CN113433464A - 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 - Google Patents
一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 Download PDFInfo
- Publication number
- CN113433464A CN113433464A CN202110720961.XA CN202110720961A CN113433464A CN 113433464 A CN113433464 A CN 113433464A CN 202110720961 A CN202110720961 A CN 202110720961A CN 113433464 A CN113433464 A CN 113433464A
- Authority
- CN
- China
- Prior art keywords
- battery
- lithium
- voltage
- rich manganese
- internal resistance
- 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.)
- Pending
Links
Images
Classifications
-
- 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]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Abstract
本发明涉及一种适用于富锂锰基电池的高阶模型参数辨识方法和系统。该适用于富锂锰基电池的高阶模型参数辨识方法基于富锂锰基电池特性建立适用于富锂锰基电池的以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的等效电路模型,再采用该等效电路模型辨识得到适用于富锂锰基电池的高阶模型参数,以在提高参数辨识精度的同时,使得整个高阶模型参数辨识方法具有通用性好和实用价值高的特点。
Description
技术领域
本发明涉及电池参数识别技术领域,特别是涉及一种适用于富锂锰基电池的高阶模型参数辨识方法和系统。
背景技术
随着锂离子电池在电动汽车和储能市场等领域的大规模应用,提高能量密度是锂离子电池持续的发展目标。目前量产的锂离子电池几乎已经达到了技术的极限,超高比能锂离子电池将是未来发展方向,采用富锂锰基正极、纳米硅碳负极的超高比能锂离子电池具有非常良好的应用前景。但是由于电池系统是一个非常复杂的系统,尤其是针对更高比能量的富锂锰基电池电化学反应过程呈现出高度的非线性特性。
对于传统的电池模型结构,研究人员进行了大量的研究,从各个研究角度,提出了多种多样的电池模型,可大致分为以下几类:电化学模型、经验模型、神经网络模型、等效电路模型等。其中等效电路模型是基于电池工作原理利用电容电阻等器件构成的电路网络来描述电池的工作特性。等效电路模型物理意义明晰,能够用数学模型解析表达,模型参数辨识方便,可对电池进行全容量范围内建模,因此等效电路的研究较多,应用也比较广泛。采用等效电路模型需要考虑以下几个因素:由于电池管理系统中需用于SOC的估算,在电池模型中需要考虑SOC这个变量;为了提高模型的精确度,模型应该很好地体现电池的动态性能;电池模型最终要生成代码嵌入到电池管理系统,模型结构不能过于复杂,以减少处理器的计算量,易于工程实现。
对于电池模型实际是一个非常复杂的非线性系统,它包含了大量的未知参数。对电池模型进行辨识,需要事先掌握大量的先验知识,如模型阶次、模型结构、各种未知常量等,而这些先验知识通常是很难获得的,特别是针对比能量更高的富锂锰基电池,其特性参数的获取需要设计有针对性的试验。其次,在电池的实际使用过程中,随着电池剩余容量SOC和老化状态SOH的不断变化,电池模型的参数是随之变化的,并且这种随时间变化的规律也是变化的。有鉴于此,迫切需要提出一种通用性好、实用价值高的适用于富锂锰基电池的高阶模型参数辨识方法或系统,以提高参数辨识精度高。
发明内容
本发明的目的是提供一种具有通用性好、实用价值高、参数辨识精度高等优点的适用于富锂锰基电池的高阶模型参数辨识方法和系统。
为实现上述目的,本发明提供了如下方案:
一种适用于富锂锰基电池的高阶模型参数辨识方法,包括:
基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型;所述等效电路模型为以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的电路模型;
基于所述等效电路模型辨识得到电池模型参数;辨识得到的所述电池模型参数即为适用于富锂锰基电池的高阶模型参数;辨识得到的所述电池模型参数包括:开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数。
优选地,所述基于所述等效电路模型辨识得到电池模型参数,包括:
在一个复合脉冲功率测试HPPC循环内,根据所述等效电路模型的充电后静置设定时间段的电压值和放电后静置所述设定时间段的电压值确定开路电压;
获取与所述开路电压对应的SOC值后,建立开路电压和SOC值间的函数关系。
优选地,所述基于所述等效电路模型辨识得到电池模型参数,还包括:
获取放点停止后所述等效电路模型的电阻特性;
根据所述电阻特性确定电池欧姆内阻;
获取与所述电池欧姆内阻对应的SOC值后,建立电池欧姆内阻和SOC值间的函数关系。
优选地,所述基于所述等效电路模型辨识得到电池模型参数,还包括:
获取RC惯性环节中第一电容的电压初值和第二电容的电压初值;
根据所述开路电压和SOC值间的函数关系、所述第一电容的电压初值和第二电容的电压初值,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶时间常数和二阶时间常数;
根据所述一阶时间常数、所述二阶时间常数、所述电池欧姆内阻和所述开路电压和SOC值间的函数关系,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶极化内阻和二阶极化内阻。
优选地,所述基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型,之前还包括:
