CN110297186A - 一种新能源汽车电池参数检测方法 - Google Patents

一种新能源汽车电池参数检测方法 Download PDF

Info

Publication number
CN110297186A
CN110297186A CN201910749641.XA CN201910749641A CN110297186A CN 110297186 A CN110297186 A CN 110297186A CN 201910749641 A CN201910749641 A CN 201910749641A CN 110297186 A CN110297186 A CN 110297186A
Authority
CN
China
Prior art keywords
new energy
meet
car battery
energy car
detection method
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.)
Withdrawn
Application number
CN201910749641.XA
Other languages
English (en)
Inventor
陈文楷
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.)
Putian City Fire Information Technology Co Ltd
Original Assignee
Putian City Fire Information Technology Co Ltd
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 Putian City Fire Information Technology Co Ltd filed Critical Putian City Fire Information Technology Co Ltd
Priority to CN201910749641.XA priority Critical patent/CN110297186A/zh
Publication of CN110297186A publication Critical patent/CN110297186A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
    • B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/385—Arrangements for measuring battery or accumulator variables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/389—Measuring internal impedance, internal conductance or related variables
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Abstract

一种新能源汽车电池参数检测方法，涉及电池系统领域，包括：首先，连续间隔采集所述新能源汽车电池模型的工作数据，构建待辨识抽样矩阵；然后，确定输出数据列为Y(k)以及输入矩阵Φ(k)；然后，响应于所述k满足：1≤e1≤k≤e2，则辨识参数的求解满足：响应于所述k满足：e2≤k，则求解η(k‑1)在保留首项的情况下增加新项后的估计值，再求解去掉所述首项后的估计值；然后，求解获得新能源汽车电池等效电路模型中的浓差极化内阻、浓差极化电容，电化学极化内阻，电化学极化电容。本发明通过公式两步求解，所获得的参数估计精度越较高，增强辨识准确度。

