一种串联型锂离子电池系统及其荷电状态估计方法
【技术领域】
[0001] 本发明属于智能电网中丽级电池储能系统设计与控制技术领域，涉及一种串联 型锂离子电池系统及其荷电状态估计方法。
【背景技术】
[0002] 随着风电、光伏发电等可再生能源及电网智能化的大力发展，电池系统作为电 池储能系统能量存储的主要载体，已越来越多地受到世界各国的关注和应用。同时可再 生能源规模的不断扩大及用电负荷的快速增长，也将促使电池系统向大容量化（Mff级） 方向发展，通过多个电池单体的串联可实现电池容量的扩大，即串联型锂离子电池系统 (Series-connected Battery System，SBS)。然而，由于应用环境的复杂性（如秒级波动功 率平滑、一次高频等高动态场合）及电池电量不能直接测量等因素，准确估计电池系统荷 电状态（State of Charge，S0C)不仅直接决定电池系统能否安全、可靠、高效运行，且对电 池系统优化配置、设计与控制等至关重要。
[0003] 传统的SOC估计算法主要有：安时法、阻抗法、开路电压法等，近年来相继出现了 神经网络、模糊逻辑法、支持向量机及标准卡尔曼滤波法、EKF等高级算法。安时法因其算法 简单、易行等优点，已得到广泛应用，但存在自身开环、误差时间积累等缺点，其精度受限； 开路电压法适合稳态下SOC估计，不宜于在线估计；神经网络、模糊逻辑等高级算法适宜于 恒负载、恒流充放电状态下不同类型电池 SOC估计，但存在训练数据量大、训练方法对估计 误差影响大的局限；标准卡尔曼滤波法具有鲁棒性高、抗扰动能力强等优点，适宜于线性系 统的SOC估计，然而电池系统是一种非线性时变系统，其精度仍受限；为此，针对非线性时 变的电池系统，目前常采用EKF，并取得良好的效果，然而由于EKF存在自身计算复杂、忽略 高阶项等问题，必会产生一定误差，使电池的SOC估计精度仍待进一步研究。
【发明内容】
[0004] 本发明解决的问题是在于提供一种基于无迹卡尔曼滤波（Unscented Kalman Filter，UKF)的串联型锂离子电池系统荷电状态估计方法，解决串联型锂离子电池系统性 能参数受SOC影响、扩展卡尔曼滤波法计算复杂、精度不高而导致电池系统SOC难以被准确 测量、估算的问题，达到准确估计串联型锂离子电池系统SOC的目的。
[0005] 本发明目的是通过以下技术方案来实现：
[0006] 本发明提供一种串联型锂离子电池系统，该系统由N个锂离子电池单体串联而 成，其中N均为大于1的自然数。
[0007] 本发明提供的一种基于无迹卡尔曼滤波的串联型锂离子电池系统荷电状态估计 方法如下：根据已知锂离子电池单体性能参数，利用并联电路工作特性及其充放电工作特 性确定串联型锂离子电池系统性能参数与电池单体性能参数的关系，再结合基尔霍夫定律 KVC确定电池系统输出端电压方程，建立串联型锂离子电池系统等效模型（1);将串联型锂 离子电池系统的荷电状态SOC及等效模型中2个RC并联电路的端电压作为状态变量，以电 池系统的电流及输出电压分别作为系统输入量与输出量，结合串联型锂离子电池系统等效 电路模型，得串联型锂离子电池系统空间状态方程（2);将串联型锂离子电池系统空间状 态方程（2)中的电池系统S0C、2个RC并联电路的端电压作为无迹卡尔曼滤波算法UKF的 状态变量；以串联型锂离子电池系统空间状态方程（2)的输入状态空间方程、输出电压状 态空间方程分别作为UKF算法的非线性状态方程及测量方程；通过电压传感器测量串联型 锂离子电池系统端电压（4)的实际值与UKF算法获得的电池端电压估计值来更新增益矩阵 (5)，最后由UKF算法经循环迭代，从而实时得到电池系统SOC的估计值。
[0008] 所述串联型锂离子电池系统等效电路模型（1)为二阶等效电路模型，模型主电路 由2个RC并联电路、受控电压源Usq(SOC)及电池内阻Rs等组成。建立准确的电池系统等 效电路模型关键在于如何根据电池工作特性来确定电池系统性能参数与电池单体性能参 数的关系。本发明中串联型锂离子电池系统性能参数与电池单体性能参数关系式为：
