CN113985298A - 一种基于二次更新滤波的电池化成充放状态估计方法 - Google Patents

一种基于二次更新滤波的电池化成充放状态估计方法 Download PDF

Info

Publication number
CN113985298A
CN113985298A CN202111206981.1A CN202111206981A CN113985298A CN 113985298 A CN113985298 A CN 113985298A CN 202111206981 A CN202111206981 A CN 202111206981A CN 113985298 A CN113985298 A CN 113985298A
Authority
CN
China
Prior art keywords
state
time
moment
representation
lag
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
Application number
CN202111206981.1A
Other languages
English (en)
Other versions
CN113985298B (zh
Inventor
王子赟
李南江
王艳
纪志成
宋文龙
高伟伟
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.)
Jiangnan University
Tianneng Battery Group Co Ltd
Original Assignee
Jiangnan University
Tianneng Battery Group Co Ltd
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 Jiangnan University, Tianneng Battery Group Co Ltd filed Critical Jiangnan University
Priority to CN202111206981.1A priority Critical patent/CN113985298B/zh
Priority to PCT/CN2021/130844 priority patent/WO2023005064A1/zh
Publication of CN113985298A publication Critical patent/CN113985298A/zh
Application granted granted Critical
Publication of CN113985298B publication Critical patent/CN113985298B/zh
Priority to US17/892,217 priority patent/US11650253B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00—Secondary cells; Manufacture thereof
    • H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/44—Methods for charging or discharging
    • H01M10/446—Initial charging measures
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于二次更新滤波的电池化成充放状态估计方法，属于动力电池制造技术领域。所述方法通过采用一种滤波方法对时滞系统进行状态估计，与传统进行状态扩维的方法相比，不需要增加系统维度从而计算量更小，同时也在之前的CSCF算法的基础上，在基于原始输出数据更新迭代的基础上，进一步利用预测步结果，得到二次更新后更紧致的凸空间体包裹，进一步加强预测步与更新步的紧密结合，改善了因原始输出数据得到的更新集保守性更大的缺点，减小了算法保守性，进一步提高了状态估计精度。

