CN113190969A - 一种基于信息评估机制的锂电池模型参数辨识方法 - Google Patents
一种基于信息评估机制的锂电池模型参数辨识方法 Download PDFInfo
- Publication number
- CN113190969A CN113190969A CN202110373019.0A CN202110373019A CN113190969A CN 113190969 A CN113190969 A CN 113190969A CN 202110373019 A CN202110373019 A CN 202110373019A CN 113190969 A CN113190969 A CN 113190969A
- Authority
- CN
- China
- Prior art keywords
- time
- lithium battery
- information
- parameter
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于信息评估机制的锂电池模型参数辨识方法,首先对处于动态工况的动力锂电池进行信息采集,在本实施例中为量测电流及电压;然后,对采集到的信息进行评估,生成评估系数,最后,根据评估系数引导最小二乘更新参数向量及协方差矩阵,对模型中的参数进行辨识。本发明方法能够在对模型参数进行辨识之前,对数据中所包含的信息量进行预评估,从而滤除无效信息对参数辨识的干扰与影响;能够有效缓解传统的递推最小二乘法受激励不充分和量测噪声等问题的干扰,辨识结果容易出现偏差的问题,提高参数辨识的精确度及稳定性;能够以递推的形式实现,所需计算量低,能够适用于电池管理系统。
Description
技术领域
本发明属于动力锂电池应用领域,具体涉及一种基于信息评估机制的锂电池模型参数辨识方法。
背景技术
动力锂电池因具备高能量密度、无记忆效应和低自放电率等多种优势,已经成为了当前电动汽车和固定式储能的重要解决方案,在锂电池的应用中,为确保电池组的工作性能,防止电池过充过放,电池管理系统的地位至关重要。电池管理系统的基本功能包括电池荷电状态的估算,为提高荷电状态估计的准确性和便捷性,基于模型的估计方法通过预先建立电池状态空间方程,利用粒子滤波、卡尔曼滤波等方法,实现对锂电池荷电状态的在线估计。然而,这些基于模型的方法的性能与准确的电池模型的精度性有很大关系。
常用的电池模型包括等效电路模型,电化学模型,数据驱动模型等。其中等效电路模型结构简单,涉及参数少,能够描述电池的动态性能,得到了广泛的研究与应用。
由于等效电路模型的参数随电流倍率、温度、荷电状态等因素变化,因此需要对等效电路模型的参数进行在线辨识。其中,递推最小二乘法所需的计算量小,能够很好的应用于电池管理系统。然而,递推最小二乘法对量测噪声比较敏感,从而降低等效电路模型的精度。此外,递推最小二乘法的性能还会受到电流激励的影响,当电流激励不足时,递推最小二乘法的稳定性显著降低,从而细小的误差也会使参数辨识结果产生较大的偏移。
等效电路模型参数辨识结果与传感器量测得电流电压等信息量直接相关,通过对这些信息进行预评估,将评估结果应用于参数辨识算法中,能够有效降低量测噪声干扰以及激励不充分的影响,从而提高参数辨识算法的稳定性与可靠性。
发明内容
针对现有技术中的上述不足,本发明提供的基于信息评估机制的锂电池模型参数辨识方法通过对用于参数辨识的数据信息进行预估,将其评估系数应用于递推最小二乘法中,以降低无效数据对参数辨识的影响,从而提高动力锂电池模型参数辨识的准确性。
为了达到上述发明目的,本发明采用的技术方案为:一种基于信息评估机制的锂电池模型参数辨识方法,包括以下步骤:
S1、采集处于动态工况的动力锂电池的信息量;
S2、基于采集的信息量,确定锂电池模型的参数辨识信息的评估系数;
若是,则进入步骤S4;
若否,则进入步骤S5;
S5、设定参数辨识的时间尺度Tl,并判断当前时间是否达到时间尺度;
若是,则进入步骤S6;
若否,则返回步骤S1;
S6、基于当前的Pmem和θmem对锂电池模型参数进行辨识。
进一步地,所述步骤S1中的信息量包括量测电流和量测电压。
进一步地,所述步骤S2具体为:
S21、基于采集的信息量,计算敏感性向量Sy,k;
进一步地,所述步骤S21中的敏感性向量Sy,k为:
式中,Sy,k为在时刻k关于端部电压Ut的敏感性向量,R0、Rp和Cp均为锂电池模型对应待辨识的参数;其中, 其中It,k、It,k-1分别为k时刻和k-1时刻的电池电流,Uoc为电池的开路电压,Ut,k-1为k-1时刻的电池电压, 分别为R0、Rp和Cp的估算值,上标T为转置运算符;
所述步骤S23中的评估系数Ck为:
式中,Kk为k时刻的增益矩阵,Pk为k时刻的协方差矩阵,为k时刻的参数向量,λ1为递推最小二乘对应的遗忘因子,xk为输入向量,且xk=[Ik,Ik-1,Uoc-Ut,k-1]T,其中Ik,Ik-1为k时刻与k-1时刻对应的电池电流,Uoc为电池的开路电压,Ut,k-1为k-1时刻的电池电压。
