CN103645377A - 基于动态矩阵控制算法的电池许用功率预测方法 - Google Patents
基于动态矩阵控制算法的电池许用功率预测方法 Download PDFInfo
- Publication number
- CN103645377A CN103645377A CN201310721633.7A CN201310721633A CN103645377A CN 103645377 A CN103645377 A CN 103645377A CN 201310721633 A CN201310721633 A CN 201310721633A CN 103645377 A CN103645377 A CN 103645377A
- Authority
- CN
- China
- Prior art keywords
- battery
- control algorithm
- nominal power
- model
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000011159 matrix material Substances 0.000 title claims abstract description 8
- 230000010287 polarization Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000002459 sustained effect Effects 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000007599 discharging Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
Abstract
本发明公开了基于动态矩阵控制算法的电池许用功率预测方法,包括以下步骤:基于电池等效电路模型及动态矩阵控制算法原理建立电池模型表达式;利用采集的电池端电压与电流基于最小二乘法在线辨识电池模型参数;以当前的电池模型参数为基准,结合设定的电池截止电压,通过动态矩阵预测算法结合二分法预测未来一段时间内电池最大持续放电电流;根据计算的电池最大持续电流及设定的电池截止电压获得电池许用功率。本发明的有益效果是引入动态矩阵控制算法用于模型参数识别及电池状态预测,提高了电池许用功率的预测精度。
Description
技术领域
本发明涉及电池参数预估,具体涉及基于动态矩阵控制算法的电池许用功率预测方法。背景技术
混合动力汽车的核心技术是能量管理策略,合理的能量管理策略有利于充分利用发动机和电机各自的优势,达到良好的节能减排效果。
制定合理的能量管理策略需要实时获取电池的SOC(State of charge)、SOH(State ofhealth)及电池的瞬态许用功率。在上述参数中,SOC、SOH的精确估算前人已经进行了大量的研究工作,也取得了令人满意的结果。电池的剩余许用功率的估计难点是不同的电池老化程度、使用环境及工作模式下,电池的参数不同。故电池剩余许用功率的准确预估,不仅依赖于电池模型的精确,同时依赖于电池模型参数辨识的精度。
发明内容
为解决现有技术存在的不足,本发明公开了基于动态矩阵控制算法的电池许用功率预测方法,利用动态矩阵控制算法将电池等效电路模型线性化,通过最小二乘法进行模型参数在线辨识,利用动态矩阵控制算法的超前预估功能进行电池可用功率的预测的新方法。这种方法区别于前人工作是引入动态矩阵控制算法用于模型参数识别及电池状态预测。
为实现上述目的,本发明的具体方案如下:
基于动态矩阵控制算法的电池许用功率预测方法,包括以下步骤:
步骤一:基于电池等效电路模型及动态矩阵控制算法原理建立电池模型表达式;
步骤二:利用采集的电池端电压与电流基于最小二乘法在线辨识电池模型参数;
步骤三:以当前的电池模型参数为基准,结合设定的电池截止电压,通过动态矩阵预测算法预测未来一段时间内电池最大持续放电电流;
步骤四:根据计算的电池最大持续电流及设定的电池截止电压获得电池许用功率。
所述步骤一中电池等效电路模型为多阶RC等效电路模型。
所述电池模型表达式为:
RiCi用于描述电池的浓差极化及电化学极化等动态特性,i=1,2,…,n,电池端电压的描述式为:
其中,Ri、Ci分别为电池的极化内阻和极化电容,I表示流过电池的总电流。
将多阶RC等效电路模型的动态响应部分RiCi网络用一个有限项采样值Ai=(ai1,ai2,…aiN)描述,其中aij表示第i阶RiCi网络在未来j时刻对单位阶跃响应的采样值,Ni为第i阶RiCi网络输出稳定所需要的时域长度,k时刻电池端电压的多阶RC等效电路模型表达式如下:
所述步骤二的具体过程为:电池等效电路模型参数辨识依据实测的电池电流及电压信号,通过选择恰当的时域长度Ni来描述RiCi值,利用最小二乘法在线辨识上式模型表达式中的模型参数,获得模型参数的在线辨识结果。