Description

一种基于二次更新滤波的电池化成充放状态估计方法
技术领域
本发明涉及一种基于二次更新滤波的电池化成充放状态估计方法，属于动力电池制造技术领域。
背景技术
近年来，电池在储能电站、储能电源、电动工具、电动自行车、混合动力电动汽车及纯电动汽车等领域具有越来越广泛的应用，已经成为应对全球能源危机和环保压力的重要途径之一。
电池生产工序复杂，其中化成是电池生产的关键的工序之一，它对电池性能的影响至关重要。电池的化成也是注液陈化后的电池第一次充电的过程，是电芯的活性物质激活的过程，其本质是形成SEI膜的过程(即首次充电时，Li+第一次从正极活性材料中脱嵌，第一次到达负极石墨一侧，将在负极与电解液的相界面上形成覆盖在负极表面的钝化薄层，即SEI膜)。
但是SEI膜的形成过程非常复杂，影响因素较多，其中，化成工艺直接影响SEI膜的成膜质量，决定了电芯的电性能。又因为在化成工艺中不可避免的含有时滞现象，而现有的针对时滞系统研究的方法又比较少，为了更精准的获取使性能最佳的充放电电流等状态真值，需要针对含有时滞的系统进行状态估计，同时也可以提高企业的生产效率，提升产品品质，探究一种精准且高效的针对时滞系统状态估计的方法。
已有的针对时滞系统进行状态估计的方法，通常是先进行状态扩维将系统转化为不含时滞的增广系统，再以不含时滞的增广系统为基础进行状态估计，但该方法计算复杂度较大，且估计结果保守性较大。发明人针对传统方法的缺陷，之前提出了一种基于凸空间滤波的动力电池化成过程状态估计方法(申请号为202110878186.0)，针对计算复杂度较大的问题，在求解不等式时创新性的提出了一种迭代替换法将k时刻的状态量转化至第k-h时刻以及后续项状态量，从而将时滞项进行了合并，避免了后续将状态矩阵A和时滞状态量的状态矩阵Ah合并为新的状态矩阵时维度会增加的问题，减少了后续计算时的计算复杂度和计算时间，但是该方法得到的估计结果的保守性还存在更进一步的缩小空间，估计精度也有待于进一步的提高。
发明内容
为了进一步提高动力电池化成工艺内含时滞的DC/DC变换器状态估计的准确性和效率，从而提高动力电池的出厂品质和使用寿命，本发明提供了一种基于二次更新滤波的电池化成充放状态估计方法，所述方法在进行电池化成充放状态估计时，分别获得k+1时刻预测步和更新步，进而将k+1时刻预测步和更新步组成线性不等式组，通过对线性不等式组求解，得到k+1时刻包含系统真实状态的上下界；
所述方法在获得k+1时刻更新步时，先根据电池系统初始状态量以及系统观测矩阵获得k+1时刻状态一次量测更新表示，再根据k+1时刻状态一次量测更新表示和k+1时刻预测步获得k+1时刻状态二次量测更新表示，将k+1时刻状态二次量测更新表示整理为线性不等式组，通过对k+1时刻状态二次量测更新表示对应的线性不等式组求解，得到k+1时刻包含系统真实状态的上下界；所述电池系统指电池化成工艺内的时滞DC/DC变换器电路系统。
可选的，所述方法包括：
步骤一：获取电池化成工艺内的时滞DC/DC变换器电路系统的模型；
步骤二：根据步骤一获取到含时滞DC/DC变换器电路系统的模型，建立时滞DC/DC变换器电路系统离散化的状态空间模型；
步骤三：获取时滞DC/DC变换器电路系统的初始状态空间参数矩阵以及初始状态量、估计步长L、时滞步长h；
步骤四：根据步骤二建立的状态空间模型，由步骤三获取到的初始状态空间参数矩阵、初始状态量以及时滞步长h得到k+1时刻预测状态可行集的凸空间体表示；
步骤五：在步骤四得到k+1时刻预测状态可行集的凸空间体表示基础上，得到k+1时刻状态二次更新的凸空间体表示；
步骤六：根据凸空间体约束条件，将k+1时刻状态二次更新的凸空间体表示整理成线性不等式组；
步骤七：采用线性规划对步骤六得到的线性不等式组求解，得到k+1时刻包含系统真实状态的上下界。
可选的，所述步骤五包括：
5.1根据电池系统原始输出数据以及系统观测矩阵获得k+1时刻状态一次量测更新表示，得到k+1时刻状态一次量测更新表示Sk+1；
5.2将k+1时刻状态一次量测更新表示Sk+1与步骤四得到的k+1时刻预测状态可行集的凸空间体表示取交集，得到k+1时刻状态二次量测更新表示X(k+1)。
可选的，所述时滞DC/DC变换器电路系统包括直流电源、电感、电容及开关管Q1和Q2；所述步骤二包括：
根据时滞DC/DC变换器电路系统离散化的模型得到如下状态表达式：
Figure BDA0003305886330000031
其中，系统状态量为x(k)＝[icha(k) idis(k) vc(k)]T，其中icha(k)和idis(k)分别为时滞DC/DC变换器电路系统充电与放电时的流经电感的电流，vc(k)为时滞DC/DC变换器电路系统的输出电压；
系统输入量u(k)＝[d1(k) d2(k) 0]T，其中d1(k)和d2(k)分别为开关管Q1和Q2开关信号的占空比；w(k)表示未知但有界的扰动噪声，
Figure BDA0003305886330000032
其中
Figure BDA0003305886330000033
表示扰动噪声的最大界限值；
A表示时滞DC/DC变换器电路系统的状态空间矩阵，Ah表示时滞状态量的状态空间矩阵，h表示时滞步长，B表示输入矩阵，D表示扰动作用矩阵；
以充电时电感电流测量值
Figure BDA0003305886330000034
和放电时电感电流测量值
