亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于自適應(yīng)無跡卡爾曼濾波的動力電池SOC估計

        2021-02-01 08:17:04孫士山張家福
        電源技術(shù) 2021年1期
        關(guān)鍵詞:無跡協(xié)方差卡爾曼濾波

        張 武,孫士山,張家福

        (西安科技大學(xué)機械工程學(xué)院,陜西 西安 710054)

        作為電力能源汽車核心部分的電池管理系統(tǒng),對鋰電池荷電狀態(tài)(state of charge,SOC)的預(yù)估具有重要作用[1]。但動力電池的SOC值大小目前還不能直接測量,只能利用端電壓、充放電電流和內(nèi)阻等參數(shù)去估計。精準的SOC估計能有效防止電池過充電或過放電,并且可以延長電池壽命,以此來降低成本,進而為整車能量管理提供依據(jù)[2]。

        目前,電池SOC估算的常用方法分為兩類:一類是直接測量進行估算,包括安時積分法[3]、開路電壓法[4]等;另一類是基于電池模型的智能估算法,常用的方法有神經(jīng)網(wǎng)絡(luò)法[5]、擴展卡爾曼濾波算法等[6]。上述方法都有自身的不足,如:安時積分法估算時常常忽略電池內(nèi)部結(jié)構(gòu)和特性及復(fù)雜的等效參數(shù);開路電壓法不僅不適用于在線實時測量,而且測量前需要較長時間靜置;神經(jīng)網(wǎng)絡(luò)法估算時,必須要大量數(shù)據(jù)樣本,也不能保障訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)的精確性;擴展卡爾曼濾波算法進行估算時,泰勒展開的高階項容易被忽略,使得估計值及量測值的誤差偏大,而這種誤差容易造成高度非線性系統(tǒng)中算法的發(fā)散。

        針對以上方法的不足,為提高SOC估算精度許多學(xué)者提出了不同的改進策略,TANTM T R等[7]在考慮溫度影響的前提下,提出了一種基于開路電壓法的安時積分法,并且對模型進行在線更新;XiongRui等[8]提出一種雙卡爾曼濾波算法,同時對電池參數(shù)及SOC在線估計,運用數(shù)據(jù)驅(qū)動實時獲得電池容量和SOC的準確估算,達到提高SOC估算準確性的目的;張利等[9]為了實現(xiàn)模型參數(shù)的自適應(yīng)辨識與逐步更新,利用了限定記憶遞推最小二乘法,而且設(shè)計PI觀測器來實現(xiàn)SOC估算;Yu Xiaowei等[10]采用遞歸最小二乘法和擴展卡爾曼濾波進行參數(shù)在線辨識和粗粒度估計,對電池進SOC進行快速追蹤,并引入粒子群算法來尋找全局最優(yōu)估算值。但以上研究均未在狀態(tài)和量測噪聲不確定分布上提出改進。

        本文針對UKF估計電池SOC時容易受到未知噪聲干擾的問題,提出基于自適應(yīng)的無跡卡爾曼濾波算法,進一步提高UKF估算SOC時的估計精度以及收斂速度。

        1 電池模型建立及參數(shù)辨識

        1.1 電池模型建立

        由于電池系統(tǒng)是非線性的,其電化學(xué)特性由一系列關(guān)系較復(fù)雜且無法直接測量的參數(shù)決定,因此須采用一些具有特殊性質(zhì)的電路元件,來建立電池的等效模型,從而模擬電池的電氣特性。本文選用三元鋰電池進行實驗,考慮到模型的準確度和計算復(fù)雜度,選用2階RC電路模型來作為鋰電池SOC估算模型,該模型結(jié)構(gòu)比較簡單,相關(guān)參數(shù)物理意義清晰,可以很好地模擬電池充放電特性,電路模型如圖1所示。

        圖1 二階RC鋰電池等效模型

        圖1中Uoc為開路電壓,V為電池端電壓,R0為電池模型等效內(nèi)阻,I為鋰電池內(nèi)部的環(huán)路電流,RS可以看作是電池極化效應(yīng)產(chǎn)生的極化內(nèi)阻,RP可以看作是電池濃差極化效應(yīng)產(chǎn)生的極化內(nèi)阻,其中第一個RC網(wǎng)絡(luò)描述的是電極間傳輸?shù)淖杩?,第二個RC網(wǎng)絡(luò)表示的是鋰離子在電極材料中擴散時的阻抗,US表示RS、CS兩端的電壓,UP表示RP、CP兩端的電壓。由基爾霍夫定律可知:

