带量测数据异常检测的锂离子电池荷电状态在线估计器及方法
技术领域
本发明属于锂电池状态估计
技术领域
，尤其涉及一种带量测数据异常检测的锂离子电池荷电状态在线估计器及方法。背景技术
锂电池荷电状态估计的方法大致可以分为传统算法和智能算法，传统算法包括开路电压法、内阻法、安时积分法等，其优点在于计算简单，缺点是误差大，难以测量、不适合实时估计等。传统算法的限制较多，因此当前的研究热点在于智能算法，智能算法包括神经网络算法、卡尔曼滤波、粒子滤波等。神经网络算法需要大量的数据支持，卡尔曼滤波的适用条件使其在电池估计中的精度受到影响。
发明内容
有鉴于此，为了弥补现有技术的空白和不足，本发明的目的在于提供一种带量测数据异常检测的锂离子电池荷电状态在线估计器及方法，以减少因量测数据异常导致计算量增大、估计精度降低的问题。
其包括信息采集单元、控制单元、数据异常检测单元、信息处理单元和显示单元。通过信息采集单元采集锂电池端电压、锂电池温度和流过锂电池的电流信息，控制单元控制采集单元与信息处理单元的传输过程以及监测状态估计器的是否处于正常环境，数据异常检测单元检测采集到的数据是否在正常范围内，并且在数据异常时按照一定规则进行数据纠正，信息处理单元则根据接收来自异常检测单元的数据，根据改进的粒子滤波算法对锂电池的状态进行估计，并将估计的结果实时存储与显示。该状态估计器使用带矩形窗的递推最小二乘算法辨识等效电路参数，将遗传算法与粒子滤波结合估计锂电池状态，解决粒子滤波的粒子贫化问题，提高估计精度，使用异常数据检测单元，保证异常数据不会增加粒子滤波的计算量，保证计算的精度。
本发明具体采用以下技术方案：
一种带量测数据异常检测的锂离子电池荷电状态在线估计器，其特征在于，包括信息采集单元、异常数据检测单元、信息处理单元、控制单元以及显示单元；
所述信息采集单元用于采集锂电池或锂电池组的电压、电流和温度；
所述异常数据检测单元用于接收信息采集单元的数据，经处理后的数据发送给信息处理单元；
所述控制单元用于控制信息采集单元与信息处理单元数据传输，以及监测估计器工作；
所述显示单元与信息处理单元连接。
进一步地，所述控制单元控制信息采集单元与信息处理单元的传输过程以及监测状态在线估计器是否处于正常环境；
所述异常数据检测单元检测采集到的数据是否在正常范围内，并且在数据异常时进行数据纠正；
所述信息处理单元接收来自异常检测单元的数据，根据改进的粒子滤波算法对锂电池的状态进行估计，并将估计的结果实时存储与显示。
进一步地，所述信息处理单元使用带矩形窗的递推最小二乘算法辨识等效电路参数，将遗传算法与粒子滤波结合估计锂电池状态。
进一步地，所述异常数据检测单元根据事先得到的锂电池内阻范围，与该时刻测量得到的电流相乘获得一个限制范围，如果该时刻测量得到的电压与上一时刻的电压超出该范围，则判断该数据为异常，将该时刻的电压数据丢弃，并将上一时刻的数据当作该时刻的值。
进一步地，所述改进的粒子滤波算法包括以下过程：在生成初始粒子后执行以下循环，直至结束预测：更新粒子位置、更新粒子权值、计算估计值、判断是否重采样：如果为是则进行遗传算法重采样后预测下一时刻；如果为否则直接预测下一时刻、判断是否结束预测，如果为否，则回到更新粒子位置的步骤；
所述遗传算法重采样包括粒子的交叉和变异。
以及，一种带量测数据异常检测的锂离子电池荷电状态在线估计方法，其特征在于，包括以下步骤：
步骤S1：使用传感器获得锂电池工作时的电压、电流以及温度值；
步骤S2：将采集的数据经过数据异常检测处理；
步骤S3：使用递推最小二乘算法进行锂电池等效电路参数在线辨识；
步骤S4：建立等效电路模型的状态方程，使用改进的粒子滤波算法进行电池的状态估计。
进一步地，在步骤S2中，数据异常检测处理的具体方法为：将当前时刻电流数据与事先估计好的内阻范围进行相乘，然后将当前时刻的电压与上一时刻电压相减，将上述两者作比较，得出判断条件：如果后者数据小于前者，则数据有效；否则，将当前时刻的电压数据舍弃，用上一时刻的电压数据填补。
进一步地，在步骤S3中，所述锂电池等效电路为二阶Thevenin等效电路。
进一步地，在步骤S4中，所述改进的粒子滤波算法的具体步骤如下：
步骤S41：由先验概率产生初始粒子N，所有粒子初始权值为1/N；
步骤S42：进行粒子位置与权值更新，计算该时刻估计值；
步骤S43：判断是否需要重采样，如果不需要重采样则返回步骤S42进行下一时刻的估计；如果需要重采样，则进行粒子的交叉、变异操作获得新的粒子集。
进一步地，在步骤S43中，判断是否需要重采样的具体方法为，以此时的粒子方差大小为依据进行判断。
