一种基于ASR-UKF的矿用锂电池SOC估算方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112462264A(43)申请公布日2021.03.09(21)申请号201911315942.8(22)申请日2019.12.19(71)申请人淮南师范学院地址232000安徽省淮南市洞山西路(72)发明人封居强司玉文黄凯峰伍龙张星(74)专利代理机构北京金蓄专利代理有限公司11544代理人黄晶晶(51)Int.Cl.G01R31/367(2019.01)G01R31/389(2019.01)G06F30/20(2020.01)权利要求书1页说明书9页附图4页(54)发明名称一种基于ASR-UKF的矿用锂电池SOC估算方法(57)摘要一种基于ASR‑UKF的矿用锂电池SOC估算方法。其步骤如下：建立电学模型及辨识内部参数；根据煤矿生产环境，进行温度和充放电倍率等实验，求出模型的自动系统修正系数；分析ASR‑UKF算法原理，并在simulink中建立仿真模块；仿真结果与实际数据进行比较说明。本发明在Simulink仿真软件中完成对容量和电压的建模，仿真结果与实验数据进行比较，表明动态系统二阶PNGV模型下的ASR‑UKF算法能够有效的提高SOC估算的精准度和实时性。CN112462264ACN112462264A权利要求书1/1页1.一种基于ASR‑UKF的矿用锂电池SOC估算方法，其特征在于，其步骤如下：第一步：建立电学模型及辨识内部参数；第二步：根据煤矿生产环境，进行温度和充放电倍率等实验，求出模型的自动系统修正系数；第三步：分析ASR‑UKF算法原理，并在simulink中建立仿真模块；第四步：仿真结果与实际数据进行比较说明。2.根据权利要求1所述的方法，其特征在于，所述第一步中，辨识参数包括开路电压、欧姆内阻、储能电容、极化内阻与极化电容。3.根据权利要求1所述的方法，其特征在于，所述第二步中，模型改进包括电池充放电倍率改进、电池温度因素改进。2CN112462264A说明书1/9页一种基于ASR‑UKF的矿用锂电池SOC估算方法技术领域[0001]本发明涉及锂电池技术领域，具体来说，涉及一种基于ASR‑UKF的矿用锂电池SOC估算方法。背景技术[0002]从2008年以来,我国动力电池的发展取得了很大的突破，功率密度达到了3千瓦时/升，耐久性达到了一万小时，我国基本掌握了车用动力电池的关键技术。但是我国在矿用动力电池方面还处于一个较落后的层次，主要因为矿用动力电池需要满足一定的特殊工作要求，比如功率需求大、长期在高温的环境下、矿石挤压性强等。为确保可靠、安全的生产，防止各类事故的发生，选择合适的电池和精准SOC(StateofCharge)估算至关重要。由于LiFePO4具有热稳定性好，资源普遍，无污染，体积小、重量轻并且没有结晶效应，穿刺不爆炸，高温性能好，循环寿命大于2000次等特点，作为矿用电池是最佳选择。LiFePO4锂电池是一个非线性系统，SOC的估算非常困难，目前常用的SOC估算方法有安时积分法、开路电压法、神经网络法、卡尔曼滤波法。[0003]安时积分法操作简单，但随着电荷的积累会产生累积误差，并且很依赖SOC的初始值；开路电压法需要静置电池估计电池的荷电状态，这种方法不适合工作状态下的电池；神经网络法有很强的自学习能力，但学习过程需要大量的样本数据，对于环境复杂下的矿用电池不适应；扩展卡尔曼(ExtendedKalmanFilter，EKF)忽略了二阶及以上的高阶项，估算误差增大，而且每次迭代时都要重新计算Jacobian矩阵，很大程度下增加了算法的计算复杂度；无迹卡尔曼(UnscentedKalmanFilter，UKF)把过程噪声和观测噪声定义为一个常数，然而当周围环境或者运动状态发生较大变化时，此时标准的UKF滤波的精度和稳定性都会大大降低。[0004]常用电池模型有电化学模型、神经网络模型和等效电路模型三类。电化学模型可以精确对电池建模，但是建立微分方程相当复杂，几乎没法应用到矿用电池上；神经网络模型极其依赖样本数据，在运行初期估算误差将会很大，并且算法的收敛性和鲁棒性得不到保证；等效电路模型是目前使用最广泛的电池模型，其估算精度和稳定性在三类模型中效果都较好。等效电路模型包含很多种模型结构，简单的模型结构会缩短开发，降低开发成本，但精度要求也往往较低，而复杂的模型会提高算法精度，模型参数辨识的难度也会相应地增大。发明内容[0005]针对相关技术中的问题，本发明提出一种基于ASR‑UKF的矿用锂电池SOC估算方法，在Simulink仿真软件中完成对容量和电压的建模，仿真结果与实验数据进行比较，表明动态系统二阶PNGV模型下的ASR‑UKF算法能够有效的提高SOC估算的精准度和实时性。[0006]为实现上述发明目的，