        根據(jù)式(1)~(3)并結(jié)合圖1二階RC等效電路模型,可以建立連續(xù)系統(tǒng)的電池模型方程:

        式中:Δt為采樣周期;tS=RSCS,tP=RPCP分別用來表示模型中兩個RC電路的時間響應(yīng)常數(shù)。

        1.2 模型參數(shù)辨識

        二階RC等效電路模型不能通過簡單測量獲得各電子元件參數(shù),但可以用一些方法來表示模型參數(shù)。為了給SOC估計提供準確的初始值,可以用混合脈沖功率特性(hybrid pulse power characterization,HPPC)充放電實驗進行參數(shù)辨識。本實驗所用電池為宏森能源公司生產(chǎn)的三元鋰電池模型,其額定容量為10 Ah,工作電壓為2.75~4.25 V。實驗基本過程:(1)首先將按要求充滿電的電池靜置1 h,使其電壓穩(wěn)定;(2)單次HPPC循環(huán)實驗:以1C恒定電流將電池進行10 s脈沖放電,靜置40 s,再用1C恒定電流將電池進行脈沖充電10 s;(3)為得到所有SOC值下的模型參數(shù),執(zhí)行完步驟(2)之后,以1C恒定電流放電6 min,使SOC減小10%,放電結(jié)束后靜置30 min,接著進行下一步的HPPC循環(huán)實驗,直到SOC值降低到0。循環(huán)脈沖放電結(jié)果如圖2所示。

        根據(jù)圖2采集到的數(shù)據(jù),可以提取每次放電結(jié)束并靜置30 min后,各個SOC狀態(tài)下開路電壓的數(shù)據(jù)點,然后用MATLAB中Plotfit工具,進行數(shù)據(jù)集的指數(shù)擬合,得到開路電壓與SOC的對應(yīng)關(guān)系如圖3所示,且Uoc與SOC等效方程為:

        在圖2中取其中一次循環(huán),如圖4所示,在放電開始的瞬間,23段端電壓出現(xiàn)一個驟降,這是由于歐姆內(nèi)阻瞬間出現(xiàn)導(dǎo)致的電池瞬時電壓降,因此可以通過歐姆定律來計算歐姆內(nèi)阻R0值:

        圖2 循環(huán)脈沖特性曲線

        圖3 開路電壓與SOC的關(guān)系

        圖4 單次脈沖放電曲線

        電池在脈沖放電結(jié)束后,從點5到靜置時間點6的電壓響應(yīng)可視為電路的零輸入電壓響應(yīng),其端電壓響應(yīng)表達式為:

        根據(jù)采集到的數(shù)據(jù)點,通過電池的模型方程(4)和端電壓響應(yīng)表達式(7),并利用MATLAB中Plotfit工具對應(yīng)數(shù)據(jù)集進行指數(shù)擬合,即可獲得模型參數(shù)RS、RP、CS和CP。模型參數(shù)辨識結(jié)果為:R0為22.3 mΩ、RS為28.7 mΩ、RP為15.4 mΩ、CS為1 768 F和CP為19 843 F。

        2 動力電池SOC估算

        針對圖1的2階RC等效電路模型,選取RS兩端的電壓US、RP兩端的電壓UP和電池的荷電狀態(tài)SOC組成一個三維的狀態(tài)變量,記為X=[US,UP,SOC]T,結(jié)合式(1)~(3)經(jīng)過離散化處理可以得到動力電池SOC非線性狀態(tài)方程和量測方程:

        將第一節(jié)中辨識得到的電路模型各參數(shù)數(shù)據(jù)代入式(8)和(9),從而獲得狀態(tài)方程以及量測方程表達式。

        2.1 無跡卡爾曼濾波算法

        無跡卡爾曼濾波(unscented Kalman filter,UKF)是一種應(yīng)用采樣策略,來逼近非線性分布的一種濾波方法,無跡卡爾曼濾波算法的核心為U變換,U變換是通過計算非線性變換中變量的相關(guān)統(tǒng)計特性來進行估計的計算方法,其主要思想就是通過構(gòu)造一組Sigma點,然后采用非線性計算對各個Sigma點進行計算,從而獲得計算后的點集。

