一种对锂离子电池的荷电状态进行滤波估计的方法及系统

1.一种对锂离子电池的荷电状态进行滤波估计的方法，其特征在于，所述方法包括：根据预设时间阈值采集锂离子电池表面的参数数据，并建立所述锂离子电池的等效电路模型；其中，所述参数数据包括：端电压、充放电电流和温度；根据所述等效电路模型获取锂离子电池的数学模型，利用偏差补偿递推最小二乘法获取所述等效电路模型的参数，并通过实验获取锂离子电池的开路电压；根据锂离子电池噪声环境下的模型和所述数学模型，获取锂离子电池的状态空间模型；利用卡尔曼滤波器递推算法对所述状态空间模型对应的锂离子电池的荷电状态进行估计，获取第一荷电状态估计值以及卡尔曼滤波的精度值；利用H ∞ 滤波器递推算法对所述状态空间模型对应的锂离子电池的荷电状态进行估计，获取第二荷电状态估计值；根据所述卡尔曼滤波的精度值分别计算所述第一荷电状态估计值和第二荷电状态估计值的权重，并根据所述第一荷电状态估计值及其所占的权重和第二荷电状态估计值及其所占的权重计算锂离子电池的荷电状态估计值；具体包括：其中，d k+1 第一荷电状态估计值的权重； 为卡尔曼滤波的精度值；J 2 为精度判断阈值的最小值，J ∞ 为精度判断阈值的最大值，a和b为加权系数； 为当前时刻锂离子电池的荷电状态估计值； 为第一荷电状态估计值； 为第二荷电状态估计值。 2.根据权利要求1所述的方法，其特征在于，所述等效电路模型为：其中，Uoc为电池的开路电压，代表电池处于电化学平衡时的端电压值；Ut为电池的端电压，代表电池在任意充放电时刻的电池正负极间的值；Up为极化电压，R0为欧姆内阻，Rp为极化内阻，Cp为极化电容。 3.根据权利要求1所述的方法，其特征在于，所述锂离子电池的数学模型为：z(k)＝U rc (k),h(k)＝[-U rc (k-1) I(k) I(k-1)], 其中，Urc为开路电压和端电压之差；z(k)为观测矩阵，为电池在k时刻的电池内部压降；h(k)为数据矩阵，为参数辨识时的数据信息输入矩阵； 为辨识系数；a 1 ，b 1 ，b 2 ，为辨识系数对应的元素值。 4.根据权利要求1所述的方法，其特征在于，所述状态空间模型为：g(X)＝U oc (S)-U p ，X＝[S U p ] T ，其中，X为状态变量，u为模型的输入，选定u＝I；S为电池的荷电状态估计值；Y为模型的观测变量，选定Y＝Ut；Ts为参数测量周期，τ p 为阻容网络的时间常数，Kc为锂离子电池的充放电系数；R 0 为欧姆内阻；Rp为极化内阻；Uoc为电池的开路电压，代表电池处于电化学平衡时的端电压值；Up为极化电压。 5.根据权利要求1所述的方法，其特征在于，所述利用卡尔曼滤波器递推算法对所述状态空间模型对应的锂离子电池的荷电状态进行估计，获取第一荷电状态估计值以及卡尔曼滤波的精度值，包括：卡尔曼滤波估计的系统参数初始化设置，其中所述系统参数包括：系统状态变量、系统的误差协方差、系统噪声的均值、系统噪声的协方差、参量噪声的均值和参量噪声的协方差；对系统参数的数值进行更新，并根据前一时刻的荷电状态估计值利用卡尔曼滤波器递推算法对锂离子电池当前时刻的荷电状态进行估计，获取第一荷电状态估计值；计算卡尔曼滤波增益，获取并更新估计后的系统参数的数值，用于对下一时刻的锂离子电池的荷电状态进行估计。 6.根据权利要求1所述的方法，其特征在于，所述利用H ∞ 滤波器递推算法对所述状态空间模型对应的锂离子电池的荷电状态进行估计，获取第二荷电状态估计值，包括：H ∞ 滤波的系统参数初始化设置，其中所述系统参数包括：系统状态变量、系统的误差协方差、状态量矩阵和协方差矩阵；根据系统参数的辨识结果，利用H ∞ 滤波器递推算法对锂离子电池当前时刻的荷电状态进行估计，获取第二荷电状态估计值；计算并更新当前的系统参数的数值，用于对下一时刻的锂离子电池的荷电状态进行估计。 7.