磷酸铁锂电池荷电状态估计方法、装置、介质及设备

本技术涉及电池管理，尤其涉及一种磷酸铁锂电池荷电状态估计方法、装置、介质及设备。

背景技术：

1、锂离子电池已广泛应用于新能源汽车、储能系统和智能电源等领域，电池管理系统需要实时、准确地估计电池荷电状态，以指示剩余电量和续航能力，并防止过充、过放引起的寿命衰减和安全风险。磷酸铁锂电池因其高安全性和长循环寿命成为主流动力电池之一，但其开路电压与荷电状态之间存在明显的电压平台区间，在该区间内荷电状态发生较大变化时，开路电压变化极小，导致基于端电压的观测信息对荷电状态的可辨识性显著下降。

2、目前，电池荷电状态的常用估计方法包括开路电压法、安时积分法、扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波以及神经网络方法。开路电压法依赖电池充分静置条件，难以在线实时应用；安时积分法容易因初值误差和电流测量误差产生累计漂移；扩展卡尔曼滤波需要对非线性系统进行一阶线性化，存在截断误差和雅可比矩阵计算负担；无迹卡尔曼滤波虽避免了显式线性化，但中心采样点权重较大，参数选择不当时可能造成协方差矩阵失去正定性；容积卡尔曼滤波采用球面-径向容积准则，具有较好的非线性估计稳定性，但传统容积卡尔曼滤波仍采用固定噪声假设和统一观测修正强度。针对磷酸铁锂电池的平台区间问题，已有方案采用固定增益容积卡尔曼滤波，通过在平台区间降低端电压观测修正权重来缓解估计偏差，但该固定增益无法随荷电状态区间、残差一致性和负载动态实时变化；纯神经网络方法则存在可解释性不足、泛化能力依赖数据质量等缺陷。

3、因此，现有技术中缺乏一种能够同时结合电池物理先验、观测残差统计一致性和时间序列记忆能力，动态调节观测修正强度的荷电状态估计方法，导致磷酸铁锂电池在电压平台区间内容易因微小的端电压观测偏差而产生较大的荷电状态估计误差。

技术实现思路

1、基于上述问题，本技术实施例提供了一种磷酸铁锂电池荷电状态估计方法、装置、介质及设备，可以在电压平台区自适应降低观测权重，抑制异常残差干扰，提高了荷电状态估计的精度和鲁棒性。

2、第一方面，本技术实施例提供了一种磷酸铁锂电池荷电状态估计方法，该方法包括：

3、建立电池的状态空间模型，并获取开路电压与荷电状态的映射关系；其中，状态空间模型以电池荷电状态及极化电压为状态变量，用于描述电池状态随时间演化的状态方程以及描述端电压观测量的观测方程；

4、基于状态空间模型执行容积卡尔曼滤波的一步预测，一步预测包括：根据上一时刻的后验状态及后验协方差构造容积点，通过状态方程传播容积点得到当前时刻的先验状态及先验协方差，再通过观测方程得到预测端电压、观测协方差、互协方差以及观测残差；

5、根据当前时刻的先验荷电状态、观测残差的绝对值、观测协方差、当前电流的绝对值、以及由开路电压与荷电状态的映射关系基于先验荷电状态或其滑动平均值得到的局部斜率绝对值，构建特征向量；并根据观测残差与观测协方差，计算表征观测残差与滤波不确定性一致程度的归一化创新平方统计量；

6、将局部斜率绝对值输入至物理先验分支生成物理基线增益，将归一化创新平方统计量及其平滑统计量输入至创新一致性分支生成创新一致性修正项，并将特征向量输入至门控循环单元分支生成门控循环单元修正项；将物理基线增益、创新一致性修正项和门控循环单元修正项进行融合并平滑处理，得到当前时刻的动态增益；

7、利用动态增益对容积卡尔曼滤波的卡尔曼增益进行缩放，并利用缩放后的卡尔曼增益对先验状态和先验协方差进行测量更新，得到当前时刻的后验状态及后验协方差，后验状态中包含当前时刻的荷电状态估计值；

8、将当前时刻得到的后验状态作为下一采样时刻的上一时刻后验状态以进行递推，并在递推过程中根据预设的调度策略执行稳定性增强机制，在每个采样时刻输出连续的荷电状态估计值。

9、在一种可能的实施方式中，状态空间模型为二阶电阻-电容等效电路模型，极化电压包括第一rc支路电压和第二rc支路电压。

10、在一种可能的实施方式中，生成物理基线增益，包括：

11、获取开路电压与荷电状态的映射关系的局部斜率绝对值，将局部斜率绝对值归一化处理后映射至预设增益区间，得到物理基线增益。

12、在一种可能的实施方式中，获取开路电压与荷电状态的映射关系的局部斜率绝对值，将局部斜率绝对值归一化处理后映射至预设增益区间，得到物理基线增益，包括：

13、计算归一化斜率值sk=clip(|docv/dsoc|/sref,0,1)，其中sref为参考斜率；

14、计算物理基线增益gbase,k=0.5+0.5*sk，物理基线增益的取值范围为[0.5,1.0]。

15、在一种可能的实施方式中，创新一致性修正项通过以下步骤生成：

16、计算归一化创新平方统计量nisk=rk^2/max(pyy,k,ε)，其中，rk为观测残差，pyy,k为观测协方差；

17、按照nisema,k=βnisema,k-1+(1-β)nisk对归一化创新平方统计量进行指数加权移动平均，得到平滑统计量，其中β为(0,1)范围内的平滑系数；

