基于BASOA-IEKF融合算法的电池SOC估计.pdf
《基于BASOA-IEKF融合算法的电池SOC估计.pdf》由会员分享,可在线阅读,更多相关《基于BASOA-IEKF融合算法的电池SOC估计.pdf(7页珍藏版)》请在咨信网上搜索。
1、江苏大學学报(自然科学版)JOURNAL OF JIANGSU UNIVERSITY(Natural Science Edition)D0I:10.3969/j.issn.1671 7775.2023.06.003基于 BASOA-IEKF2023年11月第44卷第6 期Nov.2023Vol.44No.6开放科学(资源服务)标识码(OSID):!融合算法的电池SOC估计叶丽华,何洲,施烨,陈耀阳,程?星,施爱平1(1.江苏大学汽车与交通工程学院,江苏镇江2 12 0 13;2.克兰菲尔德大学水能源与环境学院,克兰菲尔德MK430AL)摘要:标准扩展卡尔曼滤波是常用的电池荷电状态(state
2、ofcharge,SOC)估计算法,针对其系统线性化误差和噪声矩阵依赖问题会导致电池SOC估计的准确性下降的情况,提出了一种基于边界自适应人群搜索(boundary adaptive seeker optimization algorithm,BA SO A)迭代扩展卡尔曼滤波(iteratedextendedKalmanfilter,IEKF)的融合滤波算法,通过状态估计值多次选代和系统噪声矩阵智能寻优来提升SOC估计效果.结果表明:在静态工况下BASOA-IEKF算法的SOC最大估算绝对误差为3.74%,混合功率脉冲特性(hybridpulsepowercharacterization,H
3、 PPC)工况下SOC估算绝对误差小于3.0 0%,城市道路循环(urbandynamometerdriving schedule,U D D S)工况下估算绝对误差小于2.50%,相较于单一IEKF算法,BASOA-IEKF算法的SOC估计精度更高,SOC误差曲线在收敛后波动更小,表现更稳定,全局鲁棒性更优,关键词:电池;SOC;扩展卡尔曼滤波;噪声矩阵依赖;BASOA-IEKF中图分类号:U473.4;T M 9 12引文格式:叶丽华,何洲,施烨播,等:基于BASOA-IEKF融合算法的电池SOC估计J.江苏大学学报(自然科学版),2 0 2 3,44(6):638 643,650.Bat
4、tery SOC estimation based on BASOA-IEKF fusion algorithmYE Lihua,HE Zhou,SHI Yefan,CHEN Yaoyang,CHENG Xing,SHI Aiping(1.School of Automotive and Trffic Engineering,Jiangsu University,Zhenjiang,Jiangsu 22013,China;2.School of Water Energy andEnvironment,Cranfield University,Cranfield,MK43 OAL,UK)Abst
5、ract:Standard extended Kalman filter(EKF)is currently and commonly used algorithm forestimating the state of charge(SOC)of batteries.However,the accuracy of battery SOC estimation iscompromised due to the linearization errors and the dependence on noise matrices in the system.Toaddress the issue,a f
6、usion filtering algorithm based on boundary adaptive seeker optimization algorithmand iterated extended Kalman filter(BASOA-IEKF)was proposed to improve the SOC estimationaccuracy by iteratively updating the state estimates and intelligently optimizing the system noise matrix.The static and dynamic
7、simulation results show that under static conditions,the maximum estimation errorof SOC is 3.74%.Under hybrid pulse power characterization(HPPC)conditions,the estimation error isless than 3.00%,while under urban dynamometer driving schedule(UDDS)conditions,it is less than2.50%.Compared to the single
8、 IEKF algorithm,the BASOA-IEKF algorithm achieves higher accuracyin SOC estimation with smaller fluctuations in the SOC error curve after convergence and demonstratesbetter stability and global robustness.Key words:battery;SOC;extended Kalman filter;noise matrix dependence;BASOA-IEKF收稿日期:2 0 2 3-0 4