        (1)構(gòu)造Sigma點及相應(yīng)權(quán)值

        U變換的實現(xiàn)過程如下:將輸入變量x,給出相關(guān)的Sigma點采樣策略,以此來構(gòu)造Sigma點集{xi}(其中,i=1,...,2l,l表示狀態(tài)變量的維度),利用輸出量的統(tǒng)計信息確定權(quán)重,然后再對點集{xi}進行非線性變化得到點集{yi},以此來計算得到y(tǒng)的均值以及協(xié)方差Py。U變換原理如圖5所示。

        圖5 U變換原理圖

        (2)UKF算法實現(xiàn)電池SOC估計的具體過程

        (b)計算Sigma點、狀態(tài)變量預(yù)測及協(xié)方差更新:

        式中:λ為調(diào)節(jié)參數(shù),用于調(diào)節(jié)Sigma點到均值距離,λ=α2(l+β)-l;α稱為比例因子,一般是一個較小值;β為次級比例因子,通常取0;適當(dāng)調(diào)節(jié)α和β能夠提高估算精度。

        (c)觀測變量的更新:

        (d)誤差協(xié)方差與卡爾曼增益K的更新:

        (e)狀態(tài)更新以及最優(yōu)協(xié)方差矩陣:

        完成上述過程后會進入到下一步循環(huán)中,直至得到理想結(jié)果。將動力電池SOC非線性系統(tǒng)狀態(tài)方程(8)與量測方程(9),代入上述無跡卡爾曼濾波算法,隨著時間積累,算法循環(huán)次數(shù)增加,SOC估算值不斷向真實值靠近。

        2.2 自適應(yīng)調(diào)整策略

        采用UKF對狀態(tài)變量進行估算時,通常會將測量誤差和系統(tǒng)噪聲的協(xié)方差設(shè)定為某一常數(shù)值,但是,電池SOC系統(tǒng)是非線性系統(tǒng),隨著算法迭代次數(shù)增加將產(chǎn)生誤差的累積,甚至?xí)?dǎo)致發(fā)散的結(jié)果。因此,為了在非線性程度較強時能夠有效地提高SOC估算精度,降低系統(tǒng)噪聲對濾波結(jié)果的影響,提高算法濾波的穩(wěn)定性,引入自適應(yīng)協(xié)方差匹配方法。

        設(shè)系統(tǒng)k時刻變量真實值和誤差值之間的差值為,稱為新息序列,則自適應(yīng)匹配算法為:

        式中:Hk為根據(jù)開窗估計原理獲得的新息實時估算協(xié)方差函數(shù):M為開窗大小,即累計新息數(shù)量,本文中選M=3;K為增益矩陣。將自適應(yīng)匹配算法中得到的Rk和Qk分別代入到式(14)和(17)中,完成UKF算法的自適應(yīng)調(diào)整。

        3 實驗驗證與仿真結(jié)果分析

        為驗證無跡卡爾曼濾波與自適應(yīng)調(diào)整的最優(yōu)估計結(jié)果,選用宏森能源公司生產(chǎn)的三元鋰電池,技術(shù)參數(shù)同第一節(jié)所述。根據(jù)模型方程和UKF算法程序,在MATLAB中編寫實現(xiàn)電池SOC估計的UKF算法及自適應(yīng)調(diào)整算法,結(jié)合實驗所得數(shù)據(jù),對算法進行驗證及分析。

        如圖6所示,黑色曲線為SOC放電過程中的趨勢;藍色曲線為經(jīng)過UKF算法濾波后的預(yù)估曲線,紅色曲線為AUKF算法濾波后的預(yù)估曲線,可以看出在初始估算階段SOC估算波動較大,這是由于辨識參數(shù)隨著實驗工況的變化引起的,但是,隨著仿真的進行,SOC估算效果越來越好,同時還可以看出經(jīng)過自適應(yīng)調(diào)整后的算法估計鋰電池SOC的波動更小,更加接近參考曲線,無論是在收斂速度上還是在估算精度上都具有更大的優(yōu)勢,也說明通過新息序列不斷更新誤差協(xié)方差和系統(tǒng)噪聲協(xié)方差,可以增強AUKF算法在復(fù)雜工況下的抗干擾能力。