Description

一种新能源汽车电池参数检测方法
技术领域
本发明涉及电池系统领域，特别是涉及一种新能源汽车电池参数检测方法。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的汽车；新能源汽车包括纯电动汽车、增程式电动汽车、混合动力汽车、燃料电池电动汽车、氢发动机汽车、其他新能源汽车等。
电池管理一直都是电动汽车关键技术研究的一个重点和难点，对于大功率电池组尤甚。电池管理系统的研究目标是优化、提高驱动和提高电池能量利用效率，并尽可能延长动力电池组的使用寿命。
由于电池在充电和放电是一个复杂的时变系统，随着系统的工作运行，处理数据量越来越大，极大地增大了处理数据的所需要的计算机处理能力，使得数据处理速度变慢或处理数据成本提高。采用传统遗忘因子加权进行最小二乘法的递推，并不能完全将旧数据的影响完全清除，使得较久远的故障数据等不能完全清除，影响现有状态数据的精确度。
发明内容
有鉴于现有技术的上述的一部分缺陷，本发明所要解决的技术问题是提供一种新能源汽车电池参数检测方法，旨在优化电池电路模型参数估计求解，仅保留最近的数据并进行参数辨识，提高系统参数估计的求解速度，提高了求解的精确度和实用性。
为实现上述目的，本发明提供了一种新能源汽车电池参数检测方法，所述方法包括：
步骤S1、连续间隔采集所述新能源汽车电池模型的工作数据，构建待辨识抽样矩阵；所述工作数据包括所述开路电压Vb(k)、所述实测电压V(k)以及所述工作电流I(k)；所述k为正整数；
步骤S2、确定输出数据列为Y(k)以及输入矩阵Φ(k)；所述Y(k)＝(y(1)y(2)…y(k))T，所述y(k)＝Vb(k)-V(k)；所述所述
步骤S3、响应于所述k满足：1≤e1≤k≤e2，则辨识参数的求解满足：所述e1、e2为预设正整数，其中所述辨识参数η(k)＝(p1 p2 p3 p4p5)T；
步骤S4、响应于所述k满足：e2≤k，则求解η(k-1)在保留首项的情况下增加新项[Φk Yk]后η(k remain_first)的估计值求解η(k remain_first)去掉所述首项后η(k)的估计值其中，
所述满足：
所述满足：
G为单位矩阵；
步骤S5、根据所述待辨识参数获得值以及求解获得新能源汽车电池等效电路模型中的浓差极化内阻R1、浓差极化电容C1，电化学极化内阻R2，电化学极化电容C2；其中所述T为采样周期，所述Ri为所述电池的欧姆内阻。
在一具体实施方式中，在所述步骤S1中，采样频率为100Hz-500Hz。
在一具体实施方式中，在所述步骤S4中，初始值 满足：
在一具体实施方式中，在步骤S5中，所述新能源汽车电池等效电路模型满足如下关系：
所述s为拉氏因子。
本发明的有益效果是：在本发明中，通过限定电池系统的数据项数，保持数据上限为e2项，当数据量少于上限则直接求解参数的估计值，当数据量超过上限，对前项数据进行剔除，使得计算处理量变少；同时，由于电池系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的较远的数据进行剔除，有效提高系统精度。此外，通过公式两步求解，所获得的参数估计精度越较高，增强辨识准确度。本发明与采用传统遗忘因子加权进行最小二乘法的递推相比，能够将较久远的故障数据进行清楚，能够将旧数据的影响清除，降低旧数据对现有状态数据的影响，提高精确度。
附图说明
图1是本发明一具体实施方式的新能源汽车电池等效电路图；
图2是本发明一具体实施方式的一种新能源汽车电池参数检测方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
由图1可得新能源汽车电池等效电路模型为：
其中，Vb为所述电池的开路电压，Ri为所述电池的欧姆内阻，V为所述电池的实测电压，I为所述电池的工作电流，R1为浓差极化内阻、C1为浓差极化电容，R2为电化学极化内阻，C2为电化学极化电容；R1和C1用于描述扩散现象，R2和C2用于描述所述电池双电层部分的荷电变化；
令时间常数τ1＝R1C1，τ2＝R2C2；将τ1＝R1C1，τ2＝R2C2代入式(1)中，
可得：
τ1τ2Vbs2+(τ1+τ2)Vbs＝τ1τ2RiIs2+[R1τ2+R2τ1+Ri(τ1+τ2)]Is+(R1+R2+Ri)I+τ1τ2Vs2+(τ1+τ2)Vs+V (2)
设a＝τ1τ2，b＝τ1+τ2，c＝R1+R2+Ri，d＝R1τ2+R2τ1+Ri(τ1+τ2)；
则式(2)中可以化简如下；
aVbs2+bVbs＝aRiIs2+dIs+cI+τ1τ2Vs2+bVs+V (3)；
将代入式(3)中进行离散化处理，其中T为采样时间，整理可得到：
即
Vb(k)-V(k)＝p1[V(k-1)-Vb(k-1)]+p2[V(k-2)-Vb(k-2)]+p3I(k)+p4I(k-1)+p5I(k-2) (5)
式(5)中，
则η(k)＝(p1 p2 p3 p4 p5)T作为直接辨识参数；
常规而言，通过最小二乘法，可得：