一种对锂离子电池的荷电状态进行滤波估计的系统，其特征在于，所述系统包括：等效电路模型建立单元、数学模型建立单元、状态空间模型建立单元、第一荷电状态估计值计算单元、第二荷电状态估计值计算单元和荷电状态估计值确定单元，所述等效电路模型建立单元，用于根据预设时间阈值采集锂离子电池表面的参数数据，并建立所述锂离子电池的等效电路模型；其中，所述参数数据包括：端电压、充放电电流和温度；所述数学模型建立单元，用于根据所述等效电路模型获取锂离子电池的数学模型，利用偏差补偿递推最小二乘法获取所述等效电路模型的参数，并通过实验获取锂离子电池的开路电压；所述状态空间模型建立单元，用于根据锂离子电池噪声环境下的模型和所述数学模型，获取锂离子电池的状态空间模型；所述第一荷电状态估计值计算单元，用于利用卡尔曼滤波器递推算法对所述状态空间模型对应的锂离子电池的荷电状态进行估计，获取第一荷电状态估计值以及卡尔曼滤波的精度值；所述第二荷电状态估计值计算单元，用于利用H ∞ 滤波器递推算法对所述状态空间模型对应的锂离子电池的荷电状态进行估计，获取第二荷电状态估计值；所述荷电状态估计值确定单元，用于根据所述卡尔曼滤波的精度值分别计算所述第一荷电状态估计值和第二荷电状态估计值的权重，并根据所述第一荷电状态估计值及其所占的权重和第二荷电状态估计值及其所占的权重计算锂离子电池的荷电状态估计值；具体包括：其中，d k+1 第一荷电状态估计值的权重； 为卡尔曼滤波的精度值；J 2 为精度判断阈值的最小值，J ∞ 为精度判断阈值的最大值，a和b为加权系数； 为当前时刻锂离子电池的荷电状态估计值； 为第一荷电状态估计值； 为第二荷电状态估计值。 8.根据权利要求7所述的系统，其特征在于，所述等效电路模型为：其中，Uoc为电池的开路电压，代表电池处于电化学平衡时的端电压值；Ut为电池的端电压，代表电池在任意充放电时刻的电池正负极间的值；Up为极化电压，R0为欧姆内阻，Rp为极化内阻，Cp为极化电容。 9.根据权利要求7所述的系统，其特征在于，所述锂离子电池的数学模型为：z(k)＝U rc (k),h(k)＝[-U rc (k-1) I(k) I(k-1)], 其中，Urc为开路电压和端电压之差；z(k)为观测矩阵，为电池在k时刻的电池内部压降；h(k)为数据矩阵，为参数辨识时的数据信息输入矩阵； 为辨识系数；a 1 ，b 1 ，b 2 ，为辨识系数对应的元素值。 10.根据权利要求7所述的系统，其特征在于，所述状态空间模型为：g(X)＝U oc (S)-U p ，X＝[S U p ] T ，其中，X为状态变量，u为模型的输入，选定u＝I；S为电池的荷电状态估计值；Y为模型的观测变量，选定Y＝Ut；Ts为参数测量周期，τ p 为阻容网络的时间常数，Kc为锂离子电池的充放电系数；R 0 为欧姆内阻；Rp为极化内阻；Uoc为电池的开路电压，代表电池处于电化学平衡时的端电压值；Up为极化电压。 11.根据权利要求7所述的系统，其特征在于，所述第一荷电状态估计值计算单元，具体用于：卡尔曼滤波估计的系统参数初始化设置，其中所述系统参数包括：系统状态变量、系统的误差协方差、系统噪声的均值、系统噪声的协方差、参量噪声的均值和参量噪声的协方差；对系统参数的数值进行更新，并根据前一时刻的荷电状态估计值利用卡尔曼滤波器递推算法对锂离子电池当前时刻的荷电状态进行估计，获取第一荷电状态估计值；计算卡尔曼滤波增益，获取并更新估计后的系统参数的数值，用于对下一时刻的锂离子电池的荷电状态进行估计。 12.根据权利要求7所述的系统，其特征在于，所述第二荷电状态估计值计算单元，具体用于：H ∞ 滤波的系统参数初始化设置，其中所述系统参数包括：系统状态变量、系统的误差协方差、状态量矩阵和协方差矩阵；根据系统参数的辨识结果，利用H ∞ 滤波器递推算法对锂离子电池当前时刻的荷电状态进行估计，获取第二荷电状态估计值；计算并更新当前的系统参数的数值，用于对下一时刻的锂离子电池的荷电状态进行估计。