与现有技术相比，本发明及其优选方案解决了解决锂离子电池荷电状态在线估计时因量测数据丢失造成精度降低、计算量大的问题。其通过信息采集单元采集锂电池端电压、锂电池温度和流过锂电池的电流信息，控制单元控制采集单元与信息处理单元的传输过程以及监测状态估计器的是否处于正常环境，数据异常检测单元检测采集到的数据是否在正常范围内，并且在数据异常时按照一定规则进行数据纠正，信息处理单元则根据接收来自异常检测单元的数据，根据改进的粒子滤波算法对锂电池的状态进行估计，并将估计的结果实时存储与显示。该状态估计器使用带矩形窗的递推最小二乘算法辨识等效电路参数，将遗传算法与粒子滤波结合估计锂电池状态，解决粒子滤波的粒子贫化问题，提高估计精度，使用异常数据检测单元，保证异常数据不会增加粒子滤波的计算量，保证计算的精度。
附图说明
下面结合附图和
具体实施方式
对本发明进一步详细的说明：
图1为本发明实施例装置结构示意图；
图2为本发明实施例量测数据异常的锂离子电池荷电状态在线估计方法的整体流程示意图；
图3为本发明实施例锂电池等效电路模型参数辨识的流程示意图；
图4为本发明实施例量测数据异常处理的流程示意图；
图5为本发明实施例改进的粒子滤波算法流程示意图；
图6为本发明实施例二阶Thevenin等效电路示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
参见图1，本实施例提供一种带量测数据异常检测的锂离子电池荷电状态在线估计器的设计方案，包括：信息采集单元，异常数据检测单元、信息处理单元、控制单元以及显示单元；信息采集单元采集锂电池或锂电池组的电压、电流和温度；异常数据检测单元接收信息采集单元的数据，经处理后的数据发送给信息处理单元；控制单元控制信息采集单元与信息处理单元数据传输，以及监测估计器工作；显示单元与信息处理单元连接。如图1所示，信息采集单元将锂电池的电压、电流以及温度等信息采集并输送给异常数据检测单元，异常检测数据单元对数据判断处理后，信息处理单元按所提估计方法进行状态估计，最后将所需信息传送至上位机与显示单元。
本发明提供了一种量测数据异常检测装置的锂离子电池荷电状态在线估计方法，流程如图2所示，其特征在于：包括以下步骤：
步骤S1：采集单元为一系列传感器，采集锂电池的端电压，流经锂电池的电流，锂电池的温度信息。
步骤S2：将采集到的数据传送至信息处理单元处理之前，经过异常数据检测单元判断是否在波动范围内的数据。判断流程图如图4所示，即：将当前时刻电流数据与事先估计好的内阻范围进行相乘，然后将当前时刻的电压与上一时刻电压相减，将上述两者作比较，得出判断条件。如果后者数据小于前者，则数据有效，否则，将当前时刻的电压数据舍弃，用上一时刻的电压数据填补。
步骤S3：使用递推最小二乘算法进行锂电池等效电路参数在线辨识，且锂电池等效电路为二阶Thevenin等效电路如图6所示。
其具体过程参见图3，首先建立电路的频域方程(1)，离散变换的形式如(2)，得到形式如下的方程：
式中τ1、τ2为RC环节的时间常数，即τ1＝R1×C1，τ2＝R2×C2；系数ak(k＝1，2)、bk(k＝1，2，3)为未知的系数，其与等效电路中的参数R0、R1、R2、C1、C2具有一定的数学关系，可通过以下过程算出。
双线性反变换公式代入式(2)，将获得的公式与式(1)对比系数，得到电池参数与系数的关系，然后按照图3的流程计算得到各个时刻的系数，在根据关系式求得等效电路模型参数。式中：T为采样时间。
步骤S4：建立等效电路模型的状态方程，使用改进的粒子滤波算法进行电池的状态估计：
其首先可以建立系统的离散状态方程：
式中：T为采样时间；Up1、Up2为RC环节的电压，即对应电路中的U1、U2；k为某一当前时刻，k+1则为当前的下一时刻；ωk、υk分别为k时刻的过程噪声和观测噪声；hSOC-OCV为开路电压与荷电状态SOC的函数关系式；S(k+1)是k+1时刻的电池荷电状态SOC。
根据改进的粒子滤波算法流程图，进行电池荷电状态的实时估计，如图5所示，包括以下步骤：
步骤S41：由先验概率产生初始粒子N，所有粒子初始权值为1/N；
步骤S42：进行粒子位置与权值更新，计算该时刻估计值；
步骤S43：判断是否需要重采样，根据此时的粒子方差大小为依据进行判断。如果不需要重采样则返回步骤S42进行下一时刻的估计；如果需要重采样，则进行粒子的交叉、变异操作获得新的粒子集。
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的带量测数据异常检测的锂离子电池荷电状态在线估计器及方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。
- 上一篇：石墨接头机器人自动装卡簧、装栓机
- 下一篇：一种快速在线测量电池电动势和内阻的方法