Figure BDA0003305886330000035
以及系统的输出电压测量值
Figure BDA0003305886330000036
作为状态空间模型的输出，同时加入测量噪声v(k)得到其输出方程：
y(k)＝Cx(k)+v(k) (3)
系统输出量为
Figure BDA0003305886330000037
其中
Figure BDA0003305886330000038
和
Figure BDA0003305886330000039
分别为充电与放电模式时电感电流测量值，
Figure BDA00033058863300000310
为系统的输出电压测量值；
根据式(1)和式(3)建立时滞DC/DC变换器电路系统的状态空间模型为：
Figure BDA00033058863300000311
y(k)＝Cx(k)+v(k) (4)
v(k)表示未知但有界的测量噪声，
Figure BDA00033058863300000312
其中
Figure BDA00033058863300000313
表示测量噪声的最大界限值；C表示输出矩阵。
可选的，所述步骤四包括：
根据步骤二建立的状态空间模型，由步骤三获取到的初始状态空间参数矩阵以及初始状态量得到k+1时刻预测状态可行集的凸空间体表示；
Figure BDA00033058863300000314
其中
Figure BDA00033058863300000315
是k时刻的状态预测可行集，k≥h,
Figure BDA00033058863300000316
由式(1)中k≥h时刻公式推导得到k+1、k至k-h时刻的系统状态预测表达式，式(9)和式(10)分别给出了
Figure BDA0003305886330000041
和
Figure BDA0003305886330000042
的表达式：
Figure BDA0003305886330000043
Figure BDA0003305886330000044
Figure BDA0003305886330000045
将式(9)和式(10)代入式(8)，可得：
Figure BDA0003305886330000046
定义如下表示：
E＝Ah+Ah+1 (12)
Fi＝AiAh,1≤i≤h (13)
Gj＝AjB,0≤j≤h (14)
Hl＝AlD,0≤l≤h (15)
将式(12)～(15)带入式(11)得到：
Figure BDA0003305886330000047
系统预测状态可行集被表示为以下凸空间体形式：
Figure BDA0003305886330000048
其中，
Figure BDA0003305886330000049
Figure BDA00033058863300000410
E＝Ah+Ah+1,Fi＝AiAh,Gj＝AjB,Hl＝AlD。
可选的，所述5.1根据电池系统原始输出数据以及系统观测矩阵获得k+1时刻状态一次量测更新表示，得到k+1时刻状态一次量测更新表示Sk+1，包括：
根据下式(18)得到k+1时刻状态一次量测更新表示Sk+1：
Figure BDA0003305886330000051
其中
Figure BDA0003305886330000052
为观测噪声和干扰，表示该噪声干扰满足有界约束；k+1时刻状态一次量测更新表示Sk+1在空间上表现为带空间。
可选的，所述5.2将k+1时刻状态一次量测更新表示Sk+1与步骤四得到的k+1时刻预测状态可行集的凸空间体表示取交集，得到k+1时刻状态二次量测更新表示X(k+1)，包括：
根据下式(19)得到k+1时刻状态二次量测更新表示X(k+1)：
Figure BDA0003305886330000053
其中，
Figure BDA0003305886330000054
表示k+1时刻预测集，Sk+1表示k+1时刻带空间，Set(Mk+1,αk+1)表示真实状态集合的凸空间体表示，Mk+1和αk+1表示k+1时刻真实状态所满足的凸空间体约束。
可选的，所述步骤六包括：
凸空间体约束条件如下：
Figure BDA0003305886330000055
其中X(k)表示包含k时刻系统真实状态x(k)的状态可行集，Set(Mk,αk)表示可行集元素x(k)组成的凸空间体；
根据式(18)我们可以推导得到一次更新的凸空间体表示：
Figure BDA0003305886330000056
Figure BDA0003305886330000057
Figure BDA0003305886330000058
整理为矩阵表示：
Figure BDA0003305886330000059
最后将预测步与更新步凸空间体结合，整理二次更新得：
Figure BDA0003305886330000061
Figure BDA0003305886330000062
其中：
Figure BDA0003305886330000063
Figure BDA0003305886330000064
Figure BDA0003305886330000065
将式(26)～(27)整理后可得：
Mk+1x(k+1)≤αk+1 (28)
其中：
Figure BDA0003305886330000066
可选的，所述步骤七包括：
根据式(28)得到x(k+1)的约束条件；
设置目标函数为：
