CN107390138A - 动力电池等效电路模型参数迭代辨识新方法 - Google Patents

动力电池等效电路模型参数迭代辨识新方法 Download PDF

Info

Publication number
CN107390138A
CN107390138A CN201710823675.XA CN201710823675A CN107390138A CN 107390138 A CN107390138 A CN 107390138A CN 201710823675 A CN201710823675 A CN 201710823675A CN 107390138 A CN107390138 A CN 107390138A
Authority
CN
China
Prior art keywords
parameter
electrokinetic cell
circuit model
cell equivalent
value
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
Application number
CN201710823675.XA
Other languages
English (en)
Other versions
CN107390138B (zh
Inventor
张承慧
周忠凯
段彬
商云龙
李岩
崔纳新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201710823675.XA priority Critical patent/CN107390138B/zh
Priority to PCT/CN2017/108919 priority patent/WO2019051956A1/zh
Priority to US16/644,329 priority patent/US11156668B2/en
Publication of CN107390138A publication Critical patent/CN107390138A/zh
Application granted granted Critical
Publication of CN107390138B publication Critical patent/CN107390138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644Constructional arrangements
    • G01R31/3648Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367Software therefor, e.g. for battery testing using modelling or look-up tables

Abstract

本发明提出了一种动力电池等效电路模型参数迭代辨识新方法,包括:基于迭代学习理论,首先将模型参数分为两部分,其中一部分参数设置初值,采用最小二乘法辨识另一组参数,若另一组参数满足所设置范围要求,则将所得参数设为已知,同样采用最小二乘法辨识第一组参数,若不满足所设置的范围要求,则设置参数为零,继续迭代循环,直到所有的参数都满足要求则退出迭代循环。