9、-13基金项目:国家重点研发计划项目(2 0 19 YFD1002500);安徽省电动拖拉机项目(HX20210387)作者简介:叶丽华(19 7 4一),女,江苏靖江人,副教授(),主要从事新能源汽车电池管理系统的研究.何洲(19 9 9),男,河南信阳人,硕士研究生(12 57 8 7 2 7 57 ),主要从事锂电池荷电状态估算的研究.文献标志码:A文章编号:16 7 1-7 7 7 5(2 0 2 3)0 6-0 6 38-0 6639第6 期叶丽华等:基于BASOA-IEKF融合算法的电池SOC估计在扩展卡尔曼滤波(extendedKalman filter,EKF)算法模型精度可靠
10、的前提下,电池荷电状态(s t a t e o f c h a r g e,SO C)估计误差主要来源于2 方面:E K F在系统线性化过程中会产生线性化误差,尤其是当系统非线性比较严重时,EKF估计结果会出现很大偏差2-3;EKF系统噪声协方差和观测噪声协方差通常由计算机随机确定或者人为确定,并没有对噪声矩阵进行优化,这会导致状态估计结果出现较大偏差4-6 .对于线性化误差,目前常用的改进方法有无迹卡尔曼滤波(unscentedKalman filter,UKF)和粒子滤波(particlefilter,PF)等非线性状态估计器,但是其计算成本高.迭代扩展卡尔曼滤波(iterated ext
11、endedKalmanfilter,IEKF)是EKF的高阶扩展,该算法对量测方程进行多次一阶泰勒展开,在有效降低EKF线性化误差的同时能够避免高阶泰勒展开带来的较高计算负荷。目前对于EKF噪声矩阵多采用智能寻优算法对其进行最优解搜索.人群搜索优化算法(seekeroptimizationalgorithm,SO A)是一种新型人类行为模拟寻优算法7-8 ,但是标准 SOA算法也存在搜索解边界聚集问题,当某种群个体超出设定的搜索边界后,该个体会被强制赋予边界值,以确保算法的正常运行,但是如果初始设置的解空间范围过小可能会导致种群个体聚集于搜索边界,最终不能得到全局最优解,而解空间范围过大又会浪
12、费计算成本,导致寻优时间增加.基于以上分析,笔者根据反向学习原理对标准SOA算法的边界条件进行自适应改进,提出一种基于边界自适应人群搜索算法(boundaryadaptiveseeker optimization algorithm,BA SO A)结合IEKF的SOC估计方法,该方法首先利用BASOA算法对IEKF的噪声矩阵进行寻优处理,然后采用优化后的IEKF算法进行SOC估计,从而提升SOC估计精度.1电池模型1.1等效电路模型建模在二阶RC等效电路模型的基础上考虑了电池的电压滞回特性,利用电流控制电压源(current con-trolled voltage source,CCVS)来
13、描述电池的开路电压.标准二阶RC等效电路模型的电压源仅描述了充电或放电状态下的一组开路电压与 SOC关系曲线,这会导致电池状态发生变化时(充电或放电)模型输出电压出现偏差,因此,提出了一种改进电压源的二阶RC等效电路模型,如图1所示,其中:IL为电流;Uocv为开路电压;R为欧姆内阻;Ri、R,分别为极化内阻;Ci、C z 分别为极化电容;U.为Ro上的电压;U,为R,Ci并联网络电压;U,为R,C2并联网络电压;Ui为模型输出电压.UUoRRoCUocviO图1改进二阶RC等效电路模型电池模型的最终目标是根据输人的电流值准确模拟电池端输出电压,根据基尔霍夫电流电压定律得出该电池模型中各电子元
14、器件的电压微分方程以及端电压表达式如下:dU,UdtCR.CdU2UdtR.C2U。=I,Ro,LU/=Uocv-U。-U,-U 2.根据基尔霍夫电流定律可得到电池模型中对应元器件的电流电压微分方程,其离散状态空间表达式如下:0Uo.k0Ui1+R,C,00RoR1+R,C1/L,k-1,R2L1+R,C2Ur,h=Uocv,h-Uo,-Ui,-U2,k:1.2HPPC混合动力脉冲特性测试混合动力脉冲特性测试(hybrid pulse powercharacteristic,HPPC)最早由美国新一代汽车合作计划(partnership for new generation of vehicl
15、es,PNGV)于2 0 0 1年在其测试手册中提出,2 0 0 3年美国Free-domCAR电化学储能小组编写了FreedomCAR电池实验手册,其中收录并详细介绍了HPPC 测试的U2R2C200R,C0R,C21+R,C2.UT-1十U2.(2)(3)(1)640江苏大学学报(自然科学版)第44卷方法流程及测试目的9 .本研究通过充、放电HPPC测试获得电池在充、放电2 种状态下的脉冲特性数据,并根据该试验数据进行后续的电池模型参数辨识.以放电测试为例,HPPC测试流程如下:恒温箱内2 5静置30 min,1.0 0 C 恒流充电至截止电4.5斤4.0K3.5F63.02.52.0L0
16、4.54.0K3.53.02.52.0L0从图2 a、c 可以看出:电池在全SOC区间内的脉冲性能良好,在高倍率(2.0 0 C)脉冲放电状态下,当 SOC接近O时,由于电池内阻的增大导致其放电压降明显增大,如果此刻持续放电电流过大则会导致锂离子电池工作电压击穿放电截止电压,造成电池过放电,降低电池使用寿命.因此,当三元锂离子电池在使用过程中运行至较低 SOC区间时,应尽量避免大电流持续放电,确保电池安全可靠运行.2参数辨识及电池试验2.1电池内阻参数辨识以HPPC 脉冲特性试验数据为参数辨识依据,采用自适应遗传算法10 进行内阻参数识别,该算法通过搜索待估计值并将其代入适应度函数,通过迭代计