Figure BDA0003305886330000067
通过利用MATLAB软件自带优化工具箱内的线性规划函数，求解式(28)所示的线性不等式组，通过不断迭代式(28)线性不等式组，从而得到k+1时刻得到包裹各时刻系统状态真值的凸空间体及其上下界；
整合得到k+1时刻状态空间模型的状态估计值，即为时滞DC/DC变换器电路系统的k+1时刻的状态估计值：
Figure BDA0003305886330000068
其中，x(k+1)max表示状态估计上界，x(k+1)min表示状态估计下界。
本申请还提供一种基于二次更新滤波的电池化成过程含时滞DC/DC变换器电路系统，所述电池化成过程时滞DC/DC变换器电路系统采用上述基于二次更新滤波的电池化成充放状态估计方法对电池进行池化电流及电压状态估计。
本发明有益效果是：
通过加强预测步与更新步的紧密结合来得到更紧致的凸空间体包裹，相对于现有方法用原始的输出数据来建立更新方程的做法，本申请由原始数据所得到的一次更新方程进一步与预测集表示取交，得到二次更新方程的凸空间体表示，因此凸空间体包裹更为紧致，从而减小了算法保守性，进一步提高了针对电池池化过程的状态估计精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例中公开的一种基于滤波的电池化成过程充放电流及电压状态估计方法的流程图。
图2是一种动力电池化成工艺内的时滞DC/DC变换器电路系统的模型图。
图3是本发明一个实施例中公开的时滞DC/DC变换器电路系统充电模式的电路拓扑图。
图4是本发明一个实施例中公开的时滞DC/DC变换器电路系统放电模式的电路拓扑图。
图5是本发明一个实施例中公开的采用本申请方法及现有两种方法对时滞DC/DC变换器电路系统状态量x1的状态估计关系图。
图6是本发明一个实施例中公开的采用本申请方法及现有两种方法对时滞DC/DC变换器电路系统状态量x2的状态估计关系图。
图7是本发明一个实施例中公开的采用本申请方法及现有两种方法对时滞DC/DC变换器电路系统状态量x3的状态估计关系图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一：
本实施例提供基于二次更新滤波的电池化成充放状态估计方法，参见图1，所述方法包括：
步骤一：获取电池化成工艺内的时滞DC/DC变换器电路系统的模型；
步骤二：根据步骤一获取到含时滞DC/DC变换器电路系统的模型，建立时滞DC/DC变换器电路系统离散化的状态空间模型；
步骤三：获取时滞DC/DC变换器电路系统的初始状态空间参数矩阵以及初始状态量、估计步长L、时滞步长h；
步骤四：根据步骤二建立的状态空间模型，由步骤三获取到的初始状态空间参数矩阵、初始状态量以及时滞步长h得到k+1时刻预测状态可行集的凸空间体表示；
步骤五：在步骤四得到k+1时刻预测状态可行集的凸空间体表示基础上，得到k+1时刻状态二次更新的凸空间体表示；
步骤六：根据凸空间体约束条件，将k+1时刻状态二次更新的凸空间体表示整理成线性不等式组；
步骤七：采用线性规划对步骤六得到的线性不等式组求解，得到k+1时刻包含系统真实状态的上下界。
所述步骤五包括：
5.1根据电池系统原始输出数据以及系统观测矩阵获得k+1时刻状态一次量测更新表示，得到k+1时刻状态一次量测更新表示Sk+1；
5.2将k+1时刻状态一次量测更新表示Sk+1与步骤四得到的k+1时刻预测状态可行集的凸空间体表示取交集，得到k+1时刻状态二次量测更新表示X(k+1)。
实施例二
本实施例提供一种基于二次更新滤波的电池化成充放状态估计方法，所述方法包括：
步骤一：获取电池化成工艺内含时滞DC/DC变换器电路系统的模型：
如图2所示，动力电池化成工艺内的时滞DC/DC变换器电路系统包括直流电源、电感、电容等元器件。
图2中，DC端为直流电源，通常电池化成过程中，采用的直流电源的幅值为10V，L为330μH电感，电容C1＝C2＝220μF，Q1＝Q2为N沟道MOS管，其中D1、D2为MOS管内部二极管。
DC端作为输入时，该电路工作为充电模式，电路拓扑如图3所示，其基本拓扑为Buck电路，通过将DC端直流电源作为输入，采用PWM波控制Q1MOS管开关从而达到降压目的，能够对电池进行充电。
当DC端作为输出时，该电路工作为放电模式，电路拓扑如图4所示，其基本拓扑为Boost电路，通过将电池端作为输入，同样采用PWM波控制Q2MOS管开关从而达到升压目的，能够对电池进行放电。
步骤二：根据步骤一获取到的时滞DC/DC变换器电路系统的模型，获时滞DC/DC变换器电路系统的状态空间模型：
根据时滞DC/DC变换器电路系统的模型得到如下状态表达式：
Figure BDA0003305886330000091
其中，系统状态量为x(k)＝[icha(k) idis(k) vc(k)]T，其中icha(k)和idis(k)分别为时滞DC/DC变换器电路系统充电与放电时的流经电感的电流，vc(k)为时滞DC/DC变换器电路系统的输出电压；
系统输入量u(k)＝[d1(k) d2(k) 0]T，其中d1(k)和d2(k)分别为开关管Q1和Q2开关信号的占空比；w(k)表示未知但有界的扰动噪声，
Figure BDA0003305886330000092
其中
Figure BDA0003305886330000093
表示扰动噪声的最大界限值；