Description

动力电池等效电路模型参数迭代辨识新方法
技术领域
本发明涉及动力电池技术领域,尤其涉及一种动力电池等效电路模型参数迭代辨识新方法。
背景技术
与传统燃油车不同的是,以动力电池为载体的电动汽车需要实时估计电池包的荷电状态SOC、峰值功率SOP和健康状态SOH等,这些状态量不能直接测取,需要基于准确的电池模型估计得到,并且状态量估计的准确性直接关系到电动汽车的整车安全,不容小觑。因此,建立精确的电池模型一直是近几年学术界和工业界研究的焦点和难点。
等效电路模型因结构简单、计算量小、模型精度较高而得到广泛使用,但是传统的模型参数辨识往往只采用恒流段的充放电电流数据或者静置段的电压数据,由此得到的电池模型并不能适应复杂工况的要求,精度低;另外,模型参数辨识寻求的是实验数据与模型输出之间误差最小,这样很容易使得所得参数并不能满足实际模型的要求,例如辨识所得的电容、电阻值为负值,这与模型参数的物理特性相悖。
发明内容
本发明的目的就是为了解决上述问题,提出了一种动力电池等效电路模型参数迭代辨识新方法,该辨识方法基于迭代学习理论,在参数辨识过程中可以设置参数的取值范围,不会出现电容、电阻值为负的情况,使得模型参数具有物理意义。
为了实现上述目的,本发明采用如下技术方案:
一种动力电池等效电路模型参数迭代辨识新方法,包括:
(1)将动力电池等效电路模型的参数分为两个部分;
(2)为第一部分参数设置初值,采用最小二乘法辨识得到第二部分参数的值;
(3)判断所得第二部分的参数值是否满足动力电池等效电路模型的要求(例如计算所得模型中的电阻R、电容C应该都大于零并小于某个值,参数范围可以根据经验适当调节),如果不满足,则设置第二部分中的不满足要求的参数为零,此时第二部分参数已知,采用最小二乘法辨识得到第一部分的参数值,执行步骤(4);
如果满足要求,则根据得到的第二部分参数值,采用最小二乘法辨识得到第一部分参数的值,执行步骤(4);
(4)判断所得第一部分的参数值是否满足动力电池等效电路模型的要求,如果不满足,则设置第一部分中不满足要求的参数为零,执行步骤(5);
如果满足要求,则将得到的第一部分的参数值设置为第一部分参数的初值,执行步骤(5);
(5)如果第一部分参数和第二部分参数均满足动力电池等效电路模型的要求,则迭代过程结束,否则,返回步骤(2)继续迭代计算。
进一步地,假设动力电池等效电路模型的过程方程为:
y=ψθ+n;
将参数θ分为两θ1和θ2两部分;
其中,y是动力电池等效电路模型的系统输出,ψ是动力电池等效电路模型的输入数据矩阵,θ是待辨识的动力电池等效电路模型参数,n是干扰噪声。
进一步地,设置参数初始值θ1=θ10,采用最小二乘法辨识得到参数θ2的值;具体为:
θ2=(ψTψ)-1ψT(y-ψθ10)。
进一步地,采用最小二乘法辨识得到第一部分参数的值具体为:
θ1=(ψTψ)-1ψT(y-ψθ2)。
进一步地,将动力电池等效电路模型中与电压相关的参数分为一类,与电流相关的参数分为另一类。
本发明有益效果:
(1)可以实现电池模型参数在复杂工况下辨识,从而提高了电池模型的适应性。
(2)在参数辨识过程中可以设置参数的取值范围,不会出现电容、电阻值为负的情况,使得模型参数具有物理意义。
说明书附图
图1为二阶RC等效电路模型。
具体实施方式
下面结合附图和具体实施例对本发明作进一步介绍。
本发明公开了一种动力电池等效电路模型参数迭代辨识新方法,包括:
基于迭代学习理论,首先将模型参数分为两部分,其中一部分参数设置初值,采用最小二乘法辨识另一组参数,若另一组参数满足所设置范围要求,则将所得参数设为已知,同样采用最小二乘法辨识第一组参数,若不满足所设置的范围要求,则设置参数为零,继续迭代循环,直到所有的参数都满足要求则退出迭代循环。
下面详细说明该方法的实现步骤:
假设系统的过程方程可以写为:
y=ψθ+n (1)
上式中y是系统输出,ψ是输入数据矩阵,θ是待辨识的参数,n是干扰噪声。将参数θ分为两部分θ1和θ2,公式(1)可以被写为:
y-ψθ1=ψθ2+n (2)
作为一种优选的实施方式,在对模型参数进行划分的时候,将与电压相关的参数分为一类,与电流相关的参数分为另一类;但具体实施上并无特别要求,可以根据实际需要自行划分。
步骤一:设置初始值θ1=θ10,采用最小二乘法辨识得到:
θ2=(ψTψ)-1ψT(y-ψθ10) (3)
步骤二:判断θ2是否满足要求,若不满足要求则设置θ2中的参数为零,若满足要求,则使用得到的θ2辨识参数θ1
θ1=(ψTψ)-1ψT(y-ψθ2) (4)
步骤三:同理,判断θ1是否满足要求,若不满足要求则设置θ1中的参数为零,若满足要求,则使用得到的θ1作为初始值返回到步骤一,直到θ1和θ2都满足要求,则退出循环。
下面以二阶RC等效电路模型为例对本发明方法列举实施例如下:
如图1所示是二阶RC等效电路模型,Uoc代表电池开路电压,R0代表电池直流内阻,R1和C1表示电池充放电过程中电化学极化过程,R2和C2表示电池充放电过程中浓差极化过程,U表示电池的端电压,电池放电时电流方向如图中i所示,规定放电时电流取正值,充电时电流取负值。
二阶等效电路模型的传递函数可以表示为传递函数为
将上式离散化可以得到:
上式又可以整理为:
V(k)+a′1V(k-1)+a′2V(k-2)=b′0I(k)+b′1I(k-1)+b′2I(k-2) (7)
然后,根据(7)式构造如下两个方程:
采用上面描述的迭代辨识的步骤如下:
步骤1:根据事先了解的系统特性设置a′1和a′2初值范围,采用最小二乘法,辨识得到公式(8)中b′0,b′1,b′2,如果b′0>0,b′1<0,b′2>0某个条件不满足,相应地,则有某个b′i=0(i=0,1,2);
步骤2:将上一步得到的b′0,b′1,b′2代入公式(8)中第二个式子中,采用最小二乘法得到a′1和a′2,如果a′1<0,a′2>0某个条件不满足,相应地,则有某个a′i=0(i=1,2);
步骤3:如果所有参数都满足要求,则退出迭代循环,否则,回到步骤1,循环迭代N步,直到满足条件为止,如果N步后仍然不满足条件,则减弱条件要求,重新迭代循环。最后得到参数的辨识结果
步骤4:根据上述参数与模型参数的关系求解出R0、R1、C1、R2、C2
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (5)

