1.卡尔曼滤波原理

 

原理可以参考我之前学习的笔记,使用goodnote完成的。

 

 

 

 

 

 

 我认为,对于公式的推导不需要做太多深入的了解,我之前也对公式进行推导的理解,但是没过几天就忘了,只需要掌握住那重要的5个步骤即可,能够熟练运用才是王道。

2.扩展卡尔曼滤波的MATLAB代码实现

下面介绍一下如何通过MATLAB,使用扩展卡尔曼滤波完成SOC的估计,我会将代码里面需要修改的地方进行讲解,当你辨识完参数要进行SOC估计时,只需要修改我所说的就能够实现。

2.1 电池参数的修改

Cn=18*3600;%电池容量,单位As

delta_t=1;%采样时间

R1=-9.015*socc.^6+20.64*socc.^5-15*socc.^4+2.196*socc.^3+1.747*socc.^2-0.7141*socc+0.09635;

R2=38.17*socc.^6-106.5*socc.^5+115.7*socc.^4-61.8*socc.^3+16.93*socc.^2-2.263*socc+0.1285;

C1=-6.037e+06*socc.^6+1.697e+07*socc.^5-1.81e+07*socc.^4+9.097e+06*socc.^3-2.189e+06*socc.^2+2.367e+05*socc-7963;

C2=1.82e+08*socc.^6-4.243e+08*socc.^5+3.83e+08*socc.^4-1.75e+08*socc.^3+4.456e+07*socc.^2-5.862e+06*socc+3.205e+05;

ro=0.05;%电池内阻

Cn就是电池容量,你自己的电池容量是多少就写多少,18代表时间Ah,注意单位是Ah。

采样时间可以不用改,;

R1:就写拟合得到的R1与SOC的多项式,也可以是常数;

R2:就写拟合得到的R2与SOC的多项式,也可以是常数;

C1:就写拟合得到的C1与SOC的多项式,也可以是常数;

C2:就写拟合得到的C2与SOC的多项式,也可以是常数;

R0:就写拟合得到的R0与SOC的多项式,也可以是常数;

2.2 电流数据以及SOC-OCV曲线

i=I1;

i(1)=0;%放电电流矩阵

fn=@(x) -189.5*x^6+696.7*x^5-1007*x^4+727.8*x^3-275.4*x^2+51.63*x+9.562;%拟合soc-ocv表达式

syms t1;

g=fn(t1);

g=matlabFunction(diff(g));%fn对soc的偏导

A=[1 0 0;0 rp1*cp1/(delta_t+rp1*cp1) 0;0 0 rp2*cp2/(delta_t+rp2*cp2)];

B=[-delta_t/Cn;delta_t*rp1/(delta_t+rp1*cp1);delta_t*rp2/(delta_t+rp2*cp2)];%A,B矩阵

t=0:delta_t:14000;%仿真序列时间

电流要导入自己的电流数据;

要注意仿真序列时间不要超过电流数据的长度;

3.扩展卡尔曼算法迭代

Xekf=zeros(size);%EKF下的状态变量

P0=eye(3);%协方差矩阵初值

Xekf(:,1)=[1;0;0];%EKF状态变量初值,可更改

for k=2:N

Xn=A*Xekf(:,k-1)+B*i(k);%计算先验估计

P1=A*P0*A'+Q;%更新协方差矩阵

dd=Xn(1)-Soc(k);%计算先验估计值与真值的差

Zm=g(Soc(k))*dd+fn(Soc(k))-Xn(2)-Xn(3)-i(k)*ro;%计算观测值

H=[g(Xn(1)) 0 0];%雅克比矩阵计算

K=P1*H'*inv(H*P1*H'+R);%计算卡尔曼增益

Xekf(:,k)=Xn+K*(Uoc(k)-Zm);%更新状态

P0=(eye(3)-K*H)*P1;%更新协方差方程

end

Socekf=zeros(1,N);%Ekf下的soc

Uocekf=zeros(1,N);%Ekf下的端电压

Eekf=zeros(1,N);%EKF下的电池电压

for k=1:N

Socekf(k)=Xekf(1,k);

Eekf(k)=fn(Socekf(k));

Uocekf(k)=fn(Socekf(k))-i(k)*ro-Xekf(2,k)-Xekf(3,k);

end%计算三个值

完整代码点赞评论关注后吗,私信我获取。

3.结果验证

3.1 端电压对比

真实端电压与估计出的端电压的对比图如下:红色的线是扩展卡尔曼滤波估算的端电压误差。

 3.2 SOC对比

          真实SOC与估计出的SOC的对比图以及误差图如下:红色的线是扩展卡尔曼滤波估算的SOC。最大误差小于0.7%,具有较高精度。

 

             这期就写到这里,下一期讲一下如何使用无迹卡尔曼滤波估计SOC以及如何在simulink中实现。拜拜。

           还没完,刚入门电池管理SOC估计这块的福利来啦,下面是我硕博期间编写以及搜集到的有关SOC估计的程序、模型、电池测试数据共110多个文件,需要学习的小伙伴们找我拿呀!!!!

硕博期间所有的程序代码,一共2个多g,可以给你指导,赠送半个小时的语音电话答疑。电池数据+辨识程序+各种卡尔曼滤波算法都在里面了,后续还会有新模型的更新。快速入门BMS软件。某鹅:2629471989

 

查看原文