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：江南大学

摘要：本申请提供了一种锂离子电池状态联合估计方法及系统，方法包括：根据输入的充电电流，基于二阶等效电路构建锂离子电池的电模型；根据电模型的阻抗参数与充电过程中锂离子电池自身的产热和对流换热关系构建锂离子电池的二态热模型，并基于电模型与二态热模型的双向耦合作用构建锂离子电池的分数阶耦合模型；基于分数阶耦合模型，利用动态折息最小二乘法对分数阶耦合模型进行参数估计；基于分数阶耦合模型，利用MMFCKF算法对分数阶耦合模型进行SOC与SOH状态联合估计。通过建立分数阶电热耦合模型方法提高了电池模型的精度，具有很好的鲁棒性，其参数辨识方法能够较高精度辨识出模型参数，锂电池状态联合估计方法能实现联合估计。

主权项：1.一种基于分数阶耦合模型的锂离子电池状态联合估计方法，其特征在于，所述方法包括：根据输入的充电电流，基于二阶等效电路构建锂离子电池的电模型；根据所述电模型的阻抗参数与充电过程中锂离子电池自身的产热和对流换热关系构建锂离子电池的热模型，并基于所述电模型与所述热模型的双向耦合作用构建锂离子电池的分数阶耦合模型；基于所述分数阶耦合模型，利用动态折息最小二乘法的参数辨识方法对所述分数阶耦合模型进行参数估计，得到所述分数阶耦合模型的最优解；其中，所述动态折息最小二乘法方程为： Kk＝Pk-1hk×[hTkPk-1hk+μkΛk]-1；Pk＝1μk[I-KkhTk]Pk其中，为k时刻参数的估计值；为k-1时刻参数的估计值；Kk为增益矩阵；zk为系统输出；hTk为可观测数据向量；Pk为协方差矩阵；μk为动态遗忘因子；hk为观测数据；Λk为加权因子；所述耦合模型参数估计的步骤包括：1通过测量得到初始观测数据参数；2计算参数估计值θ；3通过收集到观测数据hk，对上一次估计的数据进行修正，并不断更新4判断得出的参数估计值是否满足所需精度，如果满足执行5；否则转3；5输出最终结果，算法运行结束；基于所述分数阶耦合模型，利用鲁棒分数阶容积卡尔曼滤波MMFCKF算法对所述分数阶耦合模型进行SOC与SOH状态联合估计，其中，鲁棒分数阶容积卡尔曼滤波MMFCKF算法对所述分数阶耦合模型进行SOC与SOH状态联合估计的步骤为：1建立电池模型均值与系统方差P；2计算Sigma点；3计算预测方差的平方根与容积点Xj,k；4计算量测预测、新息方差和协方差估计；5使用Masreliez-Martin方法，计算状态估计和方差： 为状态估计，Pk为系统协方差，vk为状态向量，Kk为增益。

全文数据：

权利要求：

百度查询： 江南大学 锂离子电池状态联合估计方法及系统