[0010] 式中，Rss、Rsl、Css、Csl分别表示电池系统模型中2个RC并联电路的电阻 和电容；下标i表示第i个电池单体；U1(]、R1分别表示电池单体的开路电压、内阻； Rls、Ru、Cls、C11分别表示电池单体模型中2个RC并联电路的电阻和电容；U lQ、民、 Rls、Ru、Cls、C11均与SOC有关，SOC的定义为：
其中，S0C。为电池单体SOC初始值，一般为0~1的常数；Q u(t)为电池单体不可 用容量，Qd为电池单体额定容量。U lQ (SOC)、Rls、R11和C ls、Cu、民的计算分别如下：
其中，a。~a 5、c。~c 2、d。~d 2、e。~e 2、f。~f 2、bQ~b 5均为模型系数，可由电池测量数据 经拟合而得。
[0011] 所述串联型锂离子电池系统空间状态方程（2)的建立如下：a、以电池系统的荷电 状态SOCs及等效模型中2个RC并联电路的端电压作为状态变量，以电池系统的电流I 3为 系统输入量，根据等效电路模型建立电池系统空间状态方程为
[0012]
[0013] 式中，Uss、Usl为2个RC并联电路端电压，R ss、Rsl为2个RC并联电路的电阻，Q 电池系统额定电量，τρ τ2为时间常数，Wk为系统观过程噪声，At为采样周期，k为大于1 的自然数；b、根据基尔霍夫电压定律，结合电池系统等效电路模型，可得电池系统输出电压 方程空间状态方程为：
式中，Us为电池系统端电压，R s为电池系统内阻。
[0014] 所述无迹卡尔曼滤波筧法UKF的主要步骤为：1)初始化状态变量X均值 EO和均方误差P。：
2)获取采样 点X1及对应权重ω :
、
I式中，λ = a2(n+h)_n;3)状态估计及均方误差的时间 更新：状态估计时间更新戈
，均方误差时 间更新为
，系统输出时间更新 CN 105116346 A 说明书 4/7 页 为·
，gkl(·)为测量方程；4)计算增益矩阵（5):
5)状态估计及均方 误差的测量更新：状态估计测量更新为，均方误差测量更新 为
[0015] 与采用扩展卡尔曼滤波算法EKF进行串联型锂离子电池系统SOC估计相比，本发 明具有以下有益的技术效果：一是整个放电过程，本发明所采用的UKF算法比EKF算法进行 串联型锂离子电池系统SOC估计时UKF估计精度更高，尤其是放电初期和末期效果更明显； 二是所采用的UKF算法比EKF算法能更快收敛于实验数据，鲁棒性更好。
【附图说明】
[0016] 图1串联型锂离子电池系统的荷电状态估计方法实施流程框图
[0017] 图2为串联型锂离子电池系统结构示意图；
[0018] 图3为含6个电池单体的串联型锂离子电池系统结构示意图；
[0019] 图4为含2个RC并联电路的串联型锂离子电池系统等效电路模型图；
[0020] 图5为无迹卡尔曼滤波算法流程图；
[0021] 图6-1~图6-4为S0C。不同时电池恒流放电特性，其中图6-1为SOC。= 1时SOC 变化情况，图6-2为S0C。= 1时电池系统端电压变化情况，图6-3为SOC。= 0. 8时SOC变 化情况，图6-4为S0C。= 0. 8时电池系统端电压变化情况；
[0022] 图7-1~图7-4为S0C。不同时电池脉冲放电特性，其中图7-1为SOC。= 1时SOC 变化情况，图7-2为S0C。= 1时电池系统端电压变化情况，图7-3为SOC。= 0. 8时SOC变 化情况，图7-4为S0C。= 0. 8时电池系统端电压变化情况。
【具体实施方式】
[0023] 下面结合具体的实例对本发明作进一步的详细说明，所述为对本发明的解释而不 是限定。
[0024] 本发明提供的一种串联型锂离子电池系统的荷电状态估计方法具体实施流程框 图如图1所示。
[0025] 1、串联型锂离子电池系统及其等效电路模型（1)
[0026] I. 1串联型锂离子电池系统
[0027] 串联型锂离子电池系统是由由N个锂离子电池单体串联而成，其结构图如图2所 示。为便于分析，本实例中假设串联型锂离子电池系统由6个电池单体经串联而成，即6X 1 串联型锂离子电池系统，如图3所示。串联型锂离子电池系统中每个电池单体的额定电压 为3. 2