行时间域更新,计算测量方程的雅克比矩阵,根据观测方程完成测量更新,递推所得到的状态更新值即为当前时刻所估计得到的电池剩余电量。本发明方法可以准确地进行电池SOC估计,收敛速度快,估计精度高,适用于各种电池SOC的快速估计。

Description

一种基于EHF的电池剩余电量估计方法
技术领域
本发明属于电池技术领域,具体涉及一种基于EHF的电池剩余电量估计方法。
背景技术
随着人们越来越关注环境恶化和能源短缺问题,电动汽车已被确定为新的交通方式。锂离子电池由于具有高能量,无记忆效应,低自放电率和长循环寿命等优点而被广泛应用于电动汽车中。这些电池的有效管理是电动汽车安全可靠运行的基础。电池管理系统的关键是准确估计荷电状态(SoC)。SoC代表的是电池剩余容量与其完全充电状态的容量的比值。
电池SoC无法在实际的电动汽车应用中直接测量,一般方法是通过测量的电流,电压和温度来估算SoC。目前已经提出了许多方法来估计SoC,如库仑积分法,开路电压法,神经网络法和基于模型的方法等。在基于模型的SoC估计方法中,卡尔曼滤波器(KF)适用于线性电池模型,当电池行为表现出非线性特性时,可以使用基于KF框架的扩展卡尔曼滤波器(EKF)等方法进行状态估计。当存在电池模型误差和未知的测量噪声特性时,通常采用H-infinity滤波器(HIF)来估计电池状态。实际情况中,锂离子电池的强非线性和时变特性很容易受到操作环境和老化等诸多因素的影响,现有的传统方法不能很好地克服,因此SoC估计估算准确度方面还有待提高。
发明内容
本发明的目的就是克服现有技术的不足,提出将EKF和H-infinity滤波器结合的EHF(扩展H无穷大滤波器)算法,用于电池SOC估计,该方法适用于所有电池。
本发明方法具体步骤是:
步骤(1)测量在k时刻的电池端电压yk和电池供电电流ik,k=1,2,3,…。
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:
观测方程:
其中xk为电池的荷电状态SOC(State of Charge),即剩余电量;ηi为电池的放电比例系数;Qn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,Δt是测量时间间隔,wk为过程噪声。k0、k1、k2、k3、k4为常数,P=[k0 R k1 k2 k3k4],P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;R为电池内阻,vk为测量噪声。
放电比例系数ηi的确定方法为:
(a)将完全充满电的电池以不同放电速率Ci恒流放电N次,计算相应放电速率下的电池总电量Qi;0<Ci≤C,C为电池的额定放电电流;N>10,1≤i≤N;
(b)根据最小二乘方法拟合出Qi与Ci间的二次曲线关系,即在最小均方误差准则下求出同时满足Qi=aCi 2+bCi+c,a,b,c为最优系数;
(c)在放电电流为ik时,对应的放电比例系数ηi为:
此处,最优系数a,b,c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。
电池内阻R以及常数k0、k1、k2、k3、k4的确定方法为:
(e)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;
(f)在放电过程中以时间间隔Δt测量电池在s时刻的端电压ys,s=0,1,2,...M,其中s=0对应电池充满后的起始放电时刻,s=M对应电池电量耗尽的终止时刻;
(g)计算s时刻的剩余电量zs=1-s/M;
(h)记
则P=(HTH)-1HTY,上标T表示矩阵转置,上标-1表示矩阵求逆,得到内阻R以及常数k0、k1、k2、k3、k4
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:
选择起始状态及其方差P0,选择处理噪声wk的方差Qk和测量噪声vk的方差Rk,扩展后的状态向量及其协方差为:选择的起始状态在0~1之间,方差P0在10-4~10-2之间,处理噪声的方差Qk在10-6~10-2之间,测量噪声的方差Rk在10-6~10-2之间。
步骤(4)采用EHF算法进行循环递推:
在时刻k=1,2,3,…,根据测得的电池端电压yk及电池的供电电流ik,按下列各式进行递推计算:
①计算状态方程的雅克比矩阵:
②根据状态方程进行时间域更新:
计算状态的估计值 上标-表示临时估计结果;
计算状态估计的方差
③计算测量方程的雅克比矩阵:
④根据观测方程完成测量更新:
计算测量更新
计算卡尔曼增益Kk