1.一种动力电池等效电路模型参数迭代辨识新方法,其特征在于,包括:
(1)将动力电池等效电路模型的参数分为两个部分;
(2)为第一部分参数设置初值,采用最小二乘法辨识得到第二部分参数的值;
(3)判断所得第二部分的参数值是否满足动力电池等效电路模型的要求,如果不满足,则设置第二部分中的不满足要求的参数为零,此时第二部分参数已知,采用最小二乘法辨识得到第一部分的参数值,执行步骤(4);
如果满足要求,则根据得到的第二部分参数值,采用最小二乘法辨识得到第一部分参数的值,执行步骤(4);
(4)判断所得第一部分的参数值是否满足动力电池等效电路模型的要求,如果不满足,则设置第一部分中不满足要求的参数为零,执行步骤(5);
如果满足要求,则将得到的第一部分的参数值设置为第一部分参数的初值,执行步骤(5);
(5)如果第一部分参数和第二部分参数均满足动力电池等效电路模型的要求,则迭代过程结束,否则,返回步骤(2)继续迭代计算。
2.如权利要求1所述的一种动力电池等效电路模型参数迭代辨识新方法,其特征在于,假设动力电池等效电路模型的过程方程为:
y=ψθ+n;
将参数θ分为两θ1和θ2两部分;
其中,y是动力电池等效电路模型的系统输出,ψ是动力电池等效电路模型的输入数据矩阵,θ是待辨识的动力电池等效电路模型参数,n是干扰噪声。
3.如权利要求2所述的一种动力电池等效电路模型参数迭代辨识新方法,其特征在于,设置参数初始值θ1=θ10,采用最小二乘法辨识得到参数θ2的值;具体为:
θ2=(ψTψ)-1ψT(y-ψθ10)。
4.如权利要求2所述的一种动力电池等效电路模型参数迭代辨识新方法,其特征在于,采用最小二乘法辨识得到第一部分参数的值具体为:
θ1=(ψTψ)-1ψT(y-ψθ2)。
5.如权利要求1所述的一种动力电池等效电路模型参数迭代辨识新方法,其特征在于,将动力电池等效电路模型中与电压相关的参数分为一类,与电流相关的参数分为另一类。
CN201710823675.XA 2017-09-13 2017-09-13 动力电池等效电路模型参数迭代辨识新方法 Active CN107390138B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201710823675.XA CN107390138B (zh) 2017-09-13 2017-09-13 动力电池等效电路模型参数迭代辨识新方法
PCT/CN2017/108919 WO2019051956A1 (zh) 2017-09-13 2017-11-01 动力电池等效电路模型参数迭代辨识新方法
US16/644,329 US11156668B2 (en) 2017-09-13 2017-11-01 Method for iteratively identifying parameters of equivalent circuit model of battery

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710823675.XA CN107390138B (zh) 2017-09-13 2017-09-13 动力电池等效电路模型参数迭代辨识新方法

Publications (2)

Publication Number Publication Date
CN107390138A true CN107390138A (zh) 2017-11-24
CN107390138B CN107390138B (zh) 2019-08-27

Family

ID=60349706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710823675.XA Active CN107390138B (zh) 2017-09-13 2017-09-13 动力电池等效电路模型参数迭代辨识新方法

Country Status (3)

