(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210706888.5 (22)申请日 2022.06.21 (71)申请人 江南大学 地址 214122 江苏省无锡市滨湖区蠡湖大 道1800号 (72)发明人 王子赟　占雅聪　王艳　陈宇乾　 纪志成　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 吕永芳 (51)Int.Cl. G06F 30/20(2020.01) G06F 30/3323(2020.01) G06F 17/16(2006.01) G06F 17/11(2006.01)G01R 31/367(2019.01) G01R 31/378(2019.01) G01R 31/382(2019.01) G01R 31/396(2019.01) G06F 119/08(2020.01) G06F 119/10(2020.01) (54)发明名称 一种双重扰动下基于多胞滤波的动力电池 温度估计方法 (57)摘要 本发明公开了一种双重扰动下基于多胞滤 波的动力电池温度估计方法， 属于动力电池状态 估计技术领域。 所述方法包括建立未知但有界噪 声与高斯噪声混合的动力电池电热模 型， 基于多 胞空间模型和已知噪声的概率分布情况， 设计多 胞更新策略， 构造状态估计器， 基于均方误差最 小和多胞空间最小得到满足一定概率分布的噪 声和未知 但有界噪声的最优权重， 而非取相同权 重， 从而提高了包含状态真值的估计区间的准确 性。 相比于现有的结合随机和集员的混合噪声双 重滤波的状态估计方法， 本申请方法状态估计精 度更高， 由于结果区间更小， 因此可进一步确定 估计具体值。 权利要求书3页 说明书9页 附图2页 CN 115130293 A 2022.09.30 CN 115130293 A 1.一种双重扰动下基于多胞滤波的动力电池温度估计方法， 其特征在于， 所述方法包 括： Step1： 建立未知但有界噪声与高斯噪声混合的动力电池电热模型； Step2： 根据k时刻温度的最优估计值 确定k+1时刻温度的预测 值 针对未知但有 界噪声与高斯噪声分别考虑对应的预测误差； Step3： 根据k+1时刻温度的预测值 确定k+1时刻温度的最优估计值 针对未知但 有界噪声与高斯噪声分别考虑对应的估计误差并且确定k +1时刻的最优权重系数以实现对 于两种噪声的权衡； Step4： 考虑未知但有界噪声的影响， 根据k+1时刻温度的最优估计值 获取k+1时刻 的温度估计区间， 完成对动力电池运行状态下的温度估计。 2.根据权利要求1所述的方法， 其特征在于， 所述Step1建立的未知但有界噪声与高斯 噪声混合的动力电池电热模型为： 其中， xk＝[x1， k， x2， k]T＝[Tc， k， Ts， k]T为温度变量， Tc， k和Ts， k分别表示k时刻的电池核心 温度和表面温度， uk＝[Qgen， k， Te， k]T为k时刻的输入矩阵， Qgen表示电池核心的发热功率； Te， k 表示k时刻的环境温度， wk∈<0， W>表示k时刻未知但有界的扰动噪声， 表示k时 刻服从高斯分布的扰动噪声； vk∈<0， V>表示k时刻未知但有界的测量噪声， 表 示k时刻服从高斯分布的测量噪声； A表示状态空间矩阵， B表示输入矩阵， C表示输出矩阵； yk为输出变量， 即动力电池运行状态下的温度测量 值。 3.根据权利要求2所述的方法， 其特 征在于， 所述Step2包括： 若k＝0， 则根据动力电池初始运行时刻的核心温度和表面温度设定初始时刻的最优估 计值， 继而根据初始时刻温度的最优 估计值确定下一时刻温度的预测值； 若k≠0， 则根据动力电池k时刻的核心温度和表面温度设定k时刻的最优估计值， 继而 根据k时刻温度的最优 估计值 确定k+1时刻温度的预测值 其中， 表示k+1时刻温度的预测点估计， 表示k+1时刻服从高斯分布 部分的预测误差， 协方差矩阵Pk+1|k为： Pk+1|k＝APkAT+Q                        (5) 其中， Pk为k时刻服从高斯分布的估计误差的协方差矩阵； 为服从高斯分布的扰动噪 声的协方差矩阵； 表示k+1时刻未知但有界部分的预测误差， 由全对称多胞体<0， Hk+1|k>表示， 生成矩 阵Hk+1|k为： Hk+1|k＝[AHk W]              (6)权　利　要　求　书 1/3 页 2 CN 115130293 A 2其中， Hk为k时刻未知但有界部分的估计误差的生成矩阵； W为未知但有界扰动噪声的生 成矩阵。 4.根据权利要求3所述的方法， 其特 征在于， 所述Step3包括： 根据下式(7)计算 k+1时刻状态的最优 估计值 其中， I为单位矩阵， yk+1为k+1时刻系统的输出， 表示k+1时刻状态的点估计， 表示 k+1时刻服从高斯分布 部分的估计误差， 协方差矩阵Pk+1为： C为输出矩阵； R为 服从高斯分布的测量噪声的协方差矩阵； 表示k+1时刻未知但有 界部分的估计误差， 由全对称多胞体<0， Hk+1>表示， 生成矩阵 Hk+1为： Hk+1＝[(I‑Kk+1C)Hk+1|k Kk+1V]          (11) V为未知但有界测量噪声的生成矩阵； Kk+1是k+1时刻的最优增益， 根据(10)和(1 1)得到最优准则为： 其中， tr(Pk+1)表示Pk+1的迹， 表示Hk+1的转置， ηk+1表示k+1时刻的最优权 重系数： 求解上式(12)所示的最优准则得到最优增益Kk+1： 其中Mk+1＝[Hk+1|k 0]， 将求解得到的最优增益Kk+1带入公式(8)得到最优增益下的k+1时刻状态的点估计； 将求解得到 的最优增益Kk+1分别带入公式(10)和(11)得到最优增益下k+1时刻服从高 斯分布 部分的估计误差， 以及最优增益下k+1时刻未知但有界部分的估计误差； 进而根据公式(7)计算得到最优 估计值 5.根据权利要求 4所述的方法， 其特 征在于， 所述Step4包括： 考虑未知但有界噪声的影响， 设定容 错区间， 根据k+ 1时刻温度的最优 估计值 确定k+ 1时刻的温度估计区间， 完成对动力电池运行状态下的温度估计 其中， 和 分别表示高斯状态估计误差置信区间的上界和下界， 和 分别表示 未知但有界状态估计误差区间的上界和下界。 6.根据权利要求5所述的方法， 其特 征在于， 所述Step1包括：权　利　要　求　书 2/3 页 3 CN 115130293 A 3