在本发明的递推计算过程中，为了保持数据长度，在增加新数据的同时也将最远久的原数据。
当[Φk-1 Yk-1]T新增加一组数据时，则增加后的数据满足：
对上述数据进一步减少首行即也是数据[Φk-1 Yk-1]T首行，则修改后数据[Φk Yk]T满足：
其中，假定数据保留长度为e2，则数据[Φk-1,Yk-1]T的首项序号g＝k-e2；
将式子(7)-(8)分别代入式(6)可得：
对式(9)运算求解可得：
对式(10)运算求解可得：
继续化简可得：
G为单位矩阵；
在本发明中，通过新能源电池的数据项数，保持数据上限为e2项，当数据量少于上限则直接求解参数的估计值，当数据量超过上限，则增加新项并删除首项保持数据长度。
一方面，对前项数据进行剔除，使得计算处理量变少，同时，由于电池系统是一个渐变系统，距离当前时间节点越远的数据准确性越低，将距离当前时刻的较远的数据进行剔除，有效提高系统精度。此外，通过公式两步求解，所获得的参数估计精度越较高，增强参数估计准确度。
具体而言，如图2所示，在本发明第一实例中，提供一种新能源汽车电池参数检测方法，所述方法包括：
步骤S1、连续间隔采集所述新能源汽车电池模型的工作数据，构建待辨识抽样矩阵；所述工作数据包括所述开路电压Vb(k)、所述实测电压V(k)以及所述工作电流I(k)；所述k为正整数；
步骤S2、确定输出数据列为Y(k)以及输入矩阵Φ(k)；所述Y(k)＝(y(1)y(2)…y(k))T，所述y(k)＝Vb(k)-V(k)；所述所述
步骤S3、响应于所述k满足：1≤e1≤k≤e2，则辨识参数的求解满足：所述e1、e2为预设正整数，其中所述辨识参数η(k)＝(p1 p2 p3 p4p5)T；
步骤S4、响应于所述k满足：e2≤k，则求解η(k-1)在保留首项的情况下增加新项[Φk Yk]后η(k remain_first)的估计值求解η(k remain_first)去掉所述首项后η(k)的估计值其中，
所述满足：
所述满足：
G为单位矩阵；
步骤S5、根据所述待辨识参数获得值以及求解获得新能源汽车电池等效电路模型中的浓差极化内阻R1、浓差极化电容C1，电化学极化内阻R2，电化学极化电容C2；其中所述T为采样周期，所述Ri为所述电池的欧姆内阻。
在本实施例中，在所述步骤S1中，采样频率为100Hz-500Hz。
在本实施例中，在所述步骤S4中，初始值满足：
在本实施例中，在步骤S5中，所述新能源汽车电池等效电路模型满足如下关系：
所述s为拉氏因子。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种新能源汽车电池参数检测方法，其特征在于，所述方法包括：
步骤S1、连续间隔采集所述新能源汽车电池模型的工作数据，构建待辨识抽样矩阵；所述工作数据包括所述开路电压Vb(k)、所述实测电压V(k)以及所述工作电流I(k)；所述k为正整数；
步骤S2、确定输出数据列为Y(k)以及输入矩阵Φ(k)；所述Y(k)＝(y(1) y(2) … y(k))T，所述y(k)＝Vb(k)-V(k)；所述所述
步骤S3、响应于所述k满足：1≤e1≤k≤e2，则辨识参数的求解满足：所述e1、e2为预设正整数，其中所述辨识参数η(k)＝(p1 p2 p3 p4 p5)T；
步骤S4、响应于所述k满足：e2≤k，则求解η(k-1)在保留首项的情况下增加新项[Φk Yk]后η(kremain_first)的估计值求解η(kremain_first)去掉所述首项后η(k)的估计值其中，
所述满足：
所述满足：
G为单位矩阵；
步骤S5、根据所述待辨识参数获得值以及求解获得新能源汽车电池等效电路模型中的浓差极化内阻R1、浓差极化电容C1，电化学极化内阻R2，电化学极化电容C2；其中所述T为采样周期，所述Ri为所述电池的欧姆内阻。
2.如权利要求1所述的一种新能源汽车电池参数检测方法，其特征在于，在所述步骤S1中，采样频率为100Hz-500Hz。
3.如权利要求1所述的一种新能源汽车电池参数检测方法，其特征在于，在所述步骤S4中，初始值满足：
4.如权利要求1所述的一种新能源汽车电池参数检测方法，其特征在于，在步骤S5中，所述新能源汽车电池等效电路模型满足如下关系：
所述s为拉氏因子。
CN201910749641.XA 2019-08-14 2019-08-14 一种新能源汽车电池参数检测方法 Withdrawn CN110297186A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910749641.XA CN110297186A (zh) 2019-08-14 2019-08-14 一种新能源汽车电池参数检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910749641.XA CN110297186A (zh) 2019-08-14 2019-08-14 一种新能源汽车电池参数检测方法

