Explicación detallada del código SOC 2 estimado del filtro de Kalman extendido (EKF), basado en el modelo RC de segundo orden (con código MATLAB)

La última vez, compartí un código para estimar el SOC mediante el filtro de Kalman extendido, que obtuvo el apoyo de muchos amigos. Hoy compartiré un programa muy útil para estimar el SOC mediante el filtro de Kalman extendido. Utilice el lenguaje MATLAB para completar la escritura del programa.

Para conocer la derivación y el principio de EKF, consulte otro blog que escribí: Estimación de SOC basada en el filtro Kalman extendido (con código MATLAB) enlace del artículo: Estimación SOC basada en el filtro Kalman extendido (con código MATLAB) Blog-CSDN blog_soc filtro Kalman extendido

Empecemos el análisis detallado del código:

1. Determinación del tiempo de muestreo, tamaño de paso total, vector de estado, parámetros P, Q, R. El vector de estado se establece en una matriz cero con 3 filas y N columnas. La matriz de covarianza P se establece como una matriz identidad, Q=0,1; R=0,1; la configuración de este valor no es fija y puede obtenerse mediante un algoritmo de optimización o ajustarse en función de la experiencia.

T=1;%采样时间为1s
N=20042/T;%总步长
x=zeros(3,N);%定义状态向量x,定义一个3行N列的零矩阵。
x(:,1)=[0;0;1];%状态向量x初值设定
global P;     %global  声明全局变量

P=eye(3);%定义协方差 EKF,生成一个3行3列的单位矩阵

Q=0.1;R=0.1;
global Q_1;

2. Importe datos de corriente, voltaje y SOC y establezca la capacidad de la batería en 24 Ah.

%ii(1,:)=I;uu(1,:)=Ub;soc(1,:)=SOC;%输入参数
i = xlsread('i.xlsx');     %读取电流数据
u = xlsread('v.xlsx');     %读取电压数据
soc1 = xlsread('soc.xlsx');  %读取soc数据
ii = i';        %将电流数据变成行向量
uu = u';        %将电压数据变成行向量
soc = soc1';    %将soc数据变成行向量
I = ii(1,:);Ub = uu(1,:);SOC = soc(1,:);   %访问数组第一行的所有元素？？？
Cn=24;%电池容量

3. A través del método de ajuste de datos, basado en la caja de herramientas de ajuste de curvas cftool de Matlab combinada con los parámetros identificados por hppc.


for i=2:N
R1=0.03023*x(3,i-1)^6-0.1141*x(3,i-1)^5+0.1689*x(3,i-1)^4-0.1243*x(3,i-1)^3+0.04728*x(3,i-1)^2-0.008527*x(3,i-1)+0.0006967;
R2=0.003971*x(3,i-1)^6-0.005341*x(3,i-1)^5-0.006872*x(3,i-1)^4+0.01435*x(3,i-1)^3-0.007282*x(3,i-1)^2+0.001231*x(3,i-1)+0.0002082;
C1=510100*x(3,i-1)^6-1276000*x(3,i-1)^5+1031000*x(3,i-1)^3-176300*x(3,i-1)^2+69310*x(3,i-1)+909;
C2=-12940000*x(3,i-1)^6+39640000*x(3,i-1)^5-45050000*x(3,i-1)^4+23320000*x(3,i-1)^3-5467000*x(3,i-1)^2+523200*x(3,i-1)+52340;
A=[1-(1/(R1*C1)) 0 0;0 1-(1/(R2*C2)) 0;0 0 1];%系数矩阵A  3行3列
B=[1/C1 1/C2 1/(3600*Cn)]';%系数矩阵B 3行1列
H=(66.48+54.18*ii(1,i-1))*x(3,i-1)^5-(127.9+196.8*ii(1,i-1))*x(3,i-1)^4+(70.16+262.88*ii(1,i-1))*x(3,i-1)^3-(3.48-163.38*ii(1,i-1))*x(3,i-1)^2....
           -(4.58-48.42*ii(1,i-1))*x(3,i-1)-5.77*ii(1,i-1)+1.26;  %求一阶泰勒近似
C=[1,1,H];%系数矩阵C 1行3列 
if ii(1,:)>=0   %R0区分充放电来拟合，也是关于SOC的函数
    R0=(-0.1313*x(3,i-1)^3+0.4812*x(3,i-1)^2-0.5452*x(3,i-1)+2.96)/1000;%充电时欧姆内阻三阶拟合,除1000表示毫Ω化Ω
else
    R0=(9.033*x(3,i-1)^6-39.36*x(3,i-1)^5+65.72*x(3,i-1)^4-54.46*x(3,i-1)^3+24.21*x(3,i-1)^2 -5.774*x(3,i-1)+2.58)/1000;%放电时欧姆内阻6阶拟合 除1000表示毫Ω化Ω
end
Ppre=A*P*A'+eye(3)*Q;%协方差预测更新 3行3列   
xpre(:,i-1)=A*x(:,i-1)+B*ii(1,i-1);%状态x的预测更新 3行1列  第一行为U1,；第二行为U2；第三行为SOC
Usoc=11.08*xpre(3,i-1)^6-25.58*xpre(3,i-1)^5+17.54*xpre(3,i-1)^4-1.159*xpre(3,i-1)^3-2.386*xpre(3,i-1)^2....
    +1.263*xpre(3,i-1)+3.422;%开路电压Usoc是关于SOC的函数
K(:,i-1)=Ppre*C'*inv(C*Ppre*C'+R);%卡尔曼增益更新
Um(1,i-1)=Usoc+xpre(1,i-1)+xpre(2,i-1)+ii(1,i-1)*R0;%预测的电池端电压
e(1,i-1)=uu(1,i-1)-Um(1,i-1);%新息
x(:,i)=xpre(:,i-1)+K(:,i-1)*e(1,i-1);%状态的后验估计  / 状态估计测量更新
P=(eye(3)-K(:,i-1)*C)*Ppre;%协方差更新  
end

4. Dibujar, a través del comando plot de MATLAB, dibuje el diagrama de comparación entre el SOC estimado por EKF y el SOC real, como se muestra en la Figura 1, y el diagrama de error de SOC se muestra en la Figura 2.

figure	
hold on;box on;	
plot(x(3,:),'r','Linewidth',5);
plot(soc(1,:),'b','Linewidth',5);
xlabel('time  s');	
ylabel('SOC');
figure	
hold on;box on;	
plot(soc(1,:)-x(3,:),'c','Linewidth',3);

Figura 1 Comparación del SOC estimado por EKF y el SOC real

Figura 2 Diagrama de error de SOC

Todos los códigos de programa durante el período de maestría y doctorado son más de 2 g en total. Puedo orientarte y darte una llamada de voz de media hora para resolver dudas. Los datos de la batería + el programa de identificación + varios algoritmos de filtro de Kalman están incluidos, y los nuevos modelos se actualizarán en el futuro. Software BMS de inicio rápido. Un ganso: 2629471989

Explicación detallada del código SOC 2 estimado del filtro de Kalman extendido (EKF), basado en el modelo RC de segundo orden (con código MATLAB)

Supongo que te gusta