Figure BDA0003305886330000094
Figure BDA0003305886330000095
A表示状态空间矩阵，其中的Vin表示输入电压，Vm表示输出电压，KP1、KP2表示MOS管采用的PI控制器参数，其余L、C1、C2表示电路中的对应元器件参数。Ah表示时滞状态量的状态空间矩阵，h表示时滞步长，B表示输入矩阵，D表示扰动作用矩阵。
以充电时电感电流测量值
Figure BDA0003305886330000096
和放电时电感电流测量值
Figure BDA0003305886330000097
以及系统的输出电压测量值
Figure BDA0003305886330000098
作为状态空间模型的输出，同时加入测量噪声v(k)得到其输出方程：
y(k)＝Cx(k)+v(k) (3)
系统输出量为
Figure BDA0003305886330000099
其中
Figure BDA00033058863300000910
和
Figure BDA00033058863300000911
分别为充电与放电模式时电感电流测量值，
Figure BDA0003305886330000101
为系统的输出电压测量值。v(k)表示未知但有界的测量噪声，即
Figure BDA0003305886330000102
其中
Figure BDA0003305886330000107
表示测量噪声的最大界限值。
Figure BDA0003305886330000103
表示输出矩阵。
根据式(1)和式(3)建立时滞DC/DC变换器电路系统的状态空间模型为：
Figure BDA0003305886330000104
y(k)＝Cx(k)+v(k) (4)
步骤三：获取时滞DC/DC变换器电路系统的初始状态空间参数矩阵以及初始状态量：
3.1获取时滞DC/DC变换器电路系统中各元器件参数；
本实施例中时滞DC/DC变换器电路系统中各元器件的参数如下表1所示：
表1：系统变换器元器件参数
Figure BDA0003305886330000105
3.2获取时滞DC/DC变换器电路系统的初始状态空间矩阵：
根据上表1所示参数，得到时滞DC/DC变换器电路系统的初始状态空间矩阵为：
Figure BDA0003305886330000106
Figure BDA0003305886330000111
3.3获取系统变换器初始状态量：
本实施例中设置系统初始状态为：x0＝[0 0 0]T，即系统为零初始状态。
步骤四：根据步骤二建立的状态空间模型，由步骤三获取到的初始状态空间参数矩阵以及初始状态量得到k+1时刻预测状态可行集的凸空间体表示：
根据初始状态空间参数矩阵以及初始状态量按如下公式得到k+1时刻预测步：
Figure BDA0003305886330000112
其中A、Ah、B、D均为已知矩阵，
Figure BDA0003305886330000113
是k时刻的状态预测可行集，k≥h,
Figure BDA0003305886330000114
由式(1)中k≥h时刻公式推导得到k+1、k至k-h时刻的系统状态预测表达式，式(9)和式(10)分别给出了
Figure BDA0003305886330000115
和
Figure BDA0003305886330000116
的表达式：
Figure BDA00033058863300001110
Figure BDA0003305886330000117
Figure BDA0003305886330000118
将式(9)和式(10)代入式(8)，可得：
Figure BDA0003305886330000119
定义如下：
E＝Ah+Ah+1 (12)
Fi＝AiAh,1≤i≤h (13)
Gj＝AjB,0≤j≤h (14)
Hl＝AlD,0≤l≤h (15)
将式(12)～(15)带入式(11)得到：
Figure BDA0003305886330000121
系统预测状态可行集可以被表示为以下凸空间体形式：
Figure BDA0003305886330000122
其中，
Figure BDA0003305886330000123
Figure BDA0003305886330000124
E＝Ah+Ah+1,Fi＝AiAh,Gj＝AjB,Hl＝AlD
通过将原始的k+1时刻预测步状态表达式式(7)转化为式(11)，即将原本含时滞的式子转化为可以被凸空间体约束所描述的式(17)形式，这样可以与后续更新步所结合，避免了而一般时滞状态转换需要将状态矩阵扩维的缺点，可以便于减少后续计算时的计算复杂度和计算时间。
而采用该步骤的迭代替换法将状态量全部转化至第k-h时刻以及之前时刻，可以减少后续计算时的计算复杂度和计算时间，对于时滞系统的状态估计有着较大帮助。
步骤五：在步骤四得到k+1时刻的系统状态预测基础上，得到k+1时刻状态二次更新的凸空间体表示：
5.1根据电池系统原始输出数据以及系统观测矩阵获得k+1时刻状态一次量测更新表示，得到k+1时刻状态一次量测更新表示Sk+1；
Figure BDA0003305886330000125
其中
Figure BDA0003305886330000126
为观测噪声和干扰，表示该噪声干扰满足有界约束；k+1时刻状态一次量测更新表示Sk+1在空间上表现为一个带空间。