17、算来寻找最适合于模型的参数.电池模型内阻参数辨识结果为R。=0.0 413Q;R,=0.0 0 2 1Q;R2=0.002 5 2;C=15 300 F;C,=112 400 F.2.2多倍率放电测试及电池容量标定在温度为2 5环境下,针对额定容量为3.5Ah的三洋NCR18650GA三元锂离子电池进行多倍率放电试验,通过库伦计数法得到8 组放电容量数据,进行线性插值拟合即可得到0.33 2.0 0 C的压4.2 V,4.2V恒压充电至截止电流倍率0.0 5C,搁置2 h1.0 0 恒流放电0.0 5搁置2 h;2.10 C 脉冲放电10 s,搁置40 s;2.8 0 C 脉冲充电10 s,搁
18、置40 s;返回步骤,循环次数2 0次时,退出程序HPPC测试曲线如图2 所示.128V/审4-4-848时间/10 s)(a)HPPC放电电压曲线14时间/(10 s)(c)HPPC充电电压曲线128121616图2 HPPC测试曲线动态容量变化曲线.电池的多组倍率放电电压曲线如图3所示.试验电池的动态容量曲线如图4所示.4.2斤3.93.63.02.72.4L0图3电池的多组倍率放电电压曲线3.343.323.303.283.263.243.220.2图4电池的动态容量变化曲线2.3Uocv-SOC 曲线辨识在温度为2 5,1.0 0 C倍率下分别进行了充电和放电HPPC特性试验,通过提取
19、搁置段的电压01280V/必审40-4-804时间/(10*s)(b)HPPC放电电流曲线48时间/(10 s)(d)HPPC充电电流曲线24时间/(10 s)0.61.0放电倍率/C812120.33 C1.20 C0.50C1.50c0.80C1.80c1.00C2.00C681.41.8161610122.2641第6 期叶丽华等:基于BASOA-IEKF融合算法的电池SOC估计值获得2 组离散 Uocv-SOC 对应点,并对其进行多组高阶多项式拟合.采用MATLAB拟合结果显示,放电状态Uocv-SOC的9 阶多项式拟合曲线均方根误差(RMSE)值最低,而充电状态Uocv-SOC的6
20、阶多项式RMSE值最低,此时Uocv-SOC曲线的拟合效果也最好.充、放电状态下的Uocv-SOC拟合曲线如图5所示,由于锂离子电池电压的滞回特性,其充电电压不同于放电电压,当电流I为负时,表示电池正在放电,此时Uocv=Upocv,U p o c v 为放电状态下电池开路电压;当I为正时,表明电池正在充电,此时Uocv=Ucocv,U c o c v 为充电状态下电池开路电压.4.2一充电一放电4.03.83.6F3.43.23.00图5充、放电Uocv-SOC曲线2.4模型电压验证将辨识得到的模型参数代人对应的模型状态方程中,以MATLAB脚本程序作为模型实现载体,然后以城市道路循环(ur
21、ban dynamometer drivingschedule,UDDS)工况下的试验电流数据为激励,对比分析对应的模型输出电压与试验真实电压的契合程度,如图6 所示,模型输出电压平均误差为0.0115V,具有较高精度.4.4之3.6出3.22.82.40(a)改进二阶RC模型UDDS工况电压曲线0.160.120.040(b)改进二阶RC模型UDDS电压误差曲线图6 UDDS工况模型输出电压精度验证曲线3BASOA-IEKF融合算法SOC估计3.1IEKF算法原理IEKF算法是标准EKF算法的高阶扩展,其本质是将EKF的先验估计值视为状态新息,并将其代人状态估计步骤进行多次迭代来逼近真实值,
22、IEKF算法递推估计流程如图7 所示,其中N为仿真数据总量。初始化滤波器循环k-1,2,N,更新先验误差协方差矩阵和先验估计值初始化选代扩展卡尔曼滤波循环q-0,1,2,N,完成选代的后验估计以2040荷电状态/%一试验一仿真24时间/(10 s)24时间/(10 s)606680881001010及后验估计协方差图7 IEKF算法递推估计流程图3.21BASOA算法寻优原理3.2.1标准SOA算法标准SOA算法在噪声寻优搜索过程中利用搜索值的适应度值来判断个体对系统的适应性,并根据其进行下一步个体位置的更新.在噪声优化中SOA算法所要搜寻的个体即为IEKF算法中状态变量所对应的过程噪声协方差
23、和量测噪声协方差.在进行噪声寻优之前需要先定义待搜寻个体的范围、种群规模以及迭代次数,然后产生初始种群,并依据适应度函数来评价种群个体的适应性.在仿真计算过程中适应度函数由SOC估计的均方根误差来表示,即VRMSE=式中:SOCR,为真实的SOC;SOCe,为IEKF算法估计的 SOC.得到初始种群并依据适应度函数找出当前个体最优值和全局最优值后,需要对初始种群的位置进行改变以得到新的种群.首先要确定SOA算法搜索步长,高斯隶属度为ua(x)=exp-(x-u)/28,式中:x为输入值,即个体的适应度值;u和为隶属参数值.设定umin=0.0111.搜索步长计算公式为(5)642江苏大学学报(
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 BASOA IEKF 融合 算法 电池 SOC 估计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。