计算状态更新
计算状态更新的方差Pk
其中,矩阵Re,k表示为:
参数γ2取值为:ρ为大于1的标量。
递推所得到的状态更新值即为当前时刻k所估计得到的电池剩余电量。整个循环递推过程是在线完成的,即在电池实际工作过程中同步完成各时刻电池剩余电量的估计。
根据本发明的第一方面,公开了一种用于估计电池剩余电量的EHF算法所依赖的测量量,分别为电池的端电压和电池的电流。
根据本发明的第二方面,公开了一种用于估计电池剩余电量的EHF算法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,公开了一种用于估计电池剩余电量的EHF算法所依赖的初始值。包括初始SOC,初始SOC的方差,处理噪声及观察噪声的方差。其中初始SOC及初始SOC方差的值不必很准确,在EHF的后续迭代过程中它们会很快收敛到真实值附近。
根据本发明的第四方面,公开了一种用于估计电池剩余电量的EHF算法的具体流程。主要包括:计算状态方程的雅克比矩阵,进行时间更新,得到状态的估计值及状态估计的方差;计算测量方程的雅克比矩阵,进行测量更新,得到观测的估计值;计算卡尔曼增益;计算状态及其方差的更新等。
本发明可以准确地进行电池SOC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。。
具体实施方式
基于EHF的电池剩余电量估计方法,具体步骤是:
步骤(1)测量在k时刻的电池端电压yk和电池供电电流ik,k=1,2,3,…。
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:
观测方程:
其中xk为电池的荷电状态(State of Charge,SOC),即剩余电量;ηi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;Qn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,Δt是测量时间间隔,wk为过程噪声。k0、k1、k2、k3、k4为常数,P=[k0 R k1 k2 k3 k4],P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;R为电池的内阻,vk为测量噪声。
放电比例系数ηi的确定方法为:
(a)将完全充满电的电池以不同放电速率Ci(0<Ci≤C,C为电池的额定放电电流)恒流放电N(N>10)次,计算相应放电速率下的电池总电量Qi,1≤i≤N。
(b)根据最小二乘方法拟合出Qi与Ci间的二次曲线关系,即在最小均方误差准则下求出同时满足Qi=aCi 2+bCi+c,a,b,c为最优系数。
(c)在放电电流为ik时,对应的放电比例系数ηi为:
此处,最优系数a,b,c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。
电池的内阻R以及常数k0、k1、k2、k3、k4的确定方法为:
(e)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;
(f)在放电过程中以时间间隔Δt测量电池在s时刻的端电压ys,s=0,1,2,...M,其中s=0对应电池充满后的起始放电时刻,s=M对应电池电量耗尽的终止时刻。
(g)计算s时刻的剩余电量zs=1-s/M。
(h)记
则P=(HTH)-1HTY,也就得到内阻R以及常数k0、k1、k2、k3、k4
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:
选择合适的起始状态及其方差P0,选择合适的处理噪声wk的方差Qk和测量噪声vk的方差Rk;选择的起始状态在0~1之间,方差P0在10-4~10-2之间,处理噪声的方差Qk在10-6~10-2之间,测量噪声的方差Rk在10-6~10-2之间扩展后的状态向量及其协方差为:
步骤(4)采用EHF算法进行循环递推:
在时刻k=1,2,3,…,根据测得的电池端电压yk及电池的供电电流ik,按下列各式进行递推计算:
①计算状态方程的雅克比矩阵:
②根据状态方程进行时间域更新:
计算状态的估计值
计算状态估计的方差
③计算测量方程的雅克比矩阵:
④根据观测方程完成测量更新:
计算测量更新
计算卡尔曼增益Kk
计算状态更新
计算状态更新的方差Pk
其中,矩阵Re,k表示为:
参数γ2取值为:ρ为大于1的标量。
递推所得到的状态更新值即为当前时刻k所估计得到的电池剩余电量。整个循环递推过程是在线完成的,即在电池实际工作过程中同步完成各时刻电池剩余电量的估计。

