【技術實現步驟摘要】
本專利技術屬于船用電池管理控制，具體涉及一種基于強跟蹤自適應無跡卡爾曼濾波的電池荷電狀態估計方法。
技術介紹
1、電池荷電狀態(state?of?charge，soc)估計是電池管理系統的一項重要功能，準確估計電池soc決定柴電混合動力系統的可靠性和安全性，對于電池管理系統至關重要。雖然各種在線電池soc估計方法在有限的范圍內盡可能地提高估計精度，但很少有專利討論這些電池soc估計方法的誤差來源。準確的soc估計對混合動力船舶的安全運行和提高電池的使用壽命具有重要意義。在現有的電池soc估計方法中，無跡卡爾曼濾波(unscentedkalman?filter，ukf)算法由于其無損變換和高估計精度而被廣泛應用于soc估計，但是傳統的ukf算法在電池soc估計過程中受系統噪聲和觀測噪聲的影響很大。
2、隨著電池的老化，電池soc估計精度越來越低，縮短電池使用壽命，船舶在整個電池壽命周期內的燃油經濟性較差。在復雜航行條件下，為了充分提高電池性能，有必要在線估計電池soc。然而現有專利中很少考慮真實船舶航行過程中溫度變化、電池老化條件和航行過程對實時性和噪聲的要求，就導致在實際船舶對電池soc估計誤差偏大。針對隨著電池的老化，電池soc估計的精度將會越來越低，縮短動力電池使用壽命，船舶在電池的整個壽命周期內，燃油經濟性將會越來越差。
3、在船舶航行過程中航行工況隨時會發生改變，電池的工作狀態也會相應改變，所采集的其噪聲特性一般情況下是比較復雜的高斯白噪聲，而不是單純的高斯白噪聲，這就要求所采用電池soc的估計方
技術實現思路
1、為了解決現有技術中的技術問題，本專利技術提供了一種基于強跟蹤自適應無跡卡爾曼濾波的電池荷電狀態估計方法，包括以下步驟：
2、開始；
3、生產狀態向量sigma點集及相應權值；
4、更新狀態矩陣和協方差矩陣；
5、第二次sigma點集對應狀態矩陣；
6、更新測量矩陣；
7、更新計算；
8、若有緊急/突發情況發生，則計算強跟蹤系數，并返回更新狀態矩陣和協方差矩陣；
9、若無緊急/突發情況發生，則計算卡爾曼濾波增益系數，并更新狀態矩陣和協方差矩陣并輸出，然后判斷循環是否結束；
10、若循環結束，則整個流程結束；若循環未結束，更新噪聲矩陣，并返回生成狀態向量sigma點集及相應權值。
11、進一步的，更新狀態矩陣和協方差矩陣包括：
12、對ukf算法進行初始化時，先設置協方差矩陣p為大數值，使模型具備適應寬區域的噪聲區的能力，來模擬突發情況，采用調整ukf算法的p值來提高應對突發情況的能力。
13、進一步的，采用調整ukf算法的p值來提高應對突發情況的能力具體包括：
14、從下式中解得和pk
15、
16、
17、外界環境突然發生改變情況可當成是一個暫態過程，短時間內會對系統造成一定影響，過一段時間后系統狀態會自動恢復原來狀態；式中：強跟蹤系數γ小于或等于1時，不用加入衰落因子，采用正常的ukf算法，強跟蹤系數γ大于1時，引入變衰落因子γ0k時，協方差矩陣根據γ0k來修正；
18、
19、在式(4)中，為矩陣的跡；ptk為新息協方差，如式(5)所示；ptk是統計寬度，由m的實際新息得到；m的值可以根據實際情況預先設定，m值越大估算精度越高，相應的估算響應速度越慢，如式(6)所示：
20、
21、進一步的，更新噪聲矩陣包括：。
22、加入sage-husa自適應濾波算法，通過采用sage-husa噪聲估計器來計算未知的噪聲系統，并進行迭代循環實時更新；通過采用引入遺忘因子，根據噪聲變化對噪聲估計器進行實時調整，提高a-ukf算法對噪聲變化的跟蹤效果，消除歷史數據，避免擾動變量的影響，從而提高算法的魯棒性；自適應濾波算法通過對ukf算法中測量噪聲r以及系統噪聲q分別進行實時修正，從而達到在時變噪聲環境中使改進后的ukf算法提高對系統狀態估計準確性。
23、進一步的，自適應濾波算法實現過程如下：
24、(1)狀態方程中噪聲qk+1的平均值：
25、
26、式中：dk可表示為：
27、
28、式中：c為遺傳因子；
29、(2)狀態方程中噪聲的協方差：
30、
31、式中：ek可以表示為：
32、
33、(3)測量方程中噪聲rk+1的平均值計算公式：
34、
35、(4)測量方程中噪聲rk+1的協方差：
36、
37、當每次迭代結束時，ukf算法中的噪聲矩陣用代替從而進行下一次迭代，使a-ukf算法能夠在線更新噪聲。
38、進一步的，算法實現包括：
39、構造方程和參數確定；
40、算法初始化。
41、進一步的，構造方程和參數確定包括：
42、建立st-a-ukf算法所需的測量方程和狀態方程：
43、
44、系數α取0.02，系數β取2，而k為待定參數，其取值為3-n。
45、8、根據權利要求6所述的方法，其特征在于，算法初始化包括：
46、狀態向量為：
47、
48、協方差矩陣為：
49、
50、系統噪聲矩陣為：
51、
52、測量噪聲矩陣為：
53、r0＝[0.002],
54、與現有技術相比，本專利技術的有益效果在于：
55、本專利技術由st算法和a-ukf算法組成，該算法適用于突發情況和非高斯白噪聲環境下對電池soc進行估計；將st算法、自適應算法和ukf算法結合在一起，充分發揮各自優勢，能夠擴大電池估算范圍；在環境發生改變的情況下st-a-ukf算法可以提高跟蹤真實的電池soc值能力，具有魯棒性好、適應性強以及較好收斂性。
本文檔來自技高網...【技術保護點】
1.一種基于強跟蹤自適應無跡卡爾曼濾波的電池荷電狀態估計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，更新狀態矩陣和協方差矩陣包括：
3.根據權利要求2所述的方法，其特征在于，采用調整UKF算法的P值來提高應對突發情況的能力具體包括：
4.根據權利要求1所述的方法，其特征在于，更新噪聲矩陣包括：。
5.根據權利要求4所述的方法，其特征在于，自適應濾波算法實現過程如下：
6.根據權利要求1所述的方法，其特征在于，算法實現包括：
7.根據權利要求6所述的方法，其特征在于，構造方程和參數確定包括：
8.根據權利要求6所述的方法，其特征在于，算法初始化包括：
【技術特征摘要】
1.一種基于強跟蹤自適應無跡卡爾曼濾波的電池荷電狀態估計方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，更新狀態矩陣和協方差矩陣包括：
3.根據權利要求2所述的方法，其特征在于，采用調整ukf算法的p值來提高應對突發情況的能力具體包括：
4.根據權利要求1所述的方法，其特...
【專利技術屬性】
技術研發人員：項勇兵，肖歡，侯瑞炫，趙思源，
申請(專利權)人：廣船國際有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。