一种基于改进区间求逆滤波的电池SOC状态估计方法

一种基于改进区间求逆滤波的电池soc状态估计方法
技术领域
1.本发明涉及一种基于改进区间求逆滤波的电池soc状态估计方法，属于锂电池生产技术领域。


背景技术：

2.锂电池系统有着体积小、容量大、自动放电功率低、循环寿命长等优点，近些年已被广泛用于电子消费品、大规模或分布式储能等场景中。在锂电池的实际应用中，环境因素和操作条件等条件，会导致锂电池工作状态不稳定。一旦锂电池出现问题，若不能及时发现，会引起整个电路状态存在异常，造成较高的安全隐患。因此，为保证锂电池系统的安全可靠的运行，对锂电池进行实时的充放电状态估计是非常有必要的，而电池荷电状态(super capacitor state of charge，soc)作为锂电池充放电状态的重要指标，通常作为估计的对象。
3.锂电池系统工作环境复杂，易受各种环境因素的影响。现有的soc估计方法中，开环的安时积分法要求传感器精度高，在控制中属于开环的检测，如果电流的采集精度不高，给定的初始荷电状态有一定误差，伴随着系统运行时间的延伸，存在累计误差的问题。开路电压法的开路电压需要静置后测量，往往需要较长的等待时间，从而无法满足实时监测要求，通用性较差。卡尔曼滤波法是利用时域状态空间理论的一种最小方差估计，属于统计估计的范畴，但是对模型依赖较高，同时考虑实际环境中各种干扰噪声虽然不满足特定的概率分布，但是可以划分为未知但有界的噪声，因此有人提出了集员区间求逆的滤波方法，通过采集电池工作中的电池输出端的电流和电压，来不断更新电池的健康状态，即通过采用一种求逆区间估计方法来估计电池的soc状态，并根据预先建立的电池等效模型的对应关系从而获取电池充放电时对应的关系，根据两个时间节点之间传感器采集端电压和电流进行区间求逆运算，估算出充放电时电池的soc的上界和下界，预测出电池soc状态，并且取得了很好的效果。
4.但是目前提出的区间求逆的方法在搜索状态变量区间集合的可行域时，每次需要计算八个方向的顶点值并进行多次的比较得到此区间盒子的最大值和最小值，因此计算量过大，占用了很多计算资源，无法满足快速估计的要求；而且现有区间求逆计算方法中对电池估算精度对测量电压的精度依赖过强。


技术实现要素：

5.为了尽可能降低计算量同时保证对电池荷电状态soc的估计精度，本发明针对现有求逆区间估计方法做了改进，通过设置位移算子t，找到搜索空间内最值对应的方向维度，从而避免了现有求逆区间估计方法在每次搜索时需要在八个方向维度上进行搜索带来的计算量大的问题，而且本技术方法避免了对于测量电压精度的依赖。
6.一种基于改进区间求逆滤波的电池soc状态估计方法，所述方法包括：
7.步骤s1，考虑电池系统中传感器精度约束条件，构建用于电池soc估算的状态方程
和测量方程；
8.步骤s2，基于所构建的状态方程和测量方程，设计噪声未知但有界的集员区间观测器；
9.步骤s3，根据状态方程和测量方程以及集员区间观测器，求逆计算空间映射所对应的区间最值，通过增加一个位移算子t，得到区间最值所在方向，缩减运算时间，根据区间最值进行条件判断并进行分类，同时确定下一次的搜索空间；步骤s4，利用在指定环境下测量得到的电池充放电状态下的电压和电流值，通过区间求逆估算电池soc值；
10.步骤s5，再通过下次测量的电压和电流值，估算下一时刻电池soc，直至估算过程结束。
11.可选的，所述步骤s1构建的状态方程和测量方程为：
12.xk＝ax
k-1
bu
k-1
w
k-1
13.yk＝cxk duk vk14.其中，xk＝[sock,u
pa,k
,u
pc,k
]
t
为系统的状态矩阵，sock、u
pa,k
、u
pc,k
为系统状态变量，分别表示k时刻的荷电状态、活化极性电压和浓差极化电压；uk＝uk为系统的输入矩阵，ik表示k时刻的放电电流，yk＝uk为系统的输出矩阵，uk表示k时刻的输出电压；
[0015]
c＝[f(zk)
ꢀ‑1ꢀ‑
1]为系统的参数矩阵，w(k)和v(k)分别为过程噪声和测量噪声，并且均有界；δt为系统的采样时间；r
pa
和c
pa
分别为动力电池的等效电化学极化内阻和电容；r
pc
和c
pc
分别为动力电池的等效浓差极化电阻和电容，τ
pa
＝r
pacpa
表示电池的等效活化极化的时间常数，τ
pc
＝r
pccpc
表示电池的等效浓差极化的时间常数；η
i,t
表示温度及放电倍率综合影响因子；q0表示电池的额定容量；f(zk)表示电池soc和输出之间的拟合关系；zk表示k时刻的荷电状态，即sock。
[0016]
可选的，所述步骤s2中设计的集员区间观测器为：