Claims (5)

1.一种基于EHF的电池剩余电量估计方法,其特征在于具体步骤是:
步骤(1)测量在k时刻的电池端电压yk和电池供电电流ik,k=1,2,3,…;
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:
观测方程:
其中xk为电池的荷电状态SOC,即剩余电量;ηi为电池的放电比例系数;Qn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,Δt是测量时间间隔,wk为过程噪声;k0、k1、k2、k3、k4为常数,P=[k0 R k1 k2 k3 k4],P为电池观测模型的参数,是一个列向量;R为电池内阻,vk为测量噪声;
步骤(3)执行如下初始化过程:
选择起始状态及其方差P0,选择处理噪声wk的方差Qk和测量噪声vk的方差Rk,扩展后的状态向量及其协方差为:上标T表示矩阵转置;
步骤(4)采用EHF算法进行循环递推:
在时刻k=1,2,3,…,根据测得的电池端电压yk及电池的供电电流ik,按下列各式进行递推计算:
①计算状态方程的雅克比矩阵:
②根据状态方程进行时间域更新:
计算状态的估计值 上标-表示临时估计结果;
计算状态估计的方差
③计算测量方程的雅克比矩阵:
④根据观测方程完成测量更新:
计算测量更新
计算卡尔曼增益Kk上标-1表示矩阵求逆;
计算状态更新
计算状态更新的方差Pk
其中,矩阵Re,k表示为:
参数γ2取值为:ρ为大于1的标量;
递推所得到的状态更新值即为当前时刻k所估计得到的电池剩余电量。
2.如权利要求1所述的一种基于EHF的电池剩余电量估计方法,其特征在于步骤(2)中所述的放电比例系数ηi的确定方法为:
(a)将完全充满电的电池以不同放电速率Ci恒流放电N次,计算相应放电速率下的电池总电量Qi;0<Ci≤C,C为电池的额定放电电流;N>10,1≤i≤N;
(b)根据最小二乘方法拟合出Qi与Ci间的二次曲线关系,即在最小均方误差准则下求出同时满足Qi=aCi 2+bCi+c,a,b,c为最优系数;
(c)在放电电流为ik时,对应的放电比例系数ηi为:
最优系数a,b,c对于同一类型的电池只需确定一次,确定后作为已知常数直接用于所有同类型电池的剩余电量估计。
3.如权利要求1所述的一种基于EHF的电池剩余电量估计方法,其特征在于步骤(2)中所述的电池内阻R以及常数k0、k1、k2、k3、k4的确定方法为:
(e)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;
(f)在放电过程中以时间间隔Δt测量电池在s时刻的端电压ys,s=0,1,2,...M,其中s=0对应电池充满后的起始放电时刻,s=M对应电池电量耗尽的终止时刻;
(g)计算s时刻的剩余电量zs=1-s/M;
(h)记
则P=(HTH)-1HTY,得到内阻R以及常数k0、k1、k2、k3、k4
对同一类型的电池,这些参数只需确定一次,确定后作为已知常数直接用于所有同类型电池的剩余电量估计。
4.如权利要求1所述的一种基于EHF的电池剩余电量估计方法,其特征在于步骤(3)中选择的起始状态在0~1之间,方差P0在10-4~10-2之间,处理噪声的方差Qk在10-6~10-2之间,测量噪声的方差Rk在10-6~10-2之间。
5.如权利要求1所述的一种基于EHF的电池剩余电量估计方法,其特征在于步骤(4)循环递推过程为在线完成,即在电池实际工作过程中同步完成各时刻电池剩余电量的估计。
CN201910371353.5A 2019-05-06 2019-05-06 一种基于ehf的电池剩余电量估计方法 Pending CN110118936A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910371353.5A CN110118936A (zh) 2019-05-06 2019-05-06 一种基于ehf的电池剩余电量估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910371353.5A CN110118936A (zh) 2019-05-06 2019-05-06 一种基于ehf的电池剩余电量估计方法

Publications (1)

Publication Number Publication Date
CN110118936A true CN110118936A (zh) 2019-08-13

Family

ID=67521742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910371353.5A Pending CN110118936A (zh) 2019-05-06 2019-05-06 一种基于ehf的电池剩余电量估计方法

Country Status (1)

