[0005] 本发明的目的就是克服现有技术的不足，提出一种电池模型参数与剩余电量联合异步在线估计方法，在在线估计出电池SOC的同时，可以对模型参数进行联合异步在线估计，从而克服由于电池老化带来的电池参数变化对电池SOC估计准确性的影响。本发明方法可以适用于所有电池，且估计精度较高。
[0006] 本发明的电池模型参数与剩余电量联合异步在线估计方法，具体步骤是：
[0007] 步骤(1)测量在 时刻的电池端电压 和电池供电电流 ， 。
[0008] 步骤(2)用状态方程和观测方程表示电池的各个时刻的荷电状态依赖关系：
[0009] 状态方程：
[0010] 观测方程：
[0011] 其中 为电池的荷电状态，即剩余电量； 为电池的放电比例系数，反映的是放电速率、温度等因素对电池SOC的影响程度，本发明中只考虑放电速率的影响； 是电池在室温25 条件下、以1/30倍额定电流的放电速率放电时所能得到的额定总电量， 是测量时间间隔， 为处理噪声。 为电池观测模型的参数，是一个列向量； 为电池的内阻， 为观测噪声。
[0012] 放电比例系数 的确定方法为：
[0013] (a)将完全充满电的电池以不同放电速率 （ ， 为电池的额定放电电流）恒流放电 次，计算相应放电速率下的电池总电量 ， 。
[0014] (b)根据最小二乘方法拟合出 与 间的二次曲线关系，即在最小均方误差准则下求出同时满足 ， 为最优系数。
[0015] (c)在放电电流为 时，对应的放电比例系数 为：
[0016]
[0017] 此处，由于放电比例系数与电池老化等无关，因此，最优系数 对于同一类型的电池只需确定一次，确定后可作为已知常数直接用于所有同类型电池的剩余电量估计。
[0018] 步骤(3)执行如下初始化过程：
[0019] (a)电池剩余电量估计的初始化：
[0020] 起始状态 及其方差 分别为：
[0021] ，
[0022] 处理噪声 的方差 、观测噪声 的方差 分别为：
[0023] ,
[0024] 尺度参数 为：
[0025]
[0026] 扩展后的状态向量 及其协方差 为：
[0027] ，
[0028] 均值加权系数 和方差加权系数 分别为：
[0029] ， ， ，
[0030] (b)电池模型参数估计的初始化：
[0031] 任意选取初始模型参数
[0032] 设定 的平方根均方差矩阵为 ， ；其中 为 的单位矩阵；
[0033] 选取比例常数 , ；
[0034] 设定变量 ；
[0035] 设定加权系数 ， 。
[0036] 步骤(4)采用采样点卡尔曼滤波算法进行循环递推：
[0037] 在时刻 ，根据测得的电池端电压 及电池的供电电流 ，按下列步骤迭代进行电池模型参数与剩余电量的联合异步估计：
[0038] (a)电池剩余电量的估计流程
[0039] ①根据 时刻的扩展状态向量 及其协方差 ，计算该时刻的所有的采样点序列 ：
[0040]
[0041] ②根据状态方程进行时间域更新：
[0042] 由采样点序列 ，根据状态方程计算采样点更新 ：
[0043] 对采样点更新 进行加权，计算状态估计 ：
[0044] 计算状态估计 的方差 ：
[0045] ③根据观测方程完成测量更新：
[0046] 由采样点更新 及 时刻的参数估计值 ，根据观测方程计算测量更新：
[0047] 对测量更新 进行加权，计算测量估计 ：
[0048] 计算测量估计 的方差 ：
[0049] 计算 与 的互协方差 ：
[0050] 计算卡尔曼增益 ：
[0051] 计算状态更新 ：
[0052] 计算状态更新 的方差 ：
[0053] 通过上述流程，所得到的状态更新值 即为当前时刻 所估计得到的电池剩余电量。
[0054] (b)电池模型参数的估计流程：
[0055] ①计算模型参数的估计值 ：
[0056] 计算模型参数的平方根均方差矩阵的估计值 ： ，其中，， 为对应矩阵的对角线元素构成的列向
量。
[0057] ②计算 的采样点序列 ：
[0058]
[0059] 为6×1列向量， 为6×6矩阵，故 为6×13矩阵。
[0060] ③按下列各式计算测量更新：
[0061] 计算采样点的观测序列 ： ， 为6×13矩阵；
[0062] 计算观测序列 的估计值 ： ， 为 的第 列；
[0063] 计算观测序列 的平方根均方差矩阵 ：
[0064]
[0065] 计算协方差矩阵 ： ；
[0066] 计算卡尔曼增益 ： ；
[0067] 计算参数更新 ： ；
[0068] 计算临时变量 ： ；
[0069] 计算模型参数的平方根均方差矩阵的更新 ： ；
[0070] 其中 表示求矩阵的正交三角分解，并返回得到的上三角矩阵； 为矩阵的转置操作； 表示求矩阵 的Cholesky分解。
[0071] 通过上述流程，所得到的 即为当前时刻 所估计得到的电池模型参数。
[0072] 在每一时刻，上述步骤4(a)、4(b)交替进行，因此，电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果，另一方面，电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成。整个循环递推过程是在线完成的，即在电池实际工作过程中在线异步完成各时刻电池剩余电量的估计与电池模型参数的估计。
[0073] 本发明可以方便地进行电池SOC的快速估计，且可以克服电池老化对模型参数的影响。该方法收敛速度快，估计精度高，而且适用于各种电池SOC的快速估计。
[0074] 根据本发明的第一方面，公开了一种用于电池模型参数与剩余电量联合异步在线估计方法所依赖的测量量，分别为电池的端电压和电池的供电电流。
[0075] 根据本发明的第二方面，公开了一种用于电池模型参数与剩余电量联合异步在线估计方法中的状态方程和观测方程。
[0076] 根据本发明的第三方面，公开了一种用于电池模型参数与剩余电量联合异步在线估计方法所依赖的初始值。包括电池剩余电量估计的初始化值及电池模型参数估计的初始值等。这些初始值不必很准确，在采样点卡尔曼滤波的后续迭代过程中它们会很快收敛到真实值附近。
[0077] 根据本发明的第四方面，公开了一种应用采样点卡尔曼滤波迭代进行电池模型参数与电池剩余电量联合异步在线估计的具体流程。电池剩余电量的估计依赖于上一时刻电池模型参数的估计结果，而电池模型参数的估计则基于当前时刻所估计得到的电池剩余电量完成，两种估计流程交替异步进行。