[0017][0018][0019]
其中，rn表示n维的实数空间；表示k时刻的系统状态变量对应的三维空间盒子；o
(k:k n)
表示能观测性矩阵；和yk分别表示状态矩阵的上下界值；
[0020][0021][0022]
其中：
[0023][0024][0025][0026][0027][0028]y(k:k s)
、u
(k:k s)
、w
(k:k ss)
、v
(k:k s)
分别为系统在k至k s时刻的输出、输入、过程噪声上界、过程噪声下界、测量噪声上界和测量噪声下界。
[0029]
可选的，所述步骤s3包括：
[0030]
设置的先验搜索域s，所述先验搜索域为根据系统状态变量中soc的最大值和最小值所确定；此时，作为一个三维盒子空间，在其空间中心点有八个方向维度，因此若要计算最大值和最小值，需计算八个方向维度上的顶点值，进而进行互相比较以确定当前搜索空间的最大值和最小值；
[0031]
为避免每次都计算八个方向上的顶点值，设置位移算子t，通过位移算子确定的搜索方向，进而只计算该搜索方向上的顶点值，所述位置算子为：
[0032][0033][0034]
其中h
sm
为k时刻后的第s时刻的系统的状态矩阵x中对应位置的元素，s＝1,2,3
…
；m＝1,2,3；
[0035]
位移算子t的每一行代表空间中最大值的方向维度，位移算子t的每一个元素，若是1则对应为空间中相应元素的右边界，若为-1则为应为空间的左边界；代表空间中最小值的方向维度；
[0036]
在初始化时更新位移算子，每次运算通过位移算子确定搜索方向在每次二分得到新的时，找出在该搜索方向上的对应边界值进行一次运算，即为区间对应的最大值和最小值，并在2s个最值中找出其最大值和最小值作为边界与集合进行比较判断，确定下一次的搜索空间。
[0037]
可选的，搜索过程中，
[0038]
(1)如果与有交集但不完全属于且所表示的区间盒子的宽度大于所设置的区间精度，则将区间盒子从最大区间宽度的维度二分，得到两个新的区间盒子；
[0039]
(2)如果与的交集为空，则所表示的区间盒子为不可行子集；
[0040]
(3)如果完全属于集合则所表示的区间盒子为可行子集，并放入预先分配的可行集中；
[0041]
(4)如果与有部分交集并且相应的区间盒子的宽度小于区间精度参数ε，则该区间盒子为不确定子集，并放入不确定集合中。
[0042]
可选的，所述步骤s1包括：
[0043]
步骤s1.1：确定电池的等效电路，并基于等效电路建立电池的等效电路模型，对等效电路模型进行离散化，得到电池的二阶thevenin离散线性模型；
[0044]
步骤s1.2：对电池进行充放电实验，根据实验数据确定电池的二阶thevenin离散线性模型的参数；
[0045]
步骤s1.3：根据电池的二阶thevenin离散线性模型和传感器精度约束条件，构建用于电池soc估算的状态方程和测量方程，用于表征带约束的电池系统；所述传感器包括分别用于测量电流和电压的传感器。
[0046]
可选的，所述电池的等效电路模型为：
[0047]
u＝u
oc-ir
0-u
pa-u
pc
[0048][0049][0050]
其中，r0表示电池直流内阻。
[0051]
可选的，所述电池的二阶thevenin离散线性模型为：
[0052]
uk＝u
oc,k-i
kr0-u
pa,k-u
pc,k
[0053][0054][0055]
其中，i
k-1
表示k-1时刻的放电电流。
[0056]
可选的，所述先验搜索域包含所有符合要求的系统状态变量区间集合。本发明有益效果是：
[0057]
通过设置位移算子t，找到搜索空间内最大值对应的方向维度，从而避免了现有求逆区间估计方法在每次搜索时需要在八个方向维度上进行搜索带来的计算量大的问题，而且本技术方法避免了对于测量电压精度的依赖。
附图说明
[0058]
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。
[0059]
图1为本发明一个实施例所述的基于改进区间求逆滤波的电池soc状态估计方法的流程图。
[0060]
图2为本发明一个实施例所述的改进后的区间求逆滤波方法的逻辑流程图。
[0061]
图3为本发明一个实施例所述的基于改进区间求逆滤波的电池soc状态估计方法中的锂电池双极化电池模型等效电路图。
[0062]
图4是本发明一个实施例所述基于改进区间求逆滤波的电池soc状态估计方法在电池放电时对电池soc的估计结果示意图。
[0063]
图5为本发明一个实施例所述的基于改进区间求逆滤波的电池soc状态估计方法得到的soc估算误差仿真结果图。
[0064]
