CN106291393A - 一种用于在线识别电池模型参数的方法 - Google Patents

Abstract

本发明涉及锂离子电池技术领域，特别是一种在线识别电池模型参数的方法。具体包括以下过程：步骤一、建立电池等效电路模型，建立电池模型方程，将电流、端电压作为已知量输入模型方程；步骤二、对电池模型方程进行变形，将开路电压、电阻和电容作为未知参数，获得差分方程；步骤三、通过参数识别计算出未知参数开路电压、电阻和电容。将开路电压作为未知参数，采用带遗忘因子的递推最小二乘法进行在线识别，不需要前期进行实验，降低了成本，简化了参数识别流程，并且减小了开路电压实验测量值与汽车实际运行时开路电压参数值得差异。

Description

一种用于在线识别电池模型参数的方法

技术领域

本发明涉及锂离子电池技术领域，特别是一种在线识别电池模型参数的方法。

背景技术

随着电动汽车的发展，准确的估算电池SOC(荷电状态)对电池管理系统的设计非常重要也是电动汽车发展中亟待解决的主要问题之一。因为电池SOC并不是一个可以直接测量的量，可以直接得到的数据只有电流、端电压和温度，所以只能通过一些直接测量的数据来估算SOC。目前比较常用的是采用卡尔曼滤波算法来估算SOC，而卡尔曼滤波算法是基于电池内部状态设计的算法，因此建立准确的电池模型是准确估算SOC的关键。

目前对电池的研究一般是建立电池的等效电路模型，将电池内部复杂的电化学反应转化为由电阻、电容、电源等电器元件组合成的等效电路，从而反映电池的外部特性。通过离线实验的方法可以确定出电池模型中的大致参数范围，但是汽车在实际运行过程中电池参数会随着温度、SOH等因素发生变化，而且每个电池的参数有差别，所以在此基础上引入电池参数的在线识别，对参数做出实时的修正，增强系统的适应性。

传统方法中，利用带遗忘因子的递推最小二乘法，将电流、端电压、开路电压作为已知量输入模型，而只将电阻、电容作为未知参数进行识别。其中电流、端电压可以直接测量得到，但是开路电压仍然需要通过离线实验得到不同温度和SOC下对应的开路电压值，增加了识别的复杂性，提高了成本，同时随着电池性能的衰减开路电压也会变化，由此估算出的SOC可能存在一定的误差。由此可以看出目前针对开路电压的识别主要存在成本高和准确度不能保证的问题。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供了一种在线识别电池模型参数的方法。

本发明采用的技术方案如下：一种在线识别电池模型参数的方法，具体包括以下过程：步骤一、建立电池等效电路模型，建立电池模型方程，将电流、端电压作为已知量输入模型方程；步骤二、对电池模型方程进行变形，将开路电压、电阻和电容作为未知参数，获得差分方程；步骤三、通过参数识别计算出未知参数开路电压、电阻和电容。

进一步的，所述电池模型方程为U₀(t)＝U_ocv-U_p(t)-i(t)*R，i(t)＝U_p(t)/R_p+C_p*d(U_p(t))/dt，其中，U_ocv为电池的开路电压，R为电池充放电内阻，R_p为电池的极化电阻，C_p为电池的极化电容，i(t)为电池的充放电电流，U₀为端电压，U_p为极化电压，所述U_ocv、R、R_p和C_p为未知参数，所述i(t)、U₀和U_p通过对电池进行实际测量得到已知参数。

进一步的，根据电池模型方程通过使用递推的最小二乘法进行拉氏变换得到其中I(s)为拉氏变换后的电流，U(s)为拉氏变换后的端电压，S为复频率；再进行离散化处理，给系统加上零阶保持器得其中T为采样时间；然后进行Z变换后整理得到对应的差分方程： 其中其中k为当前时刻，u(k)为当前时刻的端电压。

进一步的，令b＝-R，c＝Re^-θT，d＝u_ocv(k)-au_ocv(k-1)，则u(k)＝au(k-1)+bi(k)+ci(k-1)+d，通过参数识别求解到a，b，c，d；则获取到未知参数：电池的极化电阻电池的极化电容电池的开路电压u_ocv(k)＝d+au_ocv(k-1)。

与现有技术相比，采用上述技术方案的有益效果为：本发明不通过实验得到电池模型中的开路电压，而是将开路电压作为未知参数，采用带遗忘因子的递推最小二乘法进行在线识别，不需要前期进行实验，降低了成本，简化了参数识别流程，并且减小了开路电压实验测量值与汽车实际运行时开路电压参数值得差异，同时电池模型除了输入测得的电流和端电压外，不需要额外输入参数，减小了其他因素对电池模型的影响。

附图说明

图1是本发明电池等效电路模型结构示意图。

具体实施方式

下面结合附图对本发明做进一步描述。

一种在线识别电池模型参数的方法，具体包括以下过程：步骤一、建立电池等效电路模型，如图1所示，电池的极化电容C_p与电池的极化内阻R_p并联后依次连接电池的开路电压U_ocv和电池的充放电内阻R形成串联电路，所述串联电路的两端为端电压U₀，建立电池模型方程，将电流、端电压作为已知量输入模型方程；步骤二、对电池模型方程进行变形，将开路电压、电阻和电容作为未知参数，获得差分方程；步骤三、通过参数识别计算出未知参数开路电压、电阻和电容。可以不用通过离线实验的方法测量不同温度和SOC下对应的开路电压，降低参数识别的复杂性，而且随着电池的使用，开路电压会变化，离线测量会有一定的误差，将电池的开路电压与电阻和电容一起做为未知参数，进行在线识别，对电池参数做出实时修正。

所述电池模型方程为：

U₀(t)＝U_ocv-U_p(t)-i(t)*R (1-1)，

i(t)＝U_p(t)/R_p+C_p*d(U_p(t))/dt (1-2)，

其中，U_ocv为电池的开路电压，R为电池充放电内阻，R_p为电池的极化电阻，C_p为电池的极化电容，i(t)为电池的充放电电流，U₀为端电压，U_p为极化电压，所述U_ocv、R、R_p和C_p为未知参数，所述i(t)、U₀和U_p通过对电池进行实际测量得到已知参数。

根据电池模型方程通过使用递推的最小二乘法进行拉氏变化得到：

$I\left(s\right)=\frac{({\mathrm{sR}}_P{C}_p+1)\left(U_{ocv}\right(s)-U(s\left)\right)}{{\mathrm{sRR}}_P{C}_p+R+R_p}---(1-3),$

其中I(s)为拉氏变换后的电流，S为复频率，U(s)为拉氏变换后的端电压；为了在计算机中运行，需要进行离散化处理，因此给系统加上零阶保持器得:

$I\left(s\right)=\frac{1-e^{-sT}}{s}\×\frac{({\mathrm{sR}}_P{C}_p+1)\left(U_{ocv}\right(s)-U(s\left)\right)}{{\mathrm{sRR}}_P{C}_p+R+R_p}---(1-4),$

其中T为系统采样时间；然后进行Z变化后整理得到对应的差分方程：

$\begin{array}{c}u\left(k\right)=\[1-\frac{R(1-e^{-\mathrm{\θ}T})}{R+R_P}\]u(k-1)-Ri\left(k\right)+{\mathrm{Re}}^{-\mathrm{\θ}T}i(k-1)+u_{ocv}\left(k\right)-\\ \[1-\frac{R(1-e^{-\mathrm{\θ}T})}{R+R_P}\]u_{ocv}(k-1)\end{array}---(1-5),$

其中其中k为当前时刻，u(k)为当前时刻的端电压。令b＝-R，c＝Re^-θT，d＝u_ocv(k)-au_ocv(k-1)，上式(1-5)可以表示为：

u(k)＝au(k-1)+bi(k)+ci(k-1)+d (1-6)。

将多项式方程(1-6)化为如下形式：

其中，u(k)为当前时刻的端电压，通过当前时刻度对电池包的实际测量得到，η＝[a b c d]^T，u(k)、i(k)为观测数据，是通过对电池包进行离线实际测的参数，η是估计参数。本实施例测量了m组观测数据，可得到向量U的方程式：

U＝Φη+e (1-8)

$\mathrm{\Φ}=\left[\begin{array}{cccc}u\left(0\right),& i\left(1\right),& i\left(0\right),& 1\\ u\left(1\right),& i\left(2\right),& i\left(1\right),& 1\\ u\left(2\right),& i\left(3\right),& i\left(2\right),& 1\\ & ......& & \\ u(m-1),& i\left(m\right),& i(m-1),& 1\end{array}\right]$

U＝[u(1)，u(2)，u(3)……u(m)]^T

令当时J的值最小，则求得估计参数

系统运行时，引入一组新的观测数据，就利用新引入的数据按递推公式去修正前次估计的结果，从而得到新的参数估计值。

增加新的观测数据后的矩阵为

其中，Y_N为前N个观测数据的矩阵。

引入遗忘因子ρ(0≤ρ≤1)的数据矩阵为

由此得到递推最小二乘算法的递推公式如下：

其中为当前时刻的估计值，为上一时刻的估计值，G_N+1为当前时刻的增益因子，P_N+1为当前时刻的误差矩阵。

为了启动该算法，需要提供初始的η和P，令η＝[1；1；1；1],P＝[10^10 0 0 0；0 10^10 0 0；0 0 10^10 0；0 0 0 10^10]。

通过参数识别求解得到a，b，c，d，则获取到未知参数：电池的极化电阻电池的极化电容电池的开路电压u_ocv(k)＝d+au_ocv(k-1)。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (4)

1.一种在线识别电池模型参数的方法，其特征在于：包括以下过程：步骤一、建立电池等效电路模型，建立电池模型方程，将电流、端电压作为已知量输入模型方程；步骤二、对电池模型方程进行变形，将开路电压、电阻和电容作为未知参数，获得差分方程；步骤三、通过参数识别计算出未知参数开路电压、电阻和电容。

2.如权利要求1所述的在线识别电池模型参数的方法，其特征在于：所述电池模型方程为U₀(t)＝U_ocv-U_p(t)-i(t)*R，i(t)＝U_p(t)/R_p+C_p*d(U_p(t))/dt，其中，U_ocv为电池的开路电压，R为电池充放电内阻，R_p为电池的极化电阻，C_p为电池的极化电容，i(t)为电池的充放电电流，U₀为端电压，U_p为极化电压，所述U_ocv、R、R_p和C_p为未知参数，所述i(t)、U₀和U_p通过对电池进行实际测量得到已知参数。

3.如权利要求2所述的在线识别电池模型参数的方法，其特征在于：根据电池模型方程通过使用递推的最小二乘法进行拉氏变换得到其中I(s)为拉氏变换后的电流，U(s)为拉氏变换后的端电压，S为复频率；再进行离散化处理，给系统加上零阶保持器得其中T为采样时间；然后进行Z变换后整理得到对应的差分方程： 其中其中为当前时刻，u(k)为当前时刻的端电压。

4.如权利要求3所述的在线识别电池模型参数的方法，其特征在于：令b＝-R，c＝Re^-θT，d＝u_ocv(k)-au_ocv(k-1)，则u(k)＝au(k-1)+bi(k)+ci(k-1)+d，通过参数识别求解到a，b，c，d；则获取到未知参数：电池的极化电阻电池的极化电容电池的开路电压u_ocv(k)＝d+au_ocv(k-1)。