本发明的有益效果为:
(1)本发明方法能够在对模型参数进行辨识之前,对数据中所包含的信息量进行预评估,从而滤除无效信息对参数辨识的干扰与影响;
(2)本发明方法能够有效缓解传统的递推最小二乘法受激励不充分和量测噪声等问题的干扰,辨识结果容易出现偏差的问题,提高参数辨识的精确度及稳定性;
(3)本发明方法能够以递推的形式实现,所需计算量低,能够适用于电池管理系统。
附图说明
图1为本发明提供的一阶戴维南模型示意图。
图2为本发明提供的基于信息评估机制的锂电池模型参数辨识方法流程图。
图3为本发明提供的参数辨识仿真结果示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
在本实施例中,锂电池等效电路模型选取为一阶戴维南模型,如图1所示,其中包括一个欧姆电阻以及一个并联电阻电容网络,其中参数辨识的关键环节包括信息采集、信息评估、参数向量及协方差矩阵更新和模型参数辨识等。
具体地,如图2所示,包括以下步骤:
S1、采集处于动态工况的动力锂电池的信息量;
S2、基于采集的信息量,确定锂电池模型的参数辨识信息的评估系数;
若是,则进入步骤S4;
若否,则进入步骤S5;
S5、设定参数辨识的时间尺度Tl,并判断当前时间是否达到时间尺度;
若是,则进入步骤S6;
若否,则返回步骤S1;
S6、基于当前的Pmem和θmem对锂电池模型参数进行辨识。
本实施例的步骤S1中,首先对处于工况动态的动力锂电池进行信息采集,能够采集的到信息量游戏,通常电池的两端的电压及电流比较容易获取,因此,本实施例中采集的信息量包括量测电流Ut和量测电压;
本实施例中的步骤S2具体为:
S21、基于采集的信息量,计算敏感性向量Sy,k;
锂电池模型参数的变化量对端部电压响应的影响而可以表示为电压响应关于模型参数的偏导数,即敏感性向量Sy,k为:
式中,Sy,k为在时刻k关于端部电压Ut的敏感性向量,R0、Rp和Cp均为锂电池模型对应待辨识的参数;其中, 其中It,k、It,k-1分别为k时刻和k-1时刻的电池电流,Uoc为电池的开路电压,Ut,k-1为k-1时刻的电池电压, 分别为R0、Rp和Cp的估算值,上标T为转置运算符;
具体地,通过求解每个时刻的敏感性向量,可以得出费雪信息矩阵的递推形式为:
所述步骤S23中的评估系数Ck为:
式中,Kk为k时刻的增益矩阵,Pk为k时刻的协方差矩阵,为k时刻的参数向量,λ1为递推最小二乘对应的遗忘因子,xk为输入向量,且xk=[Ik,Ik-1,Uoc-Ut,k-1]T,其中Ik,Ik-1为k时刻与k-1时刻对应的电池电流,Uoc为电池的开路电压,Ut,k-1为k-1时刻的电池电压。
实施例2:
基于上述参数辨识方法,获得的参数辨识仿真结果如图3所示,从图中可以看出基于本申请所提方法,等效电路模型中R0、Rp、Cp三个参数的辨识结果均不会受到量测噪声的干扰而产生较大的偏差,辨识值能够准确地与真实值拟合。
Claims (6)
1.一种基于信息评估机制的锂电池模型参数辨识方法,其特征在于,包括以下步骤:
S1、采集处于动态工况的动力锂电池的信息量;
S2、基于采集的信息量,确定锂电池模型的参数辨识信息的评估系数;
若是,则进入步骤S4;
若否,则进入步骤S5;
S5、设定参数辨识的时间尺度Tl,并判断当前时间是否达到时间尺度;
若是,则进入步骤S6;
若否,则返回步骤S1;
S6、基于当前记忆的Pmem和θmem对锂电池模型参数进行辨识。
2.根据权利要求1所述的基于信息评估机制的锂电池模型参数辨识方法,其特征在于,所述步骤S1中的信息量包括量测电流和量测电压。
4.根据权利要求3所述的基于信息评估机制的锂电池模型参数辨识方法,其特征在于,所述步骤S21中的敏感性向量Sy,k为:
式中,Sy,k为在时刻k关于端部电压Ut的敏感性向量,R0、Rp和Cp均为锂电池模型对应待辨识的参数;其中, 其中It,k、It,k-1分别为k时刻和k-1时刻的电池电流,Uoc为电池的开路电压,Ut,k-1为k-1时刻的电池电压, 分别为R0、Rp和Cp的估算值,上标T为转置运算符;
所述步骤S23中的评估系数Ck为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110373019.0A CN113190969B (zh) | 2021-04-07 | 2021-04-07 | 一种基于信息评估机制的锂电池模型参数辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110373019.0A CN113190969B (zh) | 2021-04-07 | 2021-04-07 | 一种基于信息评估机制的锂电池模型参数辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113190969A true CN113190969A (zh) | 2021-07-30 |
CN113190969B CN113190969B (zh) | 2022-02-11 |
Family
ID=76975469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110373019.0A Active CN113190969B (zh) | 2021-04-07 | 2021-04-07 | 一种基于信息评估机制的锂电池模型参数辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113190969B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761726A (zh) * | 2021-08-19 | 2021-12-07 | 国网江苏省电力有限公司电力科学研究院 | 一种锂电池参数辨识方法及系统 |
CN113884909A (zh) * | 2021-09-30 | 2022-01-04 | 国网江苏省电力有限公司电力科学研究院 | 一种锂电池电路参数和漂移电流辨识方法及装置 |
CN115494406A (zh) * | 2022-10-28 | 2022-12-20 | 北京航空航天大学 | 电池参数辨识方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105008946A (zh) * | 2013-01-23 | 2015-10-28 | Avl里斯脱有限公司 | 用于确定用于SoC的控制技术观测器的方法 |
CN107290688A (zh) * | 2017-08-24 | 2017-10-24 | 合肥工业大学 | 一种基于自适应模糊卡尔曼滤波的锂电池soc估计方法 |
US20180348307A1 (en) * | 2017-06-02 | 2018-12-06 | Total S.A. | Apparatus, circuit model, and method for battery modelling |
CN110378571A (zh) * | 2019-06-25 | 2019-10-25 | 河海大学 | 一种基于多新息最小二乘算法的锂电池参数辨识方法 |
CN111323705A (zh) * | 2020-03-19 | 2020-06-23 | 山东大学 | 基于鲁棒递归最小二乘的电池参数辨识方法及系统 |
CN111707953A (zh) * | 2019-11-24 | 2020-09-25 | 华南理工大学 | 一种基于后向平滑滤波框架的锂电池soc在线估计方法 |
CN112098845A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 一种用于分布式储能系统的锂电池状态估计方法 |
CN112595979A (zh) * | 2020-12-02 | 2021-04-02 | 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 |
-
2021
- 2021-04-07 CN CN202110373019.0A patent/CN113190969B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105008946A (zh) * | 2013-01-23 | 2015-10-28 | Avl里斯脱有限公司 | 用于确定用于SoC的控制技术观测器的方法 |
US20180348307A1 (en) * | 2017-06-02 | 2018-12-06 | Total S.A. | Apparatus, circuit model, and method for battery modelling |
CN107290688A (zh) * | 2017-08-24 | 2017-10-24 | 合肥工业大学 | 一种基于自适应模糊卡尔曼滤波的锂电池soc估计方法 |
CN110378571A (zh) * | 2019-06-25 | 2019-10-25 | 河海大学 | 一种基于多新息最小二乘算法的锂电池参数辨识方法 |
CN111707953A (zh) * | 2019-11-24 | 2020-09-25 | 华南理工大学 | 一种基于后向平滑滤波框架的锂电池soc在线估计方法 |
CN111323705A (zh) * | 2020-03-19 | 2020-06-23 | 山东大学 | 基于鲁棒递归最小二乘的电池参数辨识方法及系统 |
CN112098845A (zh) * | 2020-08-17 | 2020-12-18 | 四川大学 | 一种用于分布式储能系统的锂电池状态估计方法 |
CN112595979A (zh) * | 2020-12-02 | 2021-04-02 | 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 |
Non-Patent Citations (2)
Title |
---|
WEN,A等: "Online parameter identification of the Lithium-ion batter with refined instrumental variable estimation", 《COMPLEXITY2020》 * |
邱新宇: "稳健的锂电池等效电路模型参数辨识及荷电状态估计研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113761726A (zh) * | 2021-08-19 | 2021-12-07 | 国网江苏省电力有限公司电力科学研究院 | 一种锂电池参数辨识方法及系统 |
CN113884909A (zh) * | 2021-09-30 | 2022-01-04 | 国网江苏省电力有限公司电力科学研究院 | 一种锂电池电路参数和漂移电流辨识方法及装置 |
CN115494406A (zh) * | 2022-10-28 | 2022-12-20 | 北京航空航天大学 | 电池参数辨识方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113190969B (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113190969B (zh) | 一种基于信息评估机制的锂电池模型参数辨识方法 | |
Li et al. | Enhanced online model identification and state of charge estimation for lithium-ion battery under noise corrupted measurements by bias compensation recursive least squares | |
CN110261779B (zh) | 一种三元锂电池荷电状态与健康状态在线协同估计方法 | |
CN111581904B (zh) | 考虑循环次数影响的锂电池soc及soh协同估算方法 | |
CN110286332B (zh) | 一种基于多新息理论的电动汽车动力电池soc估计方法 | |
CN110441694B (zh) | 基于多重渐消因子卡尔曼滤波锂电池荷电状态估计方法 | |
CN111060834A (zh) | 一种动力电池健康状态估算方法 | |
CN113156321B (zh) | 一种锂离子电池荷电状态soc的估算方法 | |
Li et al. | Estimation algorithm research for lithium battery SOC in electric vehicles based on adaptive unscented Kalman filter | |
JP2016536605A (ja) | 電池の充電状態を推定するための方法、装置およびシステム | |
CN110824363B (zh) | 一种基于改进ckf的锂电池soc和soe联合估算方法 | |
Li et al. | A novel parameter and state-of-charge determining method of lithium-ion battery for electric vehicles | |
CN106126783B (zh) | 一种锂离子电池变时间尺度模型参数估计方法 | |
CN109839596B (zh) | 基于ud分解的自适应扩展卡尔曼滤波的soc估算方法 | |
CN112630659A (zh) | 一种基于改进bp-ekf算法的锂电池soc估算方法 | |
CN113608121A (zh) | 基于模糊分数阶无迹卡尔曼滤波的锂电池soc估计方法 | |
CN114729967A (zh) | 用于估计储能器的状态的方法 | |
CN112580284A (zh) | 一种混合电容器等效电路模型及在线参数辨识方法 | |
CN111537903A (zh) | 一种基于hckf的电池soc估计方法 | |
CN112528472A (zh) | 一种多新息混合Kalman滤波和H无穷滤波算法 | |
CN114545262A (zh) | 一种针对损失数据的锂离子电池参数辨识及soc估计方法 | |
CN115407205A (zh) | 考虑温度影响的多时间尺度soc和soh协同估计方法 | |
CN113805062B (zh) | 锂电池等效电路模型参数在线鲁棒自适应辨识方法 | |
CN110687462A (zh) | 一种动力电池soc与容量全生命周期联合估计方法 | |
CN117420447A (zh) | 考虑噪声偏差补偿的锂电池soc估算方法、系统和电子装置 |
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 |