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Asdelta_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socUocekf=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。

3.结果验证

3.1 端电压对比

真实端电压与估计出的端电压的对比图如下：红色的线是扩展卡尔曼滤波估算的端电压误差。

 3.2 SOC对比

          真实SOC与估计出的SOC的对比图以及误差图如下：红色的线是扩展卡尔曼滤波估算的SOC。最大误差小于0.7%，具有较高精度。

             这期就写到这里，下一期讲一下如何使用无迹卡尔曼滤波估计SOC以及如何在simulink中实现。拜拜。

           还没完，刚入门电池管理SOC估计这块的福利来啦，下面是我硕博期间编写以及搜集到的有关SOC估计的程序、模型、电池测试数据共110多个文件，需要学习的小伙伴们找我拿呀！！！！

硕博期间所有的程序代码，一共2个多g，可以给你指导，赠送半个小时的语音电话答疑。电池数据+辨识程序+各种卡尔曼滤波算法都在里面了，后续还会有新模型的更新。快速入门BMS软件。某鹅：2629471989