Country Link
US (1) US11156668B2 (zh)
CN (1) CN107390138B (zh)
WO (1) WO2019051956A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143074A (zh) * 2018-06-28 2019-01-04 中国科学院光电研究院 一种动力电池模型参数辨识方法及系统
CN109888869A (zh) * 2019-03-06 2019-06-14 中山大学 一种基于迭代学习的锂离子电池充电控制方法
CN110991125A (zh) * 2019-11-19 2020-04-10 沃太能源南通有限公司 二阶电路中电路元件参数辨识方法、装置
CN115510648A (zh) * 2022-09-27 2022-12-23 上海玫克生储能科技有限公司 一种锂电池电芯实际容量和电芯健康度识别方法和系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106855612B (zh) * 2017-02-21 2019-09-24 山东大学 计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法
CN112595979B (zh) * 2020-12-02 2021-10-08 华中科技大学 一种考虑非充分激励的锂电池参数在线辨识方法及系统
CN113341319B (zh) * 2021-04-19 2023-02-21 北京交通大学 基于参数插值获取任意温度和倍率下放电曲线的方法
CN113391212B (zh) * 2021-06-23 2022-05-17 山东大学 一种锂离子电池等值电路参数在线辨识方法及系统
CN113884904A (zh) * 2021-11-01 2022-01-04 国网湖南省电力有限公司 超级电容器电池的等效电路模型及其参数辨识方法
CN114252772B (zh) * 2021-12-22 2023-09-05 中国科学院电工研究所 一种锂离子电池内部短路诊断方法及系统
US11897364B1 (en) 2022-12-19 2024-02-13 Rivian Ip Holdings, Llc Battery model calibration

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1465035A3 (en) * 2003-03-11 2005-04-13 Air Products And Chemicals, Inc. Constrained system identification for incorporation of a priori knowledge
JP2012026749A (ja) * 2010-07-20 2012-02-09 Nissan Motor Co Ltd 電池状態推定装置
CN103472397A (zh) * 2013-08-09 2013-12-25 江苏欧力特能源科技有限公司 铅酸电池模型经验公式法中关键参数抗差辨识方法
CN103927440A (zh) * 2014-04-15 2014-07-16 国家电网公司 一种锂电池等效电路模型的参数辨识方法
CN104422893A (zh) * 2013-08-30 2015-03-18 福特全球技术公司 基于电池控制的模型中的参数和状态限制
CN105334462A (zh) * 2014-08-07 2016-02-17 华为技术有限公司 电池容量损失在线估算方法
CN105738829A (zh) * 2016-04-08 2016-07-06 深圳市国创动力系统有限公司 动力锂电池的等效电路模型参数识别方法
WO2016138959A1 (en) * 2015-03-05 2016-09-09 Volvo Car Corporation Estimation of battery parameters
US20170234934A1 (en) * 2013-06-20 2017-08-17 University Of Electronic Science And Technology Of China Power system and state of charge estimation

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100823507B1 (ko) * 2006-08-29 2008-04-21 삼성에스디아이 주식회사 배터리 관리 시스템 및 그 구동방법
JP5319854B1 (ja) * 2012-02-22 2013-10-16 カルソニックカンセイ株式会社 パラメータ推定装置
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
FR3010532B1 (fr) * 2013-09-11 2017-06-09 Commissariat Energie Atomique Procede, dispositif et systeme d'estimation de l'etat de charge d'une batterie
JP6455409B2 (ja) * 2015-03-06 2019-01-23 株式会社デンソー 電池状態推定装置
CN105093128A (zh) 2015-08-31 2015-11-25 山东智洋电气股份有限公司 基于扩展卡尔曼滤波的蓄电池荷电状态估算方法
CN105548896B (zh) 2015-12-25 2019-04-09 南京航空航天大学 基于n-2rc模型的动力电池soc在线闭环估计方法
US9960625B2 (en) * 2016-03-31 2018-05-01 Robert Bosch Gmbh Battery management system with multiple observers
CN106249171B (zh) 2016-09-18 2018-10-26 北京理工大学 一种用于宽采样间隔的动力电池系统辨识和状态估计方法
US20180267089A1 (en) * 2016-12-19 2018-09-20 Sendyne Corporation Isolation monitoring device and method
US10312699B2 (en) * 2017-07-31 2019-06-04 Robert Bosch Gmbh Method and system for estimating battery open cell voltage, state of charge, and state of health during operation of the battery

