基于扩展卡尔曼滤波的SOC估计（附MATLAB代码）

获取同款资料：2629471989

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。