        圖6 UKF和AUKF算法估計SOC曲線

        如圖7所示,綠色曲線代表UKF算法估計相對誤差,紅色曲線代表AUKF估計相對誤差。從圖可以得到,UKF算法估算偏差明顯較大,誤差最大時可達到3.89%,而AUKF算法估算效果較好,估算精準度能夠保持在2.13%以內(nèi),并且隨著時間推移,AUKF算法估算誤差可以穩(wěn)定在-0.01~0.01之間,整體上驗證了AUKF算法的精確性及對濾波發(fā)散的抑制作用。

        圖7 UKF和AUKF算法估計SOC誤差曲線

        4 結(jié)論

        本文針對在未知的噪聲統(tǒng)計特性條件下,傳統(tǒng)無跡卡爾曼濾波算法在估算動力電池SOC時,估算精度較低的問題,在二階RC等效電路模型的基礎(chǔ)上,提出自適應(yīng)無跡卡爾曼濾波算法,分析研究了在未知干擾噪聲下兩種濾波法的SOC估計及其與參考值之間的誤差分析。實驗結(jié)果表明,經(jīng)過自適應(yīng)調(diào)整后的無跡卡爾曼濾波算法,可以更加精確地估算動力電池的SOC,并且將最大誤差控制在2.13%以內(nèi),基本滿足電動汽車使用要求。

        猜你喜歡
        無跡協(xié)方差卡爾曼濾波
        小小宋慈大智慧·無形無跡的證據(jù)
        無跡卡爾曼濾波在電線積冰觀測數(shù)據(jù)處理中的應(yīng)用
        基于無跡卡爾曼濾波的行波波頭辨識
        基于遞推更新卡爾曼濾波的磁偶極子目標跟蹤
        應(yīng)用RB無跡卡爾曼濾波組合導(dǎo)航提高GPS重獲信號后的導(dǎo)航精度
        不確定系統(tǒng)改進的魯棒協(xié)方差交叉融合穩(wěn)態(tài)Kalman預(yù)報器
        基于模糊卡爾曼濾波算法的動力電池SOC估計
        一種基于廣義協(xié)方差矩陣的欠定盲辨識方法
        基于擴展卡爾曼濾波的PMSM無位置傳感器控制
        基于自適應(yīng)卡爾曼濾波的新船舶試航系統(tǒng)
        精品91精品91精品国产片| 无遮挡1000部拍拍拍免费| 人妻色综合网站| 国产成人综合久久精品免费| 欧美v日韩v亚洲综合国产高清| 日韩av无卡无码午夜观看| 在线不卡精品免费视频| 中文字幕人乱码中文字幕| 无码不卡av东京热毛片| 午夜高清福利| 亚洲国产成人精品一区刚刚| 被灌醉的日本人妻中文字幕| 乱码av麻豆丝袜熟女系列 | 美女裸体无遮挡黄污网站| 男女啪啪啪的高清视频| 日本强伦姧人妻一区二区| 中文字幕无码毛片免费看| 欧美成a人片在线观看久| av无码一区二区三| 亚洲激情一区二区三区视频| 内射白浆一区二区在线观看| 香蕉人人超人人超碰超国产| 国产女精品| 亚洲av性色精品国产| 激情综合五月开心婷婷| 伊人久久大香线蕉av一区| 日日摸夜夜添夜夜添一区二区| 日本岛国大片不卡人妻| 一级黄色一区二区三区| 亚州性无码不卡免费视频| 中文字幕亚洲乱码熟女一区二区| 国产三级精品美女三级| av天堂亚洲另类色图在线播放 | 国产在线视频一区二区三| 中国杭州少妇xxxx做受| 色猫咪免费人成网站在线观看| 国产美女一级做a爱视频| 91成人自拍视频网站| 日本一区二区三区视频国产| 黑人巨茎大战欧美白妇| 欧美深夜福利视频|