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1465035A3 (en) * 2003-03-11 2005-04-13 Air Products And Chemicals, Inc. Constrained system identification for incorporation of a priori knowledge
JP2012026749A (ja) * 2010-07-20 2012-02-09 Nissan Motor Co Ltd 電池状態推定装置
US20170234934A1 (en) * 2013-06-20 2017-08-17 University Of Electronic Science And Technology Of China Power system and state of charge estimation
CN103472397A (zh) * 2013-08-09 2013-12-25 江苏欧力特能源科技有限公司 铅酸电池模型经验公式法中关键参数抗差辨识方法
CN104422893A (zh) * 2013-08-30 2015-03-18 福特全球技术公司 基于电池控制的模型中的参数和状态限制
CN103927440A (zh) * 2014-04-15 2014-07-16 国家电网公司 一种锂电池等效电路模型的参数辨识方法
CN105334462A (zh) * 2014-08-07 2016-02-17 华为技术有限公司 电池容量损失在线估算方法
WO2016138959A1 (en) * 2015-03-05 2016-09-09 Volvo Car Corporation Estimation of battery parameters
CN105738829A (zh) * 2016-04-08 2016-07-06 深圳市国创动力系统有限公司 动力锂电池的等效电路模型参数识别方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143074A (zh) * 2018-06-28 2019-01-04 中国科学院光电研究院 一种动力电池模型参数辨识方法及系统
CN109888869A (zh) * 2019-03-06 2019-06-14 中山大学 一种基于迭代学习的锂离子电池充电控制方法
CN110991125A (zh) * 2019-11-19 2020-04-10 沃太能源南通有限公司 二阶电路中电路元件参数辨识方法、装置
CN115510648A (zh) * 2022-09-27 2022-12-23 上海玫克生储能科技有限公司 一种锂电池电芯实际容量和电芯健康度识别方法和系统
CN115510648B (zh) * 2022-09-27 2023-12-19 上海玫克生储能科技有限公司 一种锂电池电芯实际容量和电芯健康度识别方法和系统

Also Published As

Publication number Publication date
US20200209316A1 (en) 2020-07-02
US11156668B2 (en) 2021-10-26
WO2019051956A1 (zh) 2019-03-21
CN107390138B (zh) 2019-08-27

Similar Documents

Publication Publication Date Title
CN107390138A (zh) 动力电池等效电路模型参数迭代辨识新方法
Sun et al. Overview of the types of battery models
Tsang et al. Identification and modelling of Lithium ion battery
CN106814329A (zh) 一种基于双卡尔曼滤波算法的电池soc在线估计方法
CN107064811A (zh) 一种锂电池soc在线估计方法
CN108983108A (zh) 一种动力电池组峰值功率估计方法
CN106443480A (zh) 一种锂离子电池系统soc估算方法
CN106443459A (zh) 一种车用锂离子动力电池荷电状态估算方法
CN104237791A (zh) 一种锂电池荷电状态估算方法及电池管理系统和电池系统
CN102119338A (zh) 基于电池电压变化模式估计电池健康状态的方法及装置
CN110795851A (zh) 一种考虑环境温度影响的锂离子电池建模方法
CN108732508A (zh) 一种锂离子电池容量的实时估计方法
Putra et al. Current estimation using Thevenin battery model
CN106932726A (zh) 一种电芯健康状态检测方法
Yao et al. Modeling of Lithium Ion battery with nonlinear transfer resistance
CN105406532A (zh) 电动汽车及其电池可用能量的检测方法和装置
CN112415391A (zh) 基于改进粒子群优化的船用锂离子电池参数辨识方法
CN104111429B (zh) 基于电压跟踪的锂电池剩余电量的计量方法
CN106291375A (zh) 一种基于电池老化的soc估算方法和装置
CN106872901A (zh) KiBaM‑分数阶等效电路综合特征电池模型及参数辨识方法
CN111257770B (zh) 一种电池包功率估算方法
KR101277733B1 (ko) 배터리의 soc를 추정하는 장치 및 방법
JP6737022B2 (ja) シミュレーション方法及びシミュレーション装置
CN106707181A (zh) 一种锂离子的电池参数与荷电状态估计方法
Bo et al. Li-ion battery SOC estimation based on EKF algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant