CN101598769B - 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 - Google Patents
一种基于采样点卡尔曼滤波的电池剩余电量估计方法 Download PDFInfo
- Publication number
- CN101598769B CN101598769B CN2009101002802A CN200910100280A CN101598769B CN 101598769 B CN101598769 B CN 101598769B CN 2009101002802 A CN2009101002802 A CN 2009101002802A CN 200910100280 A CN200910100280 A CN 200910100280A CN 101598769 B CN101598769 B CN 101598769B
- Authority
- CN
- China
- Prior art keywords
- battery
- state
- variance
- discharge
- calculate
- 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.)
- Expired - Fee Related
Links
Landscapes
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明涉及一种基于采样点卡尔曼滤波的电池剩余电量估计方法。现有方法不能满足在线检测要求,并且精度差。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,然后用状态方程和观测方程表示电池的各个时刻的荷电状态,再执行初始化过程,采用采样点卡尔曼滤波算法进行循环递推,递推所得到的状态更新值
Description
技术领域
本发明属于电池技术领域,具体涉及一种基于采样点卡尔曼滤波的电池剩余电量快速估计方法。
背景技术
电池作为备用电源已在通讯、电力***、军事装备等领域得到了广泛的应用。同传统燃油汽车相比,电动汽车可实现零排放,因此是未来汽车的主要发展方向。在电动汽车中电池直接作为主动能量供给部件,因此其工作状态的好坏直接关系到整个汽车的行驶安全性和运行可靠性。为确保电动汽车中的电池组性能良好,延长电池组使用寿命,须及时、准确地了解电池的运行状态,对电池进行合理有效的管理和控制。
电池荷电状态(State of Charge,以下简称SOC)的精确估算是电池能量管理***中最核心的技术。电池的SOC无法用一种传感器直接测得,它必须通过对一些其他物理量的测量,并采用一定的数学模型和算法来估计得到。
目前常用的电池SOC估计方法有开路电压法、安时法等。开路电压法进行电池SOC估计时电池必须静置较长时间以达到稳定状态,而且只适用于电动汽车在停车状态下的SOC估计,不能满足在线检测要求。安时法易受到电流测量精度的影响,在高温或电流波动剧烈情况下,精度很差。
发明内容
本发明的目的就是克服现有技术的不足,提出一种基于采样点卡尔曼滤波的电池剩余电量快速估计方法,可以适用于所有电池,且估计精度较高。
本发明的电池剩余电量快速估计方法,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z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为处理噪声。K0、K1、K2、K3、K4为常数,p=[K0 R K1 K2 K3 K4]T,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为观测噪声。
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 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:
处理噪声wk的方差Rw和观测噪声vk的方差Rv分别为:
Rw=10-5,Rv=10-2
尺度参数γ为:
均值加权系数wi (m),i=0,1,2,...,6和方差加权系数wi (c),i=0,1,2,...,6分别为:
步骤(4)采用采样点卡尔曼滤波算法进行循环递推:
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:
②根据状态方程进行时间域更新:
③根据观测方程完成测量更新:
计算卡尔曼增益Kk:
本发明可以方便地进行电池SOC的快速估计,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。
根据本发明的第一方面,公开了一种用于快速估计电池剩余电量的采样点卡尔曼滤波方法所依赖的测量量,分别为电池的端电压和电池的供电电流。
根据本发明的第二方面,公开了一种用于快速估计电池剩余电量的采样点卡尔曼滤波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,公开了一种用于快速估计电池SOC的采样点卡尔曼滤波所依赖的初始值。包括初始SOC,初始SOC的方差,处理噪声及观察噪声的方差,以及采样点对应的权值。其中初始SOC及初始SOC方差的值不必很准确,在采样点卡尔曼滤波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,公开了一种应用采样点卡尔曼滤波进行电池SOC快速估计的具体流程。主要包括:计算采样点通过状态方程变换后的加权值,作为状态的估计值,进而通过加权计算状态估计的方差;计算采样点通过观测方程变换后的加权值,作为观测的估计值;计算卡尔曼增益;计算状态及其方差的更新等。
具体实施方式
基于采样点卡尔曼滤波的电池剩余电量估计方法的具体步骤是:
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z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为处理噪声。K0、K1、K2、K3、K4为常数,p=[K0 R K1 K2 K3 K4]T,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为观测噪声。
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 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:
处理噪声wk的方差Rw和观测噪声vk的方差Rv分别为:
Rw=10-5,Rv=10-2
尺度参数γ为:
均值加权系数wi (m),i=0,1,2,...,6和方差加权系数wi (c),i=0,1,2,...,6分别为:
