买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜上海电机学院申请的专利基于MIAUKF算法的锂离子电池荷电状态估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114910796B 。

龙图腾网通过国家知识产权局官网在2025-03-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210607430.4，技术领域涉及：G01R31/367；该发明授权基于MIAUKF算法的锂离子电池荷电状态估计方法是由姚冲城设计研发完成，并于2022-05-31向国家知识产权局提交的专利申请。

本基于MIAUKF算法的锂离子电池荷电状态估计方法在说明书摘要公布了：本发明公开了一种基于MIAUKF算法的锂离子电池荷电状态估计方法，其包括：S1针对锂离子电池的二阶RC等效电路模型进行锂离子电池开路电压特性实验，利用八项式拟合得到OCV‑SOC特性曲线；S2基于所建二阶RC等效电路模型，利用最小二乘法进行R0，R1，R2，C1，C2参数辨识并验证该模型的精度；S3将多新息算法与AUKF算法结合，通过利用多新息误差向量的新校正阶段和卡尔曼增益矩阵更新估计值，得到MIAUKF算法模型，以提高锂离子电池荷电状态的估计精度；S4基于MIAUKF算法模型对锂离子电池进行荷电状态估计。本方法的估计精度高，解决了传统卡尔曼滤波类算法中，噪声方差固定，估计精度不高，从而造成有偏估计的问题。

本发明授权基于MIAUKF算法的锂离子电池荷电状态估计方法在权利要求书中公布了：1.一种基于MIAUKF算法的锂离子电池荷电状态估计方法，其包括：S1.针对锂离子电池的二阶RC等效电路模型进行锂离子电池开路电压特性实验，利用八项式拟合得到OCV-SOC特性曲线；S2.基于所建二阶RC等效电路模型，利用最小二乘法进行R0，R1，R2，C1，C2参数辨识并验证该模型的精度；S3.将多新息算法与AUKF算法结合，通过利用多新息误差向量的新校正阶段和卡尔曼增益矩阵更新估计值，得到MIAUKF算法模型，以提高锂离子电池荷电状态的估计精度；S4.基于MIAUKF算法模型对锂离子电池进行荷电状态估计；所述二阶RC等效电路模型包括依次串联的锂离子电池的电压源UOC、极化电阻R1、极化电阻R2、电阻R0、与极化电阻R1并联的极化电容C1、与极化电阻R2并联的极化电容C2；开路电压特性实验包括以下步骤：1设置环境温度为25℃，按CCCV方式将电池充满电，恒流0.5C，截至电流设置为0.05C；2静置一段时间，约2h；3以1C恒流放电3min；4静置一段时间，约2h；5重复步骤3和步骤4，直到端电压达到截至放电电压为止；6静置一段时间，约2h；经过脉冲放电后得到端电压曲线；利用最小二乘法进行R0，R1，R2，C1，C2参数辨识具体包括：1辨识参数R0：根据二阶RC等效电路模型，当电池在放电充电电流被执行或停止时，其终端电压将立即下降或上升，因此利用电池开始放电充电时端子电压的变化来确定电阻R0，在参数辨识过程中，取SOC0.2的R0，并对辨识结果取平均值，其计算式如下式所示： 式中，Ukti代表ti时刻的端电压；2辨识参数R1，R2，C1，C2：根据二阶RC等效电路模型，并联系统端电压方程如下所示： 式中，t0为初始时间；参数的具体辨识过程如下：步骤一：τ1、τ2、U1t、U2t参数的确定：因电池在脉冲放电前需静置一段时间，故静置过程端电压可视为零状态响应，针对电池的端电压响应方程，利用拟合参数箱可确定静置过程的时间常数τ1，τ2，并将时间常数代入上式得U1t，U2t，由于在静置过程中电流为0，故并联系统在tc时刻的端电压方程为： 步骤二：R1，R2，C1，C2参数的确定：设a点是上一静置过程的结束点，故有U1ta＝0,U2ta＝0，由于在电流通断瞬间，电容两端的电压保持不变，因此电池在tc和ta时刻并联系统的端电压相同： 由上式确定参数R1和R2，将其代入τ1＝R1C1,τ2＝R2C2，可得参数C1和C2；步骤S3具体包括：S31引入多新息矩阵Ep,k： 式中，p为新息长度；S32将卡尔曼增益Kk扩展为如下式所示的增益矩阵Kp,k：Kp,k＝[K1,k,K2,k,…,Kp,k]∈Rn×pS33利用上式对状态矩阵进行更新修正； 步骤S4具体包括：S41确定状态值的初始值和后验状态误差协方差初始值P0； S42在k-1时刻的采样点xk-1为： 式中，λ＝αL+b-L；L为状态变量的维数，状态向量长度为3；α为采样间隔，b为可调参数；取α＝0.01，b＝0；平均权重ωm和协方差权重ωc为： 其中，β为高斯随机变量，取β＝2；S43更新先验状态值和系统方差预测值Pxx： 式中，Qk是系统噪声wk协方差矩阵；S44更新观测值和观测方差预测值Pyy； 式中，Rk是观测噪声vk协方差矩阵；S45更新协方差Pxy，卡尔曼增益Kk，后验状态值和后验状态误差协方差Pk； S46基于新息协方差矩阵Fk，实现自适应过程； 式中，M为协方差匹配值，ei为新息，ei为电压估计值和测量值的差值；S47引入多新息矩阵，对状态矩阵进行更新修正后，将过去的多个状态值合并，以估计电池在k时刻SOC的状态值； 由于在状态测量更新中引入了一系列旧测量量作为校正项，导致输出电压和电流中存在一定的测量误差；另外，若旧测量值与新测量值的影响相同时，旧数据均会造成累积干扰现象，因此在不同新息中引入不同权重因子σ以降低旧测量值的校正效果；S48引入不同权重因子对状态矩阵进一步修正； 为确保当前时间增益的最大权重，权重因子应满足；σ1≥σ2+σ3+…+σp将不同的权重因子做如下定义： 式中，a为可调系数，为保证当前增益权重最大，σ1＝1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海电机学院，其通讯地址为：200240 上海市闵行区江川路690号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。