买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京理工大学

摘要：本发明公开了一种基于参数在线估计的锂离子电池SOC估测算法，主要步骤包括：建立锂离子电池模型、利用放电静置法确定SOC‑OCV的关系，离线状态下估计电池模型初始参数，在线状态下利用扩展卡尔曼滤波算法EKF估计电池欧姆内阻，利用Luenberger状态观测器进行SOC值的观测。本发明算法实现简单，实用性强，通过利用Luenberger状态观测器和扩展卡尔曼滤波算法EKF可实现参数的在线估计，从而得到更加稳定精确的SOC估计结果。

主权项：1.一种基于参数在线估计的锂离子电池SOC估测算法，其特征在于，包括以下步骤：步骤1、建立二阶戴维南锂离子电池模型；步骤2、利用间歇放电静置法确定SOC-OCV的关系；步骤3、离线状态下利用电池间歇放电结束后电压响应曲线计算电池模型的初始参数，初始参数包括电池欧姆内阻、两个RC并联电路的电阻和电容；步骤4、利用扩展卡尔曼滤波EKF进行电池模型参数的辨识，利用Luenberger状态观测器观测SOC；采用两个阻容环节叠加的方式模拟电池的极化过程；电池在t0-tr期间先放电一段时间，然后剩余时间处于静置状态，在此过程中RC网路电压为： 其中t0，td，tr分别为放电开始时刻、放电停止时刻和静置停止时间，t为时间参数，Rp，Cp，Rs，Cs分别为两个串联电路的电阻值和电容值，Up，Us分别为两个RC并联电路的电压；令τs＝RsCs,τp＝RpCsp，为两个RC并联电路的时间常数，脉冲响应节点V1到脉冲响应节点V3阶段电压变化是由电池的极化反应消失引起的，在此过程电压输出为：用Matlib进行双指数项系数拟合，辨识Rs、Rp、CS、CP的值；等效电路模型函数关系如下： 其中，Et为开路电压，Ut为输出电压，i为输出电流；扩展卡尔曼滤波EKF的离散状态方程和输出方程如下式： 其中，wk,mk为相互独立的零均值高斯白噪声，Rk为当前时刻的欧姆电阻值，Rk+1为下一时刻的欧姆电阻值，Vocv,k+1SOCk+1为开路电压值，Vk+1为输出电压，Up,k+1、Us,k+1分别为两个RC并联电路的电压，ik为当前时刻电流值；状态转移矩阵：F＝1，输入矩阵：u＝ik；扩展卡尔曼滤波EKF的估算过程如下：步骤1，对状态向量R和状态向量估计误差协方差Q的初始值进行设定；步骤2，状态预测矩阵： 其中，为状态矩阵，F为状态转移矩阵；步骤3，噪声协方差矩阵的传递：Pk-＝FPk-1FT+Q其中，Pk-为当前时刻的噪声协方差矩阵，Pk-1为上一时刻的噪声协方差矩阵；步骤4，求取卡尔曼系数：Kk＝Pk-HTinvHPk-HT+V其中，Kk为卡尔曼系数，H为输出矩阵，V为观测噪声协方差；步骤5，更新状态：Vk＝Vocv,kSOCk-Up,k-Us,k-ikR 其中，Vk为当前时刻的预测输出电压，Up,k、Us,k分别为两个RC并联电路的电压，ik为输出电流，R为电池的欧姆电阻，为更新的状态变量，为当前的状态变量，yk为测量的真实输出电压；步骤6，噪声协方差矩阵的更新：Pk＝I-KkHPk-其中，I为单位矩阵，Pk为更新后的噪声协方差矩阵；Luenberger状态观测器的状态方程和输出方程如下式： 其中，状态变量x＝[UpUSSOC]T，SOC为电池SOC值，Up、US分别为两个RC并联电路的电压；输入量u＝I，I为输出电流；状态矩阵控制矩阵B＝[1Cp1Cs-1Qn]T，Qn为电池容量，Rp，Cp，Rs，Cs分别为两个串联电路的电阻值和电容值；hx＝Esoc-Up-Us，Esoc为开路电压，输出矩阵D＝R。

全文数据：

权利要求：

百度查询： 南京理工大学 基于参数在线估计的锂离子电池SOC估测算法