APP下载

动力电池SOC估算方法的研究

2018-06-08李曙生

泰州职业技术学院学报 2018年2期
关键词:状态变量积分法方差

徐 群,李曙生

(1.江苏春兰清洁能源研究院有限公司 企业技术中心;2.泰州职业技术学院 机电技术学院,江苏 泰州 225300)

电池是电动汽车的能量来源,为了提高锂离子电池组的安全性和使用寿命,需要对电池组进行有效的控制和管理。但前提是必须准确可靠地获得电池现存的容量状态参数。用测得的电池参数对现存电池容量状态作出准确、可靠的估计,一直是电动汽车和电池研究人员关注并投入大量精力的研究课题。

目前,国内外较为普遍地采用电池荷电状态(SOC)来描述电池容量状态,并出现了多种估计SOC值的方法。到目前为止,电池的可测参数电流、电压、温度、电阻等都被用来估计或修正SOC。由于这些电池参数与SOC之间的关系复杂而又非线性,所以用传统数学方法建立模型比较困难且其可靠性低。模糊逻辑方法估计SOC,在一定程度上解决了传统数学方法的困难,但是要获得准确性高和可靠性强,并具有自适应能力的模糊逻辑SOC判断系统,需要大量试验数据来支持,目前也是非常艰难的工作。况且,不同类型的电池或同类型不同型号的电池通过实验得到的数据并非都通用,因此,建立比较简单,并具有一定的准确性和可靠性的SOC判断模型具有重要的现实意义。

1 基于UKF混合算法的SOC估算

1.1 SOC的算法现状和适用性分析

目前SOC主流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。安时积分法是以电流对时间积分并乘以一个系数来计算出从蓄电池输出或者输入蓄电池的能量,虽然简单易行可是单独使用随着时间延长误差累计很大。开路电压法在充电初期和末期效果较好,显著缺点是需要电池长时静置,消除极化电势的影响以达到电压稳定,另外在实际工况状态下受到行车干扰而不准确。神经网络法太难,尽管具有并行结构和学习能力,对于外部激励能给出相应的输出,所以能够模拟电池动态特性估计SOC和适用于各种电池,缺点是需要大量的参考数据,而且输入变量的选择是否合适,变量数量是否恰当,直接影响模型的准确性和计算量。卡尔曼滤波法研究非常多,优点是对初始误差有很强的修正作用,缺点是需要较强的数据处理能力,准确度由电池模型决定[1-5]。

1.2 UKF混合算法

UKF算法的核心和基础是无味变换(Unscented Transformation,UT),将UT变换与卡尔曼滤波算法结合便成了UKF,UKF算法估算SOC的步骤如下:

(1)初始化:k=0;

根据开路电压法先确定初始SOC值为SOC0,估计方差为P0,现假定处理噪声wk的方差为Rw,观测噪声vk的方差为Rv。

(2)状态扩展:考虑到需要对噪声影响进行估计,将状态变量以及估计方差进行扩维,得到扩维后的状态变量xk和协方差为:

(3)计算采样点:

经过加权系数和UT变换形成新的Sigma点集:

式中,α是一个正值的尺度参数,可以通过让α取足够小的一个正值来降低三阶以上误差。特别地,为进一步控制均值和方差估计时的四阶误差,将β引入估算式,当状态变量为高斯分布时,取β=2可使四阶误差达到最小。L是扩展状态变量xk的维度。k通常设置为0或3-n,n为系统的阶次。本文中取α=0.1,β=2,k=0。

(4)状态更新:将Sigma点向后传播。

采样点更新:

状态估计:

状态估计的协方差:

(5)测量更新:计算输出的预测值及其方差。

根据1956—1997年共42年系列资料统计分析,多年平均入洪泽湖泵站装机利用小时数为4 500 h,入湖平均流量为232 m3/s;出洪泽湖泵站装机利用小时为5 400 h,出湖平均流量为213 m3/s。

计算测量更新:

计算测量估计:

计算测量估计的方差以及与状态变量的协方差:

(6)根据实际测量得到的电池两端电压修正估计值:

计算卡尔曼增益:

修正状态估计:

修正状态协方差:

将采集的电流、电压、温度等数据代入所建立的非线性化电池模型中,并依据UKF算法迭代步骤公式计算电池SOC,图1为分别采用UKF算法和安时积分法对电池SOC进行估算的结果。图中虚线1为依据电池测试柜记录的不同时刻电池的放电容量得出的SOC理论参考值。

图1 电池SOC估算结果

从图2中可以看出,UKF算法可以根据反馈信息很快的对误差进行修正,而安时积分法则没有反馈修正的环节,导致误差不能消除而且会随着积分作用而累加,最终使估算得到的SOC与实际SOC值存在较大的误差。图3中分别显示了UKF算法与安时积分法在处理这种误差时的效果对比图。

从图3中可以看出,在估算开始时开路电压法估算SOC得到的误差在3%左右,随着放电的进行,UKF算法可以实时根据采集的反馈电压对误差进行修正,将最大误差控制在5%以内且算法考虑了过程噪声和测量噪声的影响,具有良好的抗噪声干扰能力;而安时积分法则随着工况的进行,误差不断的积累,到放电末期,误差达到9%左右。

图2 UKF与安时法估算SOC效果

图3 UKF与安时法估算SOC的误差

2 结论

(1)采用UKF算法可以根据反馈信息很快地对误差进行修正,且算法考虑了过程噪声和测量噪声的影响,具有良好的抗噪声干扰能力,估算的SOC结果与参考值相近;而安时积分法估算得到的SOC值与SOC参考值的误差越来越大。

(2)对于UKF算法中出现估算结果波动是由于对电池模型参数采用离线估计,虽然对模型参数进行了修正方式,但仍然存在一定的误差特别是电池处于平台期时波动更为明显。

[1] 欧阳剑.电动汽车用锂离子动力电池SOC估算和SOF评估的研究[D].广东:华南理工大学,2016.

[2] 黄文华,韩晓东,陈全世,等.电动汽车SOC估计算法与电池管理系统的研究[J].汽车工程,2007,29(3):198-202.

[3] 李春燕.SOC估算方法研究及其在新能源汽车电池管理系统中应用[D].合肥:合肥工业大学,2012.

[4] 刘瑞浩,孙玉坤,陈坤华.电动汽车SOC利用BP神经网络模型预测方法研究[J].电测与仪表,2011,48(3):34-37.

[5] 潘振国.基于DSP的混合动力汽车蓄电池管理系统[D].成都:西南交通大学,2008.

猜你喜欢

状态变量积分法方差
概率与统计(2)——离散型随机变量的期望与方差
一类三阶混沌系统的反馈控制实验设计
基于嵌套思路的饱和孔隙-裂隙介质本构理论
基于路径关键状态变量的测试用例约简
方差越小越好?
计算方差用哪个公式
浅谈不定积分的直接积分法
方差生活秀
巧用第一类换元法求解不定积分
分部积分法在少数民族预科理工类高等数学教学中的探索