图6为本发明一个实施例所述基于改进区间求逆滤波的电池soc状态估计方法与基于传统区间求逆滤波的电池soc状态估计方法所用时间的仿真对比图。
具体实施方式
[0065]
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。
[0066]
实施例一：
[0067]
本实施例提供一种基于改进区间求逆滤波的电池soc状态估计方法，参见图1，所述方法包括：
[0068]
在指定环境下对电池进行充放电实验，根据实验数据、锂电池性能参数构建二阶thevenin离散线性模型。
[0069]
锂电池双极化电池模型等效电路如图3所示，其中，r0表示电池直流内阻，r
pa
和c
pa
分别为动力电池的等效电化学极化内阻和电容，u
pa
为二者并联后两端的电压，即电池的等效活化极性电压；r
pc
和c
pc
分别为动力电池的等效浓差极化电阻和电容，u
pc
为二者并联后两端的电压，即等效浓差极化电压；i为放电电流，u
oc
为电池内部电源的开路电压；u为电池端电压，即输出电压。
[0070]
根据图3所示的锂电池双极化电池模型等效电路，建立锂电池的双极化二阶连续时间模型：
[0071]ut
＝u
oc-ir
0-u
pa-u
pc
[0072][0073][0074]
并将其离散化处理后，得到电池离散线性电路模型：
[0075]
uk＝u
oc,k-i
kr0-u
pa,k-u
pc,k
[0076][0077][0078]
其中，ik、uk、u
pa,k
、u
pc,k
、u
oc,k
表示k时刻放电电流、电压的端电压、活化极性电压、浓差极化电压、开路电压；δt为系统的采样时间。其中r0表示电池直流内阻，τ
pa
＝r
pacpa
表示电池活化极化的时间常数，τ
pc
＝r
pccpc
表示电池浓差极化的时间常数；
[0079]
由充放电实验确定上述参数。
[0080]
根据锂电池的性能参数、充放电的电路特性和传感器精度约束条件，构建用于电池soc估算的状态方程和测量方程。
[0081]
所确定的状态方程和测量方程分别如下所示：
[0082]
xk＝ax
k-1
bu
k-1
w
k-1
[0083]
yk＝cxk duk vk[0084]
其中，xk＝[sock,u
pa,k
,u
pc,k
]
t
定义为系统的状态矩阵，sock、u
pa,k
、u
pc,k
为状态矩阵xk中的元素，uk＝ik定义系统的输入矩阵，yk＝uk定义为系统的输出矩阵；
[0085]
c＝[f(zk)
ꢀ‑1ꢀ‑
1]为系统的参数矩阵，k为系统的参数矩阵离散时间，w(k)和v(k)分别为过程噪声和测量噪声，并且均有界。
[0086]
将充放电实验确定的数据带入到建立的状态方程和测量方程：
[0087][0088][0089]
所述电池等效电路模型利用最小二乘法对实验数据进行离线参数辨识，建立开路电压ocv与电池状态soc之间的线性函数方程f(sock)。
[0090]
对电池进行一次完整的放电实验，用传感器测得电池在正常工作时的电流和电压。
[0091]
对带约束的电池系统，设计噪声未知但有界的集员区间滤波器；
[0092]
设计集员区间观测器，估计电池系统状态矩阵所对应的状态区间上下界，包括：
[0093][0094][0095]
其中
[0096][0097][0098][0099][0100][0101]
[0102][0103]y(k:k s)
、u
(k:k s)
、w
(k:k s)
、v
(k:k s)
分别为系统在k至k s时刻的输出、输入、过程噪声上界、过程噪声下界、测量噪声上界和测量噪声下界。随着时间长度s取值的增大，区间滤波方法的精度增高，此时相应的计算量也会增大。
[0104]
设置的先验搜索域所述先验搜索域s为根据系统状态变量中soc的最大值和最小值所确定，为了保证其一定包含所有可行集，s的设置要大于实际可能的取值。在先验搜索域内搜索可行集并寻找中的最大值点与最小值点，进而计算出对应的的最值，将该的最值与上述所设计集员区间观测器得出的做比较，根据比较结果确定进一步缩小搜索域的范围，最终得到电池soc状态估计值。
[0105]
的搜索域作为一个三维盒子空间，在其空间中心点有八个方向维度，需要在此空间内找到对应的最大值点与最小值点。传统的计算方法中，每次进行空间二分，的最大边界值和最小边界值都会发生变化，而对应的空间内的点也需要重新确定，该模型为线性模型，首先在空间中心点和其八个方向维度上找到顶点值，对每个点就行一次运算得到可能为的最值，得到所有的可能最值后，进行一次寻找最大值和最小值的搜索运算，此过程会占用较大的计算资源。在此，本技术方法通过设置一个位移算子t，包括：