18、根据平滑统计量相对于理想值1的偏差以及由归一化斜率值确定的平台区间权重，计算创新一致性修正项；当归一化斜率值不小于预设斜率阈值时，将创新一致性修正项设为零。

19、在一种可能的实施方式中，将物理基线增益、创新一致性修正项和门控循环单元修正项进行融合并平滑处理，得到当前时刻的动态增益，包括：

20、对物理基线增益、创新一致性修正项和门控循环单元修正项进行求和融合并限幅，得到原始增益graw,k=clip(gbase,k+δgnis,k+δggru,k,0.01,1.0)；

21、对原始增益进行一阶低通滤波平滑，得到动态增益gk=0.85*gk-1+0.15*graw,k。

22、在一种可能的实施方式中，稳定性增强机制包括以下至少一种：预热-过渡-在线三阶段调度、荷电状态协方差上下界保护、残差符号一致性校正；

23、其中，预热-过渡-在线三阶段调度，包括：在预热阶段采用预设基准增益执行测量更新，并使门控循环单元分支仅更新隐藏状态而不参与测量增益调节；在过渡阶段按照随时间递增的混合系数，将预设基准增益平滑切换为动态增益；在在线阶段完全采用动态增益；

24、荷电状态协方差上下界保护，包括：当动态增益低于第一阈值且后验协方差中荷电状态对应的方差分量超过上限值时，将所述方差分量压缩至所述上限值，并按照压缩系数的平方根同步缩放荷电状态与各极化电压之间的互协方差；当所述方差分量低于下限值时，将其抬升至所述下限值；

25、残差符号一致性校正，包括：统计最近预设数量个观测残差的符号，当符号一致性指标超过预设阈值时，对荷电状态施加单步微小校正。

26、第二方面，本技术实施例提供了一种磷酸铁锂电池荷电状态估计装置，该装置包括：建立模块、执行模块、构建模块、输入模块、得到模块、递推模块，其中：

27、建立模块，用于建立电池的状态空间模型，并获取开路电压与荷电状态的映射关系；其中，状态空间模型以电池荷电状态及极化电压为状态变量，用于描述电池状态随时间演化的状态方程以及描述端电压观测量的观测方程；

28、执行模块，用于基于状态空间模型执行容积卡尔曼滤波的一步预测，一步预测包括：根据上一时刻的后验状态及后验协方差构造容积点，通过状态方程传播容积点得到当前时刻的先验状态及先验协方差，再通过观测方程得到预测端电压、观测协方差、互协方差以及观测残差；

29、构建模块，用于根据当前时刻的先验荷电状态、观测残差的绝对值、观测协方差、当前电流的绝对值、以及由开路电压与荷电状态的映射关系基于先验荷电状态或其滑动平均值得到的局部斜率绝对值，构建特征向量；并根据观测残差与观测协方差，计算表征观测残差与滤波不确定性一致程度的归一化创新平方统计量；

30、输入模块，用于将局部斜率绝对值输入至物理先验分支生成物理基线增益，将归一化创新平方统计量及其平滑统计量输入至创新一致性分支生成创新一致性修正项，并将特征向量输入至门控循环单元分支生成门控循环单元修正项；将物理基线增益、创新一致性修正项和门控循环单元修正项进行融合并平滑处理，得到当前时刻的动态增益；

31、得到模块，用于利用动态增益对容积卡尔曼滤波的卡尔曼增益进行缩放，并利用缩放后的卡尔曼增益对先验状态和先验协方差进行测量更新，得到当前时刻的后验状态及后验协方差，后验状态中包含当前时刻的荷电状态估计值；

32、递推模块，用于将当前时刻得到的后验状态作为下一采样时刻的上一时刻后验状态以进行递推，并在递推过程中根据预设的调度策略执行稳定性增强机制，在每个采样时刻输出连续的荷电状态估计值。

33、第三方面，本技术实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法的步骤。

34、第四方面，本技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序适于由处理器加载并执行上述的方法的步骤。

35、本技术一些实施例提供的技术方案带来的有益效果至少包括：在容积卡尔曼滤波框架下，通过构建由物理先验分支、创新一致性分支和门控循环单元分支协同生成的动态增益，使滤波器能够根据开路电压-荷电状态曲线局部斜率自适应调整观测修正强度，在电压平台区有效降低微小端电压偏差对荷电状态估计的放大影响，同时利用归一化创新平方统计量识别并抑制异常残差干扰，并借助门控循环单元的记忆能力实现增益的平滑调节；在此基础上，通过递推更新与稳定性增强机制的配合，在不同动态工况下有助于提高荷电状态估计的精度、鲁棒性和在线部署的数值稳定性，解决了现有固定增益滤波方法无法细粒度适应工况变化的问题。