5.2将k+1时刻状态一次量测更新表示Sk+1与步骤四得到的k+1时刻预测状态可行集的凸空间体表示取交集，得到k+1时刻状态二次量测更新表示X(k+1)：
Figure BDA0003305886330000131
其中，
Figure BDA0003305886330000132
表示k+1时刻预测集，Sk+1表示k+1时刻带空间，Set(Mk+1,αk+1)表示真实状态集合的凸空间体表示，即完成了k+1时刻状态二次更新。
k+1时刻状态二次量测更新表示X(k+1)即为k+1时刻包含所有真实状态x(k+1)的集合，因此有：
x(k+1)∈X(k+1)＝x(k+1)|Mk+1x(k+1)≤αk+1 (20)
本申请在基于原本输出数据以及矩阵的基础上，采用将一次更新集合与步骤四得到的k+1时刻预测集取交，得到新的更紧致的二次更新集合凸空间体表示，进一步减小了状态估计保守性，提高凸空间包裹紧致性，从而达到提高状态估计精度的目的。
步骤六：根据凸空间体约束条件，将k+1时刻真实状态凸空间体表示成线性不等式组：
根据凸空间体约束条件如下：
Figure BDA0003305886330000133
其中X(k)表示包含k时刻系统真实状态x(k)的状态可行集，Set(Mk,αk)表示可行集元素x(k)组成的凸空间体；
根据式(17)，我们已经知道预测步的凸空间体表示，后面根据式(18)我们可以推导得到一次更新的凸空间体表示：
Figure BDA0003305886330000134
即
Figure BDA0003305886330000139
Figure BDA0003305886330000135
整理为矩阵表示：
Figure BDA0003305886330000136
最后将预测步与更新步凸空间体结合，整理二次更新得：
Figure BDA0003305886330000137
Figure BDA0003305886330000138
其中：
Figure BDA0003305886330000141
Figure BDA0003305886330000142
Figure BDA0003305886330000143
将式(26)～(27)整理后可得：
Mk+1x(k+1)≤αk+1 (28)
其中：
Figure BDA0003305886330000144
步骤七：采用线性规划对线性不等式组求解，得到k+1时刻模型状态估计值：
通过线性规划求解式(28)，即可获取k+1时刻状态模型估计值：
根据式(28)得到x(k+1)的约束条件；
本实施例中，为了便于计算，取目标函数为：
Figure BDA0003305886330000145
这样可以比较容易得到状态量中的电感电流以及输出电压量的最优值，实际应用中，可根据实际计算需求设定目标函数。
通过利用MATLAB软件自带优化工具箱内的线性规划函数，求解式(28)所示的线性不等式组，通过不断迭代式(28)线性不等式组，从而得到k+1时刻得到包裹各时刻系统状态真值的凸空间体及其上下界；
整合得到k+1时刻状态空间模型的状态估计值，即为时滞DC/DC变换器电路系统的k+1时刻的状态估计值：
Figure BDA0003305886330000146
其中，x(k+1)max表示状态估计上界，x(k+1)min表示状态估计下界。
为评估本申请方法的估计性能，本实施例中通过与两种现有方法的估计结果做对比，以判断该方法的优劣，两种现有方法分别为采用椭球滤波进行状态估计的方法(后续简称为OBE方法)以及发明人此前申请的申请号为202110878186.0中方法(后续简称为CSCF方法)，其中OBE方法可参见“ZHAO J M.A new result on reachable set estimation fortime-varying delay singular systems.International Journal of Robust andNonlinear Control,2020,31(3):806–816.”
为验证本申请所提出的一种电池化成过程充放电流及电压估计方法的精确性和快速性，采用本申请方法和现有OBE方法以及之前的CSCF方法进行如下仿真实验，对于在化成工艺内含时滞的DC/DC变换器系统，图5、图6、图7分别展示了状态量估计上下界的变化情况。
由图5可以看出，在k∈{0,15}间，本申请提出状态估计方法的上下界基本收缩并处于状态真值的两侧，在k∈{0,200}间，对比OBE方法以及之前CSCF方法的上下界更紧密收缩并处于状态真值的两侧。因此可知本申请提出的方法收敛精度更高，而相对于OBE方法，本申请还具有收敛速度更快，实时性更好。
由图6可以看出，在k∈{0,15}时，本申请提出状态估计方法的上下界基本收缩并处于状态真值的两侧，k∈{0,200}左右，对比OBE算法以及之前CSCF算法的上下界也更紧密收缩并处于状态真值的两侧。
由图7可以看出，在k∈{0,15}时，本申请提出状态估计方法的上下界基本收缩并处于状态真值的两侧，k∈{0,200}左右，对比OBE算法以及之前CSCF算法的上下界也更紧密收缩并处于状态真值的两侧。说明本发明提出的电池化成过程充放电流及电压估计方法具有状态估计效率高、估计准确等特点。
本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (10)

1.一种基于二次更新滤波的电池化成充放状态估计方法，所述方法在进行电池化成充放状态估计时，分别获得k+1时刻预测步和更新步，进而将k+1时刻预测步和更新步组成线性不等式组，通过对线性不等式组求解，得到k+1时刻包含系统真实状态的上下界；其特征在于，所述方法在获得k+1时刻更新步时，先根据电池系统初始状态量以及系统观测矩阵获得k+1时刻状态一次量测更新表示，再根据k+1时刻状态一次量测更新表示和k+1时刻预测步获得k+1时刻状态二次量测更新表示，将k+1时刻状态二次量测更新表示整理为线性不等式组，通过对k+1时刻状态二次量测更新表示对应的线性不等式组求解，得到k+1时刻包含系统真实状态的上下界；所述电池系统指电池化成工艺内的时滞DC/DC变换器电路系统。
2.根据权利要求1所述的方法，其特征在于，所述方法包括：
步骤一：获取电池化成工艺内的时滞DC/DC变换器电路系统的模型；
步骤二：根据步骤一获取到含时滞DC/DC变换器电路系统的模型，建立时滞DC/DC变换器电路系统离散化的状态空间模型；
步骤三：获取时滞DC/DC变换器电路系统的初始状态空间参数矩阵以及初始状态量、估计步长L、时滞步长h；
步骤四：根据步骤二建立的状态空间模型，由步骤三获取到的初始状态空间参数矩阵、初始状态量以及时滞步长h得到k+1时刻预测状态可行集的凸空间体表示；
步骤五：在步骤四得到k+1时刻预测状态可行集的凸空间体表示基础上，得到k+1时刻状态二次更新的凸空间体表示；
步骤六：根据凸空间体约束条件，将k+1时刻状态二次更新的凸空间体表示整理成线性不等式组；
步骤七：采用线性规划对步骤六得到的线性不等式组求解，得到k+1时刻包含系统真实状态的上下界。
3.根据权利要求2所述的方法，其特征在于，所述步骤五包括：
5.1根据电池系统原始输出数据以及系统观测矩阵获得k+1时刻状态一次量测更新表示，得到k+1时刻状态一次量测更新表示Sk+1；
5.2将k+1时刻状态一次量测更新表示Sk+1与步骤四得到的k+1时刻预测状态可行集的凸空间体表示取交集，得到k+1时刻状态二次量测更新表示X(k+1)。
4.根据权利要求3所述的方法，其特征在于，所述时滞DC/DC变换器电路系统包括直流电源、电感、电容及开关管Q1和Q2；所述步骤二包括：
根据时滞DC/DC变换器电路系统离散化的模型得到如下状态表达式：
Figure FDA0003305886320000021
其中，系统状态量为x(k)＝[icha(k) idis(k) vc(k)]T，其中icha(k)和idis(k)分别为时滞DC/DC变换器电路系统充电与放电时的流经电感的电流，vc(k)为时滞DC/DC变换器电路系统的输出电压；
系统输入量u(k)＝[d1(k) d2(k) 0]T，其中d1(k)和d2(k)分别为开关管Q1和Q2开关信号的占空比；w(k)表示未知但有界的扰动噪声，
Figure FDA0003305886320000022
其中
Figure FDA0003305886320000023
表示扰动噪声的最大界限值；
A表示时滞DC/DC变换器电路系统的状态空间矩阵，Ah表示时滞状态量的状态空间矩阵，h表示时滞步长，B表示输入矩阵，D表示扰动作用矩阵；
以充电时电感电流测量值
Figure FDA0003305886320000024
和放电时电感电流测量值
Figure FDA0003305886320000025
以及系统的输出电压测量值
Figure FDA0003305886320000026
作为状态空间模型的输出，同时加入测量噪声v(k)得到其输出方程：
y(k)＝Cx(k)+v(k) (3)
系统输出量为
Figure FDA0003305886320000027
其中
Figure FDA0003305886320000028
和
Figure FDA0003305886320000029
分别为充电与放电模式时电感电流测量值，
Figure FDA00033058863200000210
为系统的输出电压测量值；
根据式(1)和式(3)建立时滞DC/DC变换器电路系统的状态空间模型为：
Figure FDA00033058863200000211
v(k)表示未知但有界的测量噪声，
Figure FDA00033058863200000212
其中
Figure FDA00033058863200000213
表示测量噪声的最大界限值；C表示输出矩阵。
5.根据权利要求4所述的方法，其特征在于，所述步骤四包括：
根据步骤二建立的状态空间模型，由步骤三获取到的初始状态空间参数矩阵以及初始状态量得到k+1时刻预测状态可行集的凸空间体表示；
Figure FDA00033058863200000214
其中
Figure FDA0003305886320000031
是k时刻的状态预测可行集，
Figure FDA0003305886320000032
由式(1)中k≥h时刻公式推导得到k+1、k至k-h时刻的系统状态预测表达式，式(9)和式(10)分别给出了
Figure FDA0003305886320000033
和
Figure FDA0003305886320000034
的表达式：
Figure FDA0003305886320000035
Figure FDA0003305886320000036
Figure FDA0003305886320000037
将式(9)和式(10)代入式(8)，可得：
Figure FDA0003305886320000038
定义如下表示：
E＝Ah+Ah+1 (12)
Fi＝AiAh,1≤i≤h (13)
Gj＝AjB,0≤j≤h (14)
Hl＝AlD,0≤l≤h (15)
将式(12)～(15)带入式(11)得到：
Figure FDA0003305886320000039
系统预测状态可行集被表示为以下凸空间体形式：
Figure FDA00033058863200000310
其中，
Figure FDA00033058863200000311
Figure FDA0003305886320000041
6.根据权利要求5所述的方法，其特征在于，所述5.1根据电池系统原始输出数据以及系统观测矩阵获得k+1时刻状态一次量测更新表示，得到k+1时刻状态一次量测更新表示Sk+1，包括：
根据下式(18)得到k+1时刻状态一次量测更新表示Sk+1：
Figure FDA0003305886320000042
其中
Figure FDA0003305886320000043
为观测噪声和干扰，表示该噪声干扰满足有界约束；k+1时刻状态一次量测更新表示Sk+1在空间上表现为带空间。
7.根据权利要求6所述的方法，其特征在于，所述5.2将k+1时刻状态一次量测更新表示Sk+1与步骤四得到的k+1时刻预测状态可行集的凸空间体表示取交集，得到k+1时刻状态二次量测更新表示X(k+1)，包括：
根据下式(19)得到k+1时刻状态二次量测更新表示X(k+1)：
Figure FDA0003305886320000044
其中，
Figure FDA0003305886320000045
表示k+1时刻预测集，Sk+1表示k+1时刻带空间，Set(Mk+1,αk+1)表示真实状态集合的凸空间体表示，Mk+1和αk+1表示k+1时刻真实状态所满足的凸空间体约束。
8.根据权利要求7所述的方法，其特征在于，所述步骤六包括：
凸空间体约束条件如下：
Figure FDA0003305886320000046
其中X(k)表示包含k时刻系统真实状态x(k)的状态可行集，Set(Mk,αk)表示可行集元素x(k)组成的凸空间体；
根据式(18)我们可以推导得到一次更新的凸空间体表示：
Figure FDA0003305886320000051
Figure FDA0003305886320000052
Figure FDA0003305886320000053
整理为矩阵表示：
Figure FDA0003305886320000054
最后将预测步与更新步凸空间体结合，整理二次更新得：
Figure FDA0003305886320000055
Figure FDA0003305886320000056
其中：
Figure FDA0003305886320000057
Figure FDA0003305886320000058
Figure FDA0003305886320000059
将式(26)～(27)整理后可得：
Mk+1x(k+1)≤αk+1 (28)
其中：
Figure FDA00033058863200000510
9.根据权利要求8所述的方法，其特征在于，所述步骤七包括：
根据式(28)得到x(k+1)的约束条件；
设置目标函数为：
Figure FDA00033058863200000511
通过利用MATLAB软件自带优化工具箱内的线性规划函数，求解式(28)所示的线性不等式组，通过不断迭代式(28)线性不等式，从而得到k+1时刻得到包裹各时刻系统状态真值的凸空间体及其上下界；
整合得到k+1时刻状态空间模型的状态估计值，即为时滞DC/DC变换器电路系统的k+1时刻的状态估计值：
Figure FDA0003305886320000061
其中，x(k+1)max表示状态估计上界，x(k+1)min表示状态估计下界。
10.一种基于二次更新滤波的电池化成过程含时滞DC/DC变换器电路系统，其特征在于，所述电池化成过程时滞DC/DC变换器电路系统采用权利要求1-9任一所述的方法对电池进行池化电流及电压状态估计。
CN202111206981.1A 2021-07-30 2021-10-15 一种基于二次更新滤波的电池化成充放状态估计方法 Active CN113985298B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111206981.1A CN113985298B (zh) 2021-10-15 2021-10-15 一种基于二次更新滤波的电池化成充放状态估计方法
PCT/CN2021/130844 WO2023005064A1 (zh) 2021-07-30 2021-11-16 一种基于凸空间滤波的动力电池化成过程状态估计方法
US17/892,217 US11650253B2 (en) 2021-07-30 2022-08-22 State estimation method for power battery formation process based on convex space filtering

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111206981.1A CN113985298B (zh) 2021-10-15 2021-10-15 一种基于二次更新滤波的电池化成充放状态估计方法

Publications (2)

Publication Number Publication Date
CN113985298A true CN113985298A (zh) 2022-01-28
CN113985298B CN113985298B (zh) 2022-07-05

Family

ID=79738921

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111206981.1A Active CN113985298B (zh) 2021-07-30 2021-10-15 一种基于二次更新滤波的电池化成充放状态估计方法

Country Status (1)

Country Link
CN (1) CN113985298B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018084549A (ja) * 2016-11-25 2018-05-31 本田技研工業株式会社 二次電池の状態推定装置及び二次電池の状態推定方法
CN113076681A (zh) * 2021-03-01 2021-07-06 江南大学 一种基于滤波的锂电池核心与表面温度估计方法
CN113359667A (zh) * 2021-06-04 2021-09-07 江南大学 一种基于凸空间滤波的工业系统故障诊断方法
CN113589179A (zh) * 2021-07-30 2021-11-02 江南大学 一种基于凸空间滤波的动力电池化成过程状态估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018084549A (ja) * 2016-11-25 2018-05-31 本田技研工業株式会社 二次電池の状態推定装置及び二次電池の状態推定方法
CN113076681A (zh) * 2021-03-01 2021-07-06 江南大学 一种基于滤波的锂电池核心与表面温度估计方法
CN113359667A (zh) * 2021-06-04 2021-09-07 江南大学 一种基于凸空间滤波的工业系统故障诊断方法
CN113589179A (zh) * 2021-07-30 2021-11-02 江南大学 一种基于凸空间滤波的动力电池化成过程状态估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王子赟 等: "基于正多胞体空间扩展滤波的时变参数系统辨识方法", 《控制理论与应用》 *

Also Published As

Publication number Publication date
CN113985298B (zh) 2022-07-05

Similar Documents

Publication Publication Date Title
Xiong et al. Towards a smarter hybrid energy storage system based on battery and ultracapacitor-A critical review on topology and energy management
CN105548901B (zh) 一种轨道交通用钛酸锂电池功率状态预测方法
CN110286332A (zh) 一种基于多新息理论的电动汽车动力电池soc估计方法
WO2023005064A1 (zh) 一种基于凸空间滤波的动力电池化成过程状态估计方法
CN111352032A (zh) 一种锂电池动态峰值功率预测方法
CN113589179B (zh) 一种基于凸空间滤波的动力电池化成过程状态估计方法
CN110247451A (zh) 一种锂离子动力电池组全寿命周期均衡控制方法
CN108020791A (zh) 一种混合动力船舶磷酸铁锂动力电池组荷电状态估计方法
CN112564252B (zh) 半主动式混合储能系统及其模型预测能量控制方法
Cai et al. Research state of charge estimation tactics of nickel-hydrogen battery
CN103983919A (zh) 一种基于gm（1，n）灰色模型的电池寿命预测方法
CN113640674B (zh) 基于优化高斯过程回归的锂离子电池可用容量估计方法
CN105207243A (zh) 一种用于风电场实时功率预报修正的电池能量管理方法
CN112350400A (zh) 一种锂电池组无层级主被动均衡电路及方法
CN110596612B (zh) 一种对面向梯次利用的退役锂电池分类方法的选取方法
CN114545279A (zh) 一种基于神经网络常微分方程的锂电池健康状态估计方法
CN113985298B (zh) 一种基于二次更新滤波的电池化成充放状态估计方法
CN111856285B (zh) 一种电动汽车退役电池组等效模型建模方法
Liao et al. Research on equalization strategy based on credibility factor inference for lithium-ion battery packs
CN111762059B (zh) 一种考虑电池充放电工况的多变量融合电池组的均衡方法
CN107301266A (zh) 一种磷酸铁锂电池loc估算方法和系统
CN113702836B (zh) 一种基于emd-gru锂离子电池荷电状态估计方法
CN114355221A (zh) 一种基于数据模型融合的锂离子电池健康状态估算方法
CN105676129A (zh) 一种基于灰色理论的锂离子电池荷电状态预测方法
CN115389939A (zh) 基于最小二乘法的储能电池荷电和健康状态在线估计方法

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
GR01 Patent grant
GR01 Patent grant