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！

龙图腾网获悉西北工业大学申请的专利一种考虑单体不一致性的电池组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：CN116165546B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202211715565.9，技术领域涉及：G01R31/367；该发明授权一种考虑单体不一致性的电池组荷电状态估计方法是由侯静;王鑫;韩松言;羊彦;任环宇设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种考虑单体不一致性的电池组荷电状态估计方法在说明书摘要公布了：本发明公开了一种考虑单体不一致性的电池组荷电状态估计方法，首先建立电池组不一致补偿模型，然使用虚拟量测噪声补偿不一致性程度，接下来使用变分贝叶斯推理得到虚拟噪声均值和方差与状态量的联合后验概率，再使用无迹卡尔曼滤波算法进行递推，最终实现准确的电池组SOC估计。本发明的不一致补偿模型在不显著增加计算量的同时可以减少单体不一致对SOC估计精度带来的影响，具有估计精度高实时性好的特点。

本发明授权一种考虑单体不一致性的电池组荷电状态估计方法在权利要求书中公布了：1.一种考虑单体不一致性的电池组荷电状态估计方法，其特征在于，包括以下步骤： 步骤1：将电池组看作一个电池，建立电池等效模型； 选择二阶RC网络作为电池等效电路模型，通过电池混合脉冲功率特性HPPC实验对电池模型的各个参数进行辨识，包括电池的欧姆内阻R0、两个极化电阻R1、R2和两个极化电容C1、C2；通过采集静置后的电池端电压作为开路电压Uoc，标定开路电压与SOC之间的关系曲线； 步骤2：建立不一致补偿模型，构建系统状态方程和量测方程； 建立不一致补偿模型的状态空间方程如下所示： 其中，k表示时刻；xk表示k时刻的系统状态变量xk＝[SOCk,U1,k,U2,k]T，SOCk表示k时刻电池的荷电状态，U1,k、U2,k分别表示k时刻两个RC环路的端电压；wk表示过程噪声，其服从零均值协方差为Qk的高斯分布；yk表示k时刻系统观测值，在这里为端电压测量值Uk；ξk＝h*xk+vk，表示系统虚拟量测噪声，用于补偿不一致性的量测噪声h*xk与原系统量测噪声vk之和，将其看作一个整体进行计算，ξk的均值和协方差均未知，其均值用表示，其协方差用表示； f·和h·分别表示非线性的状态传递函数和观测函数，表达式如下： h·＝Uk＝UOCSOCk-U1,k-U2,k-IkR0 其中，Ik是电池组充放电电流，R0是电池组的欧姆内阻，R1和R2分别表示两个环路中的极化内阻，τ1＝R1C1、τ2＝R2C2分别表示模型中两个RC环路的时间常数，Uk是k时刻的端电压值，也是模型的输出值；η为库伦效率，△t为采样周期，Qmax为电池额定容量，UOCSOCk为电池开路电压与SOC的关系曲线； 步骤3：采用变分贝叶斯推理逼近系统状态和虚拟量测噪声均值和方差的后验分布进而得到状态估计结果，其中y1:k表示从开始到k时刻的所有量测值； 步骤3-1：由贝叶斯滤波算法推出原始的联合后验概率分布； 根据Chapman-Kolmogorov方程，得出系统状态、虚拟噪声均值和方差的联合预测分布： 通过下一时刻的量测值以及上述预测概率分布，根据贝叶斯公式，递推得到联合概率的后验分布为： 步骤3-2：通过变分贝叶斯推理近似逼近联合后验概率； 由变分贝叶斯推理方法可知，使用三个边际分布的乘积近似后验联合概率分布，如下所示： 步骤3-3：通过最小化KL散度得到三个边际分布的特性； 通过最小化真实的联合后验分布和三个边际分布乘积的KL散度，得到边际分布qxxk分别为： 其中， 即假设虚拟量测噪声的均值服从均值为方差为的高斯分布，是其方差调节系数；虚拟量测噪声的方差服从逆伽马分布；假定其为对角矩阵，表示为d为量测变量的维数，是逆伽马分布的两个参数；是状态变量的均值和方差； 经过推导计算，得到： logqxxk服从均值为mk、协方差为Pk*的高斯分布，递推公式为： 服从均值为ηk，方差为的高斯分布，递推公式为： 满足新d个独立的Inv-Gamma分布的乘积之和，新的Inv-Gamma分布的参数为： 由Inv-Gamma分布的性质，量测噪声方差的估计值为： 由此，得出虚拟噪声的均值和方差的统计特性； 步骤4：将变分贝叶斯推理与无迹卡尔曼滤波相结合，提出基于变分贝叶斯无迹卡尔曼滤波方法来实现不一致条件下的电池组SOC估计；具体的步骤如下： 步骤4-1：初始化系统参数，包括变分贝叶斯初始参数以及系统初始状态和协方差：x0、m0、P0、η0、κ0、αi,0、βi,0； 步骤4-2：预测步； 1无迹变换，计算sigma点和相应权重： 其中，Wic和Wim为状态均值和协方差的权重系数，d为状态量的维度，λx为一个复合系数，0ax1,bx＝2； 2计算状态量的预测值和状态协方差的预测值： 3计算变分贝叶斯参数的预测值： αk|k-1,i＝μαk-1|k-1,i βk|k-1,i＝μβk-1|k-1,i ηk|k-1＝ηk-1|k-1+1 步骤4-3：更新步；通过N次循环迭代实现，包括以下步骤： 步骤4-3-1：初始化，令αk|k,i＝αk|k-1,i+1，对于n＝0：N-1，迭代以下步骤： 步骤4-3-2：计算量测预测值； 首先对于再次进行无迹变换，得到一步预测下的sigma点： 然后计算预测量测值如下： 步骤4-3-3：变分贝叶斯迭代过程； 1计算预测量测的协方差Pyy和预测量测值与状态向量的交互协方差Pxy： 2计算卡尔曼增益、状态估计值和协方差： 3计算虚拟噪声均值η和虚拟噪声方差逆伽马分布的参数β： 步骤4-3-4：循环迭代步骤4-3-2到步骤4-3-3，直到参数收敛或者达到最大的迭代次数； 步骤4-3-5：将收敛得到的估计值ηk|k、xk|k、Pk|k作为k时刻的最终估计值，并送入步骤4-2中继续进行后续时刻的滤波，直到完成每一时刻的状态估计。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。

以上内容由龙图腾AI智能生成。