步骤(4)采用采样点卡尔曼滤波算法进行循环递推:
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:
②根据状态方程进行时间域更新:
③根据观测方程完成测量更新:
计算卡尔曼增益Kk:
计算状态更新
Claims (1)
1.一种基于采样点卡尔曼滤波的电池剩余电量估计方法,其特征在于该方法的具体步骤是:
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:
其中z为电池的荷电状态,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为处理噪声,K0、K1、K2、K3、K4为常数,p=[K0 R K1 K2 K3 K4]T,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为观测噪声;
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,N>10,计算相应放电速率下的电池总电量Qi,1≤i≤N;
(c)在放电电流为ik时,对应的放电比例系数ηi为:
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) 在放电过程中以测量时间间隔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;
则p=(HTH)-1HTY,也就得到内阻R以及常数K0、K1、K2、K3、K4;
步骤(3)执行如下初始化过程:
处理噪声wk的方差Rw和观测噪声vk的方差Rv分别为:
Rw=10-5,Rv=10-2
尺度参数γ为:
均值加权系数wi (m),i=0,1,2,...,6和方差加权系数wi (c),i=0,1,2,...,6分别为:
步骤(4)采用采样点卡尔曼滤波算法进行循环递推:
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:
②根据状态方程进行时间域更新:
③根据观测方程完成测量更新:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101002802A CN101598769B (zh) | 2009-06-29 | 2009-06-29 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101002802A CN101598769B (zh) | 2009-06-29 | 2009-06-29 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101598769A CN101598769A (zh) | 2009-12-09 |
CN101598769B true CN101598769B (zh) | 2011-04-20 |
Family
ID=41420273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101002802A Expired - Fee Related CN101598769B (zh) | 2009-06-29 | 2009-06-29 | 一种基于采样点卡尔曼滤波的电池剩余电量估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101598769B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169168B (zh) * | 2011-05-17 | 2013-04-24 | 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 |
CN102289557B (zh) * | 2011-05-17 | 2013-08-07 | 杭州电子科技大学 | 一种电池模型参数与剩余电量联合异步在线估计方法 |
CN102298118A (zh) * | 2011-05-17 | 2011-12-28 | 杭州电子科技大学 | 一种电池模型参数与剩余电量联合同步在线估计方法 |
CN102788957B (zh) * | 2011-05-20 | 2014-11-12 | 镇江恒驰科技有限公司 | 一种动力电池荷电状态估算方法 |
JP5944291B2 (ja) * | 2012-10-05 | 2016-07-05 | カルソニックカンセイ株式会社 | バッテリのパラメータ等推定装置およびその推定方法 |
CN102981125B (zh) * | 2012-11-30 | 2015-11-18 | 山东省科学院自动化研究所 | 一种基于rc等效模型的动力电池soc估计方法 |
US20140350875A1 (en) * | 2013-05-27 | 2014-11-27 | Scott Allen Mullin | Relaxation model in real-time estimation of state-of-charge in lithium polymer batteries |
CN103744028A (zh) * | 2013-12-25 | 2014-04-23 | 广西科技大学 | 一种基于ukf的蓄电池荷电状态soc估算方法 |
WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
FR3029297B1 (fr) * | 2014-11-28 | 2016-12-30 | Renault Sa | Procede automatique d'estimation de l'etat de charge d'une cellule d'une batterie |
FR3029298B1 (fr) * | 2014-11-28 | 2016-12-30 | Renault Sa | Procede automatique d'estimation de l'etat de charge d'une cellule d'une batterie |
CN104502858B (zh) * | 2014-12-31 | 2017-07-14 | 桂林电子科技大学 | 基于后向差分离散模型的动力电池soc估计方法与*** |
CN104809333B (zh) * | 2015-04-03 | 2017-08-29 | 百度在线网络技术(北京)有限公司 | 基于Kalman滤波器的容量预测方法和*** |
CN105277896B (zh) * | 2015-10-26 | 2018-01-26 | 安徽理工大学 | 基于elm‑mukf的锂电池剩余寿命预测方法 |
