CN114966407B 一种锂电池多传感器信息融合荷电状态的估计方法 （燕山大学）

一种锂电池多传感器信息融合荷电状态的本发明公开了一种锂电池多传感器信息融合荷电状态的估计方法，针对传统的锂电池SOC估计方法仅使用单一传感器，若传感器出现故扩展卡尔曼滤波算法进行改进，引入自适应功进行辨识，使算法在估计锂电池SOC的过程中不据理论对多传感器的融合信息权值进行实时更两种改进结合，可大幅度提高估计算法的鲁棒2步骤S2、将所有组电压及电流传感器数据送入子滤波器，采用步骤S3、根据每个电压及电流传感器的可信度为它们2.根据权利要求1所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征QC3.根据权利要求2所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征τ3其中的偏微分项由H[SOC(k)]在SOC(k)附近进行一阶泰勒展开获得D＝RS，TS为采样周4.根据权利要求3所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征4i为子滤波器的观测噪声方差，Qg是主滤5.根据权利要求4所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征在于：所述步骤S1和步骤S2中采用带遗忘因子的最小二乘法对锂电池参数和SOC估计交替bk)为待辨识的参数变量，P(k)是系统的估计协方差阵，h(k)是系统的增益矩6.根据权利要求5所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征57.根据权利要求6所述的一种锂电池多传感器信息融合荷电状态的估计方法，其特征，2)定义目标传感器和证据传感器测量值之间的大小为d,则目标传感器和每个证据传6[0004]本发明需要解决的技术问题是提供一种锂电池多传感器信息融合荷电状态的估7[0011]本发明技术方案的进一步改进在于：所述步骤S1中锂电池二阶RC模型的表达式C8[0020]其中的偏微分项由H[SOC(k)]在SOC(k)附近进行一阶泰勒展开获得D＝RS，9[0044]本发明技术方案的进一步改进在于：所述步骤S1和步骤S2中采用FFRLS在线辨识[0050]本发明技术方案的进一步改进在于：所述步骤S3中改进D-S证据理论实时更新所有电压及电流传感器在AFEKF算法中的，[0055]2)定义目标传感器和证据传感器测量值之间的大小为d,则目标传感器和每个证个环节工作在不同的时间尺度上(先进行电池参数估计接着进行电池的SOC估计)，使得算免了设定单一目标传感器若目标传感器损坏影响估计精度的情况；(2)充分结合了电池领因此可根据每个传感器的可信度为它们分配各自的权值。如果某个传感器接连出现异常C[0085]其中的偏微分项由H[SOC(k)]在SOC(k)附近进行一阶泰勒展开获得[0110]如图3所示，显示了使用本发明的带遗忘因子的最小二乘法对锂电池参数进行在[0114]FEKF算法分配的权值βi一般由经验给出且固定，而[0117]改进D-S证据理论实时更新所有电压及电流传感器在AFEKF算法中的融合权值的与目标传感器的相对大小关系，定义新证据的基本信任分配。基于D-S理论的权值调整如[0123]2)定义目标传感器和证据传感器测量值之间的大小为d,则目标传感器和每个证DS-AFEKF算法的估计误差最小，在1.12％以内。FEKF算法的估计误差仅次于DS-AFK动(恒值减小0.12V)。当1个电压传感器发生故障时，DS-AFEKF算法的估计误差最小，在