Publications (1)

Publication Number Publication Date
CN110297186A true CN110297186A (zh) 2019-10-01

Family

ID=68032976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910749641.XA Withdrawn CN110297186A (zh) 2019-08-14 2019-08-14 一种新能源汽车电池参数检测方法

Country Status (1)

Country Link
CN (1) CN110297186A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197251A (zh) * 2013-02-27 2013-07-10 山东省科学院自动化研究所 一种动力锂电池二阶rc等效模型的辨识方法
JP2016130658A (ja) * 2015-01-13 2016-07-21 株式会社デンソー 二次電池の制御装置
CN108170529A (zh) * 2017-12-26 2018-06-15 北京工业大学 一种基于长短期记忆网络的云数据中心负载预测方法
CN109581225A (zh) * 2018-12-28 2019-04-05 深圳市超思维电子股份有限公司 电池在线参数辨识的能量状态估算方法及电池管理系统
CN109884550A (zh) * 2019-04-01 2019-06-14 北京理工大学 一种动力电池系统在线参数辨识与回溯方法
CN109991549A (zh) * 2019-04-24 2019-07-09 东南大学 锂离子电池荷电状态及内阻的联合预测方法
CN110071667A (zh) * 2019-05-10 2019-07-30 福建省宏闽电力工程监理有限公司 一种双馈风力发电机参数辨识方法
CN110297185A (zh) * 2019-08-14 2019-10-01 莆田市烛火信息技术有限公司 一种新能源汽车电池参数动态监测系统
CN110401190A (zh) * 2019-07-25 2019-11-01 福建睿思特科技股份有限公司 一种电力系统频率实时检测与辨识系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103197251A (zh) * 2013-02-27 2013-07-10 山东省科学院自动化研究所 一种动力锂电池二阶rc等效模型的辨识方法
JP2016130658A (ja) * 2015-01-13 2016-07-21 株式会社デンソー 二次電池の制御装置
CN108170529A (zh) * 2017-12-26 2018-06-15 北京工业大学 一种基于长短期记忆网络的云数据中心负载预测方法
CN109581225A (zh) * 2018-12-28 2019-04-05 深圳市超思维电子股份有限公司 电池在线参数辨识的能量状态估算方法及电池管理系统
CN109884550A (zh) * 2019-04-01 2019-06-14 北京理工大学 一种动力电池系统在线参数辨识与回溯方法
CN109991549A (zh) * 2019-04-24 2019-07-09 东南大学 锂离子电池荷电状态及内阻的联合预测方法
CN110071667A (zh) * 2019-05-10 2019-07-30 福建省宏闽电力工程监理有限公司 一种双馈风力发电机参数辨识方法
CN110401190A (zh) * 2019-07-25 2019-11-01 福建睿思特科技股份有限公司 一种电力系统频率实时检测与辨识系统
CN110297185A (zh) * 2019-08-14 2019-10-01 莆田市烛火信息技术有限公司 一种新能源汽车电池参数动态监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨武: "时变结构模态参数的时域辨识方法及在线辨识技术研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Similar Documents

Publication Publication Date Title
Song et al. Intelligent state of health estimation for lithium-ion battery pack based on big data analysis
Jiaqiang et al. Effects analysis on active equalization control of lithium-ion batteries based on intelligent estimation of the state-of-charge
Duan et al. Evaluation of battery inconsistency based on information entropy
Liu et al. State-of-health estimation of lithium-ion batteries based on electrochemical impedance spectroscopy: a review
Zhang et al. Real-time diagnosis of micro-short circuit for Li-ion batteries utilizing low-pass filters
CN106908732B (zh) 一种锂离子电池等效电路模型参数辨识方法和装置
Xu et al. Improving the state of charge estimation of reused lithium-ion batteries by abating hysteresis using machine learning technique
CN103163464B (zh) 电池包中电芯的检测方法
CN104614630B (zh) 一种电池微短路的识别方法
CN107422266B (zh) 一种大容量电池储能系统的故障诊断方法及装置
Zhou et al. A fast screening framework for second-life batteries based on an improved bisecting K-means algorithm combined with fast pulse test
CN107741568B (zh) 一种基于状态转移优化rbf神经网络的锂电池soc估算方法
CN104614632B (zh) 一种电池微短路的识别方法
CN110297185A (zh) 一种新能源汽车电池参数动态监测系统
Huang et al. State of health estimation of lithium-ion batteries based on the regional frequency
CN116826933B (zh) 一种基于知识图谱混合储能电池供电反步控制方法及系统
Zhao et al. The li-ion battery state of charge prediction of electric vehicle using deep neural network
WO2024000756A1 (zh) 基于深度学习和启发式算法的电化学模型参数辨识方法
CN103683427A (zh) 一种改进的蓄电池组充电系统及其soc估算方法
Mizumoto et al. Lead‐acid storage battery recovery system using on–off constant current charge and short–large discharge pulses
Fei et al. Equalisation strategy for serially connected LiFePO4 battery cells
Javadipour et al. Analysis of current density in the electrode and electrolyte of lithium‐ion cells for ageing estimation applications
Farjah et al. Early ageing detection of battery cells in battery management system
Lin et al. State of health estimation of lithium-ion batteries based on remaining area capacity
CN115675182A (zh) 动力电池的控制方法、装置、车辆、介质及设备

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20191001