恰当的时域长度:通过对实测的电池电流信号进行傅里叶变化,得到电池电流信号的频带范围,从而求出刻画频带范围时域长度Ni。
上式模型表达式中的描述电池状态的模型参数,其中包括电池开路电压、电池欧姆内阻、电池极化内阻、电池极化电容。
所述步骤三的具体过程为:以当前的电池状态为基准,设定的放电截止电压,通过动态矩阵控制算法,结合步骤二提取的模型参数,利用二分法推算未来Δt时间内的最大持续放电电流,电池许用功率计算依据
P=UlimitImax,
其中P为电池的许用功率,Ulimit代表设定的放电截止电压,Imax为电池Δt内的最大持续放电电流。
电池许用功率:电池在当前状态下还有多大功率可用。
本发明的有益效果:
本发明的有益效果是引入动态矩阵控制算法用于模型参数识别及电池状态预测,提高了电池许用功率的预测精度。本发明高精度的原因是通过在线辨识模型参数用于电池许用功率的预测,解决了电动汽车运行过程中,电池工作环境多变,且随着电池的老化,电池的模型参数会发生改变的问题。同时本发明利用动态矩阵算法在预测方面的优势,具有适用性强的特点,使用本发明还可以通过限制电池的最大电流,保护电池,从而延长电池的使用寿命。
附图说明
图1为本发明采用的电池模型原理图;
图2为本发明提出的电池许用功率预测方法流程图。
具体实施方式:
下面结合附图对本发明进行详细说明:
本发明包括电池等效电路模型方程建立、电池等效电路模型参数辨识、电池许用功率预测。
图1为等效电路模型方程建立所采用的电池模型示意图,当然本发明不限于此电池模型,这里只是为了便于阐述。基于基尔霍夫定律得到附图1所示电池等效电路模型关系式:
其中,Ri、Ci分别为电池的极化内阻和极化电容,I表示流过电池的总电流。
动态矩阵控制算法是一种基于对象阶跃响应的预测控制算法,它能够以模型为基础,根据当前已知的输入输出数据及假设的未来输入来预测系统未来的输出。
基于上述原理,将多阶RC等效电路模型的动态响应部分RiCi网络用一个有限项采样值Ai=(ai1,ai2,…aiN)描述,其中aij表示第i阶RiCi网络在未来j时刻对单位阶跃响应的采样值,Ni为第i阶RiCi网络输出稳定所需要的时域长度。k时刻电池端电压的多阶RC等效电路模型如下:
图2为本发明提出的电池许用功率预测方法流程图。电池许用功率预测方法主要分为4个阶段。
电池模型表达式建立阶段是基于电池等效电路模型及动态矩阵控制算法原理,建立用于电池许用功率预测的电池模型表达式。
在线辨识模型参数阶段,依据实测的电池电流及电压信号进行,对实测的电池电流信号进行频域分析,从而选择恰当的时域长度Ni来描述RiCi值,然后利用最小二乘法在线辨识上式模型表达式中的模型参数。通过对实测的电池电流信号进行傅里叶变化,得到电池电流信号的频带范围,从而求出刻画频带范围时域长度Ni;上式模型表达式中的描述电池状态的模型参数,其中包括电池开路电压、电池欧姆内阻、电池极化内阻、电池极化电容。
未来一段时间内电池最大持续电流计算阶段,以在线辨识得到的电池模型参数作为当前的电池状态为基准,结合设定的放电截止电压,通过动态矩阵控制算法,结合上述提取的模型参数,利用二分法推算未来一段时间内的最大持续放电电流。
电池许用功率计算阶段,计算的电池最大持续电流及设定的电池放电截止电压,依据P=UlimitImax来计算电池许用功率,其中P为电池的许用功率,Ulimit代表设定的放电截止电压,Imax为电池Δt内的最大持续放电电流。
Claims (7)
1.基于动态矩阵控制算法的电池许用功率预测方法,其特征是,包括以下步骤:
步骤一:基于电池等效电路模型及动态矩阵控制算法原理建立电池模型表达式;
步骤二:利用采集的电池端电压与电流基于最小二乘法在线辨识电池模型参数;
步骤三:以当前的电池模型参数为基准,结合设定的电池截止电压,通过动态矩阵预测算法预测未来一段时间内电池最大持续放电电流;
步骤四:根据计算的电池最大持续电流及设定的电池截止电压获得电池许用功率。
2.如权利要求1所述的基于动态矩阵控制算法的电池许用功率预测方法,其特征是,所述步骤一中电池等效电路模型为多阶RC等效电路模型。
4.如权利要求3所述的基于动态矩阵控制算法的电池许用功率预测方法,其特征是,所述RiCi用于描述电池的浓差极化及电化学极化等动态特性,i=1,2,…,n,电池端电压的描述式为:
其中,Ri、Ci分别为电池的极化内阻和极化电容,I表示流过电池的总电流。
5.如权利要求4所述的基于动态矩阵控制算法的电池许用功率预测方法,其特征是,将多阶RC等效电路模型的动态响应部分RiCi网络用一个有限项采样值Ai=(ai1,ai2,…aiN)描述,其中aij表示第i阶RiCi网络在未来j时刻对单位阶跃响应的采样值,Ni为第i阶RiCi网络输出稳定所需要的时域长度,k时刻电池端电压的多阶RC等效电路模型表达式如下:
6.如权利要求1所述的基于动态矩阵控制算法的电池许用功率预测方法,其特征是,所述步骤二的具体过程为:电池等效电路模型参数辨识依据实测的电池电流及电压信号,通过选择恰当的时域长度Ni来描述RiCi值,利用最小二乘法在线辨识上式模型表达式中的模型参数,获得模型参数的在线辨识结果。
7.如权利要求1所述的基于动态矩阵控制算法的电池许用功率预测方法,其特征是,所述步骤四的具体过程为:以当前的电池状态为基准,设定的放电截止电压,通过动态矩阵控制算法,结合步骤二提取的模型参数,利用二分法推算未来Δt时间内的最大持续放电电流,电池许用功率计算依据
P=UlimitImax,
其中P为电池的许用功率,Ulimit代表设定的放电截止电压,Imax为电池Δt内的最大持续放电电流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310721633.7A CN103645377B (zh) | 2013-12-24 | 2013-12-24 | 基于动态矩阵控制算法的电池许用功率预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310721633.7A CN103645377B (zh) | 2013-12-24 | 2013-12-24 | 基于动态矩阵控制算法的电池许用功率预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103645377A true CN103645377A (zh) | 2014-03-19 |
CN103645377B CN103645377B (zh) | 2016-02-24 |
Family
ID=50250627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310721633.7A Expired - Fee Related CN103645377B (zh) | 2013-12-24 | 2013-12-24 | 基于动态矩阵控制算法的电池许用功率预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103645377B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926538A (zh) * | 2014-05-05 | 2014-07-16 | 山东大学 | 基于aic准则的变阶数rc等效电路模型及实现方法 |
CN103935260A (zh) * | 2014-05-08 | 2014-07-23 | 山东大学 | 一种基于电池安全保护的电池管理方法 |
CN104483539A (zh) * | 2015-01-08 | 2015-04-01 | 湖南大学 | 一种基于泰勒展开式的有功功率快速测量方法 |
CN105277895A (zh) * | 2015-09-30 | 2016-01-27 | 上海凌翼动力科技有限公司 | 一种串联电池组功率状态sop的在线估计方法及其应用 |
CN107991881A (zh) * | 2017-12-20 | 2018-05-04 | 东南大学 | 一种基于多模型预测控制的固体氧化物燃料电池非线性抑制方法 |
CN108226797A (zh) * | 2018-01-02 | 2018-06-29 | 国机智骏(北京)汽车科技有限公司 | 动力电池sop的估算方法、装置及具有其的车辆 |
CN109613330A (zh) * | 2018-11-19 | 2019-04-12 | 创驱(上海)新能源科技有限公司 | 一种超级电容器最大可用功率预估方法 |
CN109738809A (zh) * | 2019-01-10 | 2019-05-10 | 上海动力储能电池系统工程技术有限公司 | 动力与储能电池功率特性的估计方法 |
CN110244228A (zh) * | 2019-07-17 | 2019-09-17 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池控制方法及装置 |
CN110515001A (zh) * | 2019-09-07 | 2019-11-29 | 创新奇智(广州)科技有限公司 | 一种基于充放电的两阶段电池性能预测方法 |
CN114208299A (zh) * | 2019-05-21 | 2022-03-18 | 瑞典爱立信有限公司 | 用于低功率装置的电池寿命优化 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110031766B (zh) * | 2019-04-28 | 2021-06-04 | 广州小鹏汽车科技有限公司 | 电池许用功率估算方法及模块、电池功率管理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195235A1 (en) * | 2006-12-19 | 2008-08-14 | Chevron U.S.A. Inc. | System, method and program for dynamic control and optimization of a process having manipulated and controlled variables |
CN102778650A (zh) * | 2011-05-11 | 2012-11-14 | 本田技研工业株式会社 | 电动车辆的电池余量估计装置 |
CN102841539A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的亚临界协调控制方法 |
CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
-
2013
- 2013-12-24 CN CN201310721633.7A patent/CN103645377B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080195235A1 (en) * | 2006-12-19 | 2008-08-14 | Chevron U.S.A. Inc. | System, method and program for dynamic control and optimization of a process having manipulated and controlled variables |
CN102778650A (zh) * | 2011-05-11 | 2012-11-14 | 本田技研工业株式会社 | 电动车辆的电池余量估计装置 |
CN102841539A (zh) * | 2012-09-10 | 2012-12-26 | 广东电网公司电力科学研究院 | 基于多模型预测控制的亚临界协调控制方法 |
CN103293485A (zh) * | 2013-06-10 | 2013-09-11 | 北京工业大学 | 基于模型的蓄电池荷电状态估计方法 |
Non-Patent Citations (4)
Title |
---|
GREGORY L. PLETT: "Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs Part 1. Background", 《JOURNAL OF POWER SOURCES》, vol. 134, 9 June 2004 (2004-06-09), pages 252 - 261, XP004521735, DOI: doi:10.1016/j.jpowsour.2004.02.031 * |
R D KOKATE1,ETC: "Review of Tuning Methods of DMC and Performance Evaluation with PID Algorithms on a FOPDT Mode", 《INTERNATIONAL JOURNAL OF CONTROL AND AUTOMATION》, vol. 4, no. 2, 30 June 2011 (2011-06-30), pages 95 - 110 * |
张彦琴等: "铅酸电池模型及参数辨识研究", 《蓄电池》, no. 3, 30 June 2013 (2013-06-30) * |
张晶: "动态矩阵控制算法研究及其应用", 《中国优秀硕士学位论文全文数据库 信息科技辑Ⅱ40-3》, 15 October 2009 (2009-10-15) * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926538A (zh) * | 2014-05-05 | 2014-07-16 | 山东大学 | 基于aic准则的变阶数rc等效电路模型及实现方法 |
CN103926538B (zh) * | 2014-05-05 | 2016-10-05 | 山东大学 | 基于aic准则的变阶数rc等效电路模型及实现方法 |
CN103935260A (zh) * | 2014-05-08 | 2014-07-23 | 山东大学 | 一种基于电池安全保护的电池管理方法 |
CN103935260B (zh) * | 2014-05-08 | 2015-10-28 | 山东大学 | 一种基于电池安全保护的电池管理方法 |
CN104483539A (zh) * | 2015-01-08 | 2015-04-01 | 湖南大学 | 一种基于泰勒展开式的有功功率快速测量方法 |
CN104483539B (zh) * | 2015-01-08 | 2017-02-22 | 湖南大学 | 一种基于泰勒展开式的有功功率快速测量方法 |
CN105277895A (zh) * | 2015-09-30 | 2016-01-27 | 上海凌翼动力科技有限公司 | 一种串联电池组功率状态sop的在线估计方法及其应用 |
CN105277895B (zh) * | 2015-09-30 | 2018-01-26 | 上海凌翼动力科技有限公司 | 一种串联电池组功率状态sop的在线估计方法及其应用 |
CN107991881A (zh) * | 2017-12-20 | 2018-05-04 | 东南大学 | 一种基于多模型预测控制的固体氧化物燃料电池非线性抑制方法 |
CN108226797A (zh) * | 2018-01-02 | 2018-06-29 | 国机智骏(北京)汽车科技有限公司 | 动力电池sop的估算方法、装置及具有其的车辆 |
CN108226797B (zh) * | 2018-01-02 | 2020-08-07 | 国机智骏(北京)汽车科技有限公司 | 动力电池sop的估算方法、装置及具有其的车辆 |
CN109613330A (zh) * | 2018-11-19 | 2019-04-12 | 创驱(上海)新能源科技有限公司 | 一种超级电容器最大可用功率预估方法 |
CN109738809A (zh) * | 2019-01-10 | 2019-05-10 | 上海动力储能电池系统工程技术有限公司 | 动力与储能电池功率特性的估计方法 |
CN114208299A (zh) * | 2019-05-21 | 2022-03-18 | 瑞典爱立信有限公司 | 用于低功率装置的电池寿命优化 |
CN114208299B (zh) * | 2019-05-21 | 2024-04-16 | 瑞典爱立信有限公司 | 用于低功率装置的电池寿命优化 |
CN110244228A (zh) * | 2019-07-17 | 2019-09-17 | 东软睿驰汽车技术(沈阳)有限公司 | 一种电池控制方法及装置 |
CN110515001A (zh) * | 2019-09-07 | 2019-11-29 | 创新奇智(广州)科技有限公司 | 一种基于充放电的两阶段电池性能预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103645377B (zh) | 2016-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103645377B (zh) | 基于动态矩阵控制算法的电池许用功率预测方法 | |
CN103472403B (zh) | 一种基于pngv等效电路模型的动力电池soc复合估计方法 | |
CN104502858B (zh) | 基于后向差分离散模型的动力电池soc估计方法与系统 | |
CN112834945B (zh) | 评估模型建立方法、电池健康状态评估方法及相关产品 | |
CN102680795B (zh) | 一种二次电池内阻的实时在线估计方法 | |
CN103675706B (zh) | 一种动力电池电荷量估算方法 | |
CN103163480B (zh) | 锂电池健康状态的评估方法 | |
CN103308864B (zh) | 二次电池soh值估算和剩余寿命测试方法 | |
CN105093114B (zh) | 一种电池在线建模与荷电状态的联合估计方法及系统 | |
CN102788957B (zh) | 一种动力电池荷电状态估算方法 | |
CN102981125B (zh) | 一种基于rc等效模型的动力电池soc估计方法 | |
CN102944848B (zh) | 一种动力电池剩余电量实时评估方法及其装置 | |
CN103323781B (zh) | 动力电池组在线参数检测系统及soc估计方法 | |
CN106405433A (zh) | 一种基于扩展卡尔曼粒子滤波的soc估计方法及系统 | |
CN106772104B (zh) | 一种动力电池soc值估算方法 | |
CN103259055B (zh) | 一种方便操作的电动车用电池组ocv-soc曲线的修正电路及方法 | |
CN103529398A (zh) | 基于扩展卡尔曼滤波的锂离子电池soc在线估计方法 | |
CN103529393A (zh) | 一种汽车动力锂电池soc估算方法 | |
CN104849672A (zh) | 基于等效电路模型的锂电池动态阻抗参数识别方法 | |
CN103472398A (zh) | 基于扩展卡尔曼粒子滤波算法的动力电池soc估计方法 | |
CN104122447A (zh) | 一种电动汽车动力电池组直流阻抗的在线估算方法 | |
CN102937704A (zh) | 一种动力电池rc等效模型的辨识方法 | |
CN104678320A (zh) | 基于内阻在线测试的动力电池寿命监控方法 | |
CN104614676A (zh) | 考虑储能电池脉冲电流响应特性的等效电路模型建模方法 | |
CN104360286A (zh) | 一种锂离子电池荷电状态估算修正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160224 |