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 PDFInfo
- 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
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
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:
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;
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;
y(k)=Cx(k)+v(k) (3)
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:
y(k)=Cx(k)+v(k) (4)
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;
将式(9)和式(10)代入式(8),可得:
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:
系统预测状态可行集被表示为以下凸空间体形式:
其中,
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:
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):
可选的,所述步骤六包括:
凸空间体约束条件如下:
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:
整理为矩阵表示:
最后将预测步与更新步凸空间体结合,整理二次更新得:
其中:
将式(26)~(27)整理后可得:
Mk+1x(k+1)≤αk+1 (28)
其中:
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:
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:
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:
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;
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。
y(k)=Cx(k)+v(k) (3)
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:
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
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:
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:
将式(9)和式(10)代入式(8),可得:
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:
系统预测状态可行集可以被表示为以下凸空间体形式:
其中,
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;
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):
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:
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:
即
整理为矩阵表示:
最后将预测步与更新步凸空间体结合,整理二次更新得:
其中:
将式(26)~(27)整理后可得:
Mk+1x(k+1)≤αk+1 (28)
其中:
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:
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:
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:
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;
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;
y(k)=Cx(k)+v(k) (3)
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:
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;
将式(9)和式(10)代入式(8),可得:
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:
系统预测状态可行集被表示为以下凸空间体形式:
其中,
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。
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)
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 |
-
2021
- 2021-10-15 CN CN202111206981.1A patent/CN113985298B/zh active Active
Patent Citations (4)
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)
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 |