[0106][0107][0108]
其中h
sm
为k时刻后的第s时刻的系统的状态矩阵x中对应位置的元素，s＝1,2,3
…
；m＝1,2,3；其中位移算子t的每一行代表空间中最大值的方向维度，位移算子t的每一个元素，若是1则对应为空间中相应元素的右边界，若为-1则为应为空间的左边界。代表空间中最小值的方向
维度。
[0109]
在初始化时更新位移算子，每次运算通过位移算子确定搜索方向。
[0110]
以此作为判断基础，在每次二分得到新的时，找出的对应边界值进行一次运算，便可直接找出区间对应的最大值和最小值，并在数量较少的s个最值中找出其最大值和最小值作为边界与集合进行比较判断，利用一系列完整的放电实验的电压和电流值数据，通过区间求逆估算电池soc值；
[0111]
再更新下次测量的电压和电流值，估算下一时刻电池soc，直至估算过程结束。
[0112]
得到最终可行集合x和不确定集合x∪ε，因为x的状态估计区间小，包裹性更低，因此利用行集合x可以得到更紧致的区间估计。
[0113]
取x的中心即x的切比雪夫中心作为待估计参数的估计值。
[0114]
实施例二：
[0115]
本实施例提供一种基于改进区间求逆滤波的电池soc状态估计方法，如图2所示，所述方法包括：
[0116]
设置观测时间长度s，算法初始化，设置系统参数以及区间精度ε；后续仿真实验中，设置观测时间长度s取4秒，区间精度ε取0.0001；
[0117]
设置先验搜索域要求区间足够大，能够包含所有符合要求的状态变量区间集合；由于实际场景中电池剩余电量与未使用前的容量的比值最大值为1，考虑区间足够大的要求，后续仿真实验中，针对soc，先验搜索域设置为[0，1.5]；针对,u
pa,k
,u
pc,k
，均设置为[0，0.2]即可。
[0118]
计算此时刻yk对应的并利用二分法计算符合对应在的状态变量x的区间集合；
[0119]
本技术方法利用二分法，递归地全面而系统地搜索可行域搜索可行域时，需要计算的区间最大值和最小值，才能确定和的关系。此时有八个方向维度，因为该模型为线性模型，因此传统方法每次需要计算八个方向的顶点值并比较得到此区间盒子的最大值和最小值，每次搜索时都要进行多次比较，浪费了大量时间。本技术方法对此进行改进，增加位移算子t，通过位移算子首先确定其搜索方向，便可以轻松可以得出对应的最值。
[0120]
在搜索过程中，对于区间需要进行如下判断：
[0121]
(1)如果与有交集但不完全属于且所表示的区间盒子的宽度大于所设置的区间精度，需要将区间盒子从最大区间宽度的维度二分，得到两个新的区间盒子；
[0122]
(2)如果与的交集为空，所表示的区间盒子为不可行子集。
[0123]
(3)如果完全属于集合所表示的区间盒子为可行子集，并放入预先分配的可行集中；
[0124]
(4)如果与有部分交集并且相应的区间盒子的宽度小于区间精度参数ε，则该区间盒子为不确定子集，把他放入不确定集合中。
[0125]
若四条判断进行结束，可进行下一个区间的判断。直至历遍所有区间盒子才结束。
[0126]
如图4可知：本实施例在持续放电状态下能很好的估算电池soc的状态。
[0127]
图5为本实施例得到的soc估算误差仿真结果图，可以看出本技术方法得到的soc估算误差在0.015内，目前对于soc的估计误差通常如果在0.03以内即可满足一般的系统要求；比如，申请日为2021.03.08的cn 112858928 a一种基于在线参数辨识的锂电池soc估计方法，以及申请日为2021.04.23的cn 113138344 a一种基于分数阶扩展卡尔曼滤波算法的soc估计方法，其soc估算误差分别为0.03和0.025以内，由此可知，本技术方法所得到的soc的估计误差可以满足系统要求，而且相对来说，误差更小。
[0128]
如图6所示，本实施例在不同采样次数下运算的总时长要更快，想较于与目前的区间求逆方法可以节省约40％的计算时间，对算法快速性有较高的提升。
[0129]
综上可知，本技术方法在满足对于soc估算误差要求的前提下，减少了运算次数，大幅度降低了运算时间，能够满足快速估计的要求。
[0130]
需要进行说明的是，上述仿真实验中设置的各参数，可由技术人员根据电池的实际情况进行设定，对于具体取值本技术不做限定。
[0131]
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。
[0132]
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。