Country Link
CN (1) CN110118936A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537903A (zh) * 2020-05-28 2020-08-14 杭州电子科技大学 一种基于hckf的电池soc估计方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102169168A (zh) * 2011-05-17 2011-08-31 杭州电子科技大学 一种基于粒子滤波的电池剩余电量估计方法
WO2011119832A1 (en) * 2010-03-26 2011-09-29 University Of Virginia Patent Foundation Method, system, and computer program product for improving the accuracy of glucose sensors using insulin delivery observation in diabetes
CN102569922A (zh) * 2012-03-05 2012-07-11 同济大学 一种基于单体电池一致性的蓄电池组soc估计改进方法
CN107807278A (zh) * 2017-12-06 2018-03-16 河海大学 基于h∞扩展卡尔曼滤波的低频振荡信号参数辨识方法
CN109061496A (zh) * 2018-08-10 2018-12-21 安徽力高新能源技术有限公司 一种利用扩展卡尔曼滤波算法估算锂电池soc的方法
CN109375111A (zh) * 2018-10-12 2019-02-22 杭州电子科技大学 一种基于uhf的电池剩余电量估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2011119832A1 (en) * 2010-03-26 2011-09-29 University Of Virginia Patent Foundation Method, system, and computer program product for improving the accuracy of glucose sensors using insulin delivery observation in diabetes
CN102169168A (zh) * 2011-05-17 2011-08-31 杭州电子科技大学 一种基于粒子滤波的电池剩余电量估计方法
CN102569922A (zh) * 2012-03-05 2012-07-11 同济大学 一种基于单体电池一致性的蓄电池组soc估计改进方法
CN107807278A (zh) * 2017-12-06 2018-03-16 河海大学 基于h∞扩展卡尔曼滤波的低频振荡信号参数辨识方法
CN109061496A (zh) * 2018-08-10 2018-12-21 安徽力高新能源技术有限公司 一种利用扩展卡尔曼滤波算法估算锂电池soc的方法
CN109375111A (zh) * 2018-10-12 2019-02-22 杭州电子科技大学 一种基于uhf的电池剩余电量估计方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHENG CHEN等: "A Lithium-Ion Battery-in-the-Loop Approach to Test and Validate Multiscale Dual H Infinity Filters for State-of-Charge and Capacity Estimation", 《IEEE TRANSACTIONS ON POWER ELECTRONICS 》 *
JUNBO ZHAO等: "A Decentralized H-Infinity Unscented Kalman Filter for Dynamic State Estimation Against Uncertainties", 《IEEE TRANSACTIONS ON SMART GRID》 *
QUANQING YU等: "Lithium-Ion Battery Parameters and State-of-Charge Joint Estimation Based on H-Infinity and Unscented Kalman Filters", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *
程明等: "基于模型误差EKF-HIF算法的锂动力电池SOC联合估计", 《四川理工学院学报(自然科学版)》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537903A (zh) * 2020-05-28 2020-08-14 杭州电子科技大学 一种基于hckf的电池soc估计方法
CN111537903B (zh) * 2020-05-28 2022-05-20 杭州电子科技大学 一种基于hckf的电池soc估计方法

Similar Documents

Publication Publication Date Title
CN105425153B (zh) 一种估计电动车辆的动力电池的荷电状态的方法
CN109375111A (zh) 一种基于uhf的电池剩余电量估计方法
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
CN107576919A (zh) 基于armax模型的动力电池荷电状态估算系统及方法
CN108594135A (zh) 一种用于锂电池均衡充放电控制的soc估算方法
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
CN104569835B (zh) 一种估计电动汽车的动力电池的荷电状态的方法
CN101625397B (zh) 一种电池剩余电量的混合快速估计方法
CN110261779A (zh) 一种三元锂电池荷电状态与健康状态在线协同估计方法
CN111722118B (zh) 一种基于soc-ocv优化曲线的锂离子电池soc估计方法
CN102169168B (zh) 一种基于粒子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
CN110346734A (zh) 一种基于机器学习的锂离子动力电池健康状态估算方法
CN106772067B (zh) 多时间尺度估计动力电池荷电状态与健康状态的方法
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
CN111428433B (zh) 基于混合滤波的锂离子电池状态计算方法
CN105699910A (zh) 一种锂电池剩余电量在线估计方法
CN106597288A (zh) 一种电源soc估算方法
CN110095723A (zh) 一种锂离子电池模型参数与soc在线联合估计方法
CN105891723A (zh) 一种基于有效可充放电容量的电池soc计算方法
CN112649747A (zh) 一种分数阶扩展卡尔曼的锂电池soc估算方法
CN114660464A (zh) 一种锂离子电池荷电状态估算方法
CN114217234B (zh) 一种基于ide-asrckf的锂离子电池参数辨识与soc估计方法
CN106443496A (zh) 一种带改进型噪声估计器的电池荷电状态估计方法
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

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190813

RJ01 Rejection of invention patent application after publication