CN105599632B (zh) * | 2016-03-02 | 2018-05-01 | 江苏小牛电动科技有限公司 | 一种基于电动车的电池管理方法和*** |
CN107037367A (zh) * | 2017-01-13 | 2017-08-11 | 孔文欣 | 电池使用电量的测量方法及测量*** |
CN108169687A (zh) * | 2017-12-27 | 2018-06-15 | 国网河北省电力有限公司电力科学研究院 | 一种基于云平台的蓄电池soc估算方法 |
CN108802624B (zh) * | 2018-06-19 | 2021-08-31 | 杭州电子科技大学 | 一种锂电池soc估计方法 |
CN110687468B (zh) * | 2018-06-19 | 2021-01-15 | 华为技术有限公司 | 一种电池荷电状态的估计方法及装置 |
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 |
CN109782177B (zh) * | 2018-12-29 | 2021-04-20 | 北京新能源汽车股份有限公司 | 一种电池电量的获取方法、装置及汽车 |
CN110118936A (zh) * | 2019-05-06 | 2019-08-13 | 杭州电子科技大学 | 一种基于ehf的电池剩余电量估计方法 |
CN110161298B (zh) * | 2019-07-04 | 2021-09-21 | 苏州妙益科技股份有限公司 | 一种基于加权最小二乘法的冗余电流采集方法 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6534954B1 (en) * | 2002-01-10 | 2003-03-18 | Compact Power Inc. | Method and apparatus for a battery state of charge estimator |
CN1601295A (zh) * | 2004-10-25 | 2005-03-30 | 清华大学 | 电动车用蓄电池荷电状态的估计及实现方法 |
CN101275991A (zh) * | 2007-03-29 | 2008-10-01 | 古河电气工业株式会社 | 电池残余容量推断方法及装置、电池电源*** |
-
2009
- 2009-06-29 CN CN2009101002802A patent/CN101598769B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6534954B1 (en) * | 2002-01-10 | 2003-03-18 | Compact Power Inc. | Method and apparatus for a battery state of charge estimator |
CN1601295A (zh) * | 2004-10-25 | 2005-03-30 | 清华大学 | 电动车用蓄电池荷电状态的估计及实现方法 |
CN101275991A (zh) * | 2007-03-29 | 2008-10-01 | 古河电气工业株式会社 | 电池残余容量推断方法及装置、电池电源*** |
Also Published As
Publication number | Publication date |
---|---|
CN101598769A (zh) | 2009-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN101604005A (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 | |
CN101625397B (zh) | 一种电池剩余电量的混合快速估计方法 | |
CN102169168B (zh) | 一种基于粒子滤波的电池剩余电量估计方法 | |
CN109946623B (zh) | 一种锂电池的soc在线估测方法 | |
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 | |
CN107037366B (zh) | 一种电力动车锂离子电池控制*** | |
CN105301509B (zh) | 锂离子电池荷电状态、健康状态与功率状态的联合估计方法 | |
CN103616647B (zh) | 一种用于电动汽车电池管理***的电池剩余电量估计方法 | |
CN111722118B (zh) | 一种基于soc-ocv优化曲线的锂离子电池soc估计方法 | |
CN105717460B (zh) | 一种基于非线性观测器的动力电池soc估计方法和*** | |
CN104714188B (zh) | 量测噪声方差阵相匹配的电池电荷状态估计方法与*** | |
CN109633477B (zh) | 基于ekf-gpr和日常片段数据的电池组健康状态的实时监控方法 | |
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 | |
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 | |
CN109669131B (zh) | 一种工况环境下动力电池soc估算方法 | |
CN104617623A (zh) | 一种电动汽车动力电池组均衡控制方法 | |
CN110687462B (zh) | 一种动力电池soc与容量全生命周期联合估计方法 | |
CN105572596B (zh) | 锂电池soc估算方法及*** | |
Zhang et al. | A battery State of Charge estimation method with extended Kalman filter | |
CN105699910A (zh) | 一种锂电池剩余电量在线估计方法 | |
CN105425154A (zh) | 一种估计电动汽车的动力电池组的荷电状态的方法 | |
CN111707953A (zh) | 一种基于后向平滑滤波框架的锂电池soc在线估计方法 | |
CN109375111A (zh) | 一种基于uhf的电池剩余电量估计方法 | |
CN110231567A (zh) | 一种电动汽车soc估算算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110420 Termination date: 20140629 |
|
EXPY | Termination of patent right or utility model |