采用实验方式获取富锂锰基电池的性能;所述性能包括负载变化和容量变化;
根据所述性能对所述富锂锰基电池特性进行分析。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供的适用于富锂锰基电池的高阶模型参数辨识方法,基于富锂锰基电池特性建立适用于富锂锰基电池的以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的等效电路模型,再采用该等效电路模型辨识得到适用于富锂锰基电池的高阶模型参数,以在提高参数辨识精度的同时,使得整个高阶模型参数辨识方法具有通用性好和实用价值高的特点。
对应于上述提供适用于富锂锰基电池的高阶模型参数辨识方法,本发明还提供了如下实施系统:
一种适用于富锂锰基电池的高阶模型参数辨识系统,包括:
等效电路模型建立模块,用于基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型;所述等效电路模型为以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的电路模型;
高阶模型参数辨识模块,用于基于所述等效电路模型辨识得到电池模型参数;辨识得到的所述电池模型参数即为适用于富锂锰基电池的高阶模型参数;辨识得到的所述电池模型参数包括:开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数。
优选地,所述高阶模型参数辨识模块包括:
开路电压确定单元,用于在一个复合脉冲功率测试HPPC循环内,根据所述等效电路模型的充电后静置设定时间段的电压值和放电后静置所述设定时间段的电压值确定开路电压;
第一函数关系确定单元,用于获取与所述开路电压对应的SOC值后,建立开路电压和SOC值间的函数关系。
优选地,所述高阶模型参数辨识模块还包括:
电阻特性获取单元,用于获取放点停止后所述等效电路模型的电阻特性;
电池欧姆内阻确定单元,用于根据所述电阻特性确定电池欧姆内阻;
第二函数关系确定单元,用于获取与所述电池欧姆内阻对应的SOC值后,建立电池欧姆内阻和SOC值间的函数关系。
优选地,所述高阶模型参数辨识模块还包括:
电容初值获取单元,用于获取RC惯性环节中第一电容的电压初值和第二电容的电压初值;
时间常数确定单元,用于根据所述开路电压和SOC值间的函数关系、所述第一电容的电压初值和第二电容的电压初值,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶时间常数和二阶时间常数;
极化内阻确定单元,用于根据所述一阶时间常数、所述二阶时间常数、所述电池欧姆内阻和所述开路电压和SOC值间的函数关系,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶极化内阻和二阶极化内阻。
优选地,还包括:
性能获取模块,用于采用实验方式获取富锂锰基电池的性能;所述性能包括负载变化和容量变化;
富锂锰基电池特性分析模块,用于根据所述性能对所述富锂锰基电池特性进行分析。
因本发明提供的适用于富锂锰基电池的高阶模型参数辨识系统实现的技术效果与上述提供的适用于富锂锰基电池的高阶模型参数辨识方法实现的技术效果相同,故在此不再进行赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的适用于富锂锰基电池的高阶模型参数辨识方法的流程图;
图2为本发明实施例中实施适用于富锂锰基电池的高阶模型参数辨识方法的整体框架图;
图3为本发明实施例提供的等效电路模型结构图;
图4为本发明实施例提供的电池试验测试波形图;
图5为本发明实施例提供的cftools工具拟合曲线图;
图6为本发明实施例提供的仿真结果图;
图7为本发明提供的适用于富锂锰基电池的高阶模型参数辨识系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种具有通用性好、实用价值高、参数辨识精度高等优点的适用于富锂锰基电池的高阶模型参数辨识方法和系统。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供的适用于富锂锰基电池的高阶模型参数辨识方法,包括:
步骤100:基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型。等效电路模型为以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的2阶富锂锰基电池等效电路模型。
其中,等效电路模型的结构如图3所示,从模型结构上分析,使用2个串联的RC惯性环节,既能提高模型的精确性,同时模型结构又不是过于复杂,易于在实际的微处理器上进行实时运算。
步骤200:基于等效电路模型辨识得到电池模型参数。辨识得到的电池模型参数即为适用于富锂锰基电池的高阶模型参数。辨识得到的电池模型参数包括:开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数。
步骤200中基于等效电路模型辨识得到电池模型参数的具体实施过程包括:
(1)开路电压OCV的快速辨识:
开路电压OCV是电池模型中最重要的参数。电池充电后静置时,电池电压经过一个瞬间下降之后会缓慢下降,理论上经过足够长的时间,电池的电压最终会等于SOC点对应的OCV值。同样,电池放电后静置时,电池电压经过一个瞬间之后会缓慢上升,逐渐逼近对应的SOC值。SOC值所对应的OCV值处于充电后静置逐渐下降的电压值和放电后静置逐渐上升的电压值所确定的区间之内,OCV的真实值应该接近于这个区间的平均值。在一个复合脉冲功率测试HPPC循环内,由于脉冲充放电时间很短,SOC变化很小可以认为基本不变,因此,采用充电后静置40s的电压值和放电后静置40s的电压值二者的均值来确定该SOC点对应的OCV值,依据OCV与SOC对应关系建立参数表。基于这一实施原理,辨识开路电压的步骤如下:
步骤1-1、在一个复合脉冲功率测试HPPC循环内,根据等效电路模型的充电后静置设定时间段(40s)的电压值和放电后静置设定时间段(40s)的电压值确定开路电压。
步骤1-2、获取与开路电压对应的SOC值后,建立开路电压和SOC值间的函数关系。
(2)电池欧姆内阻R0辨识:
放电停止后,电池电压会有一个瞬间的上升,体现了电池的内阻特性,利用电池的这个特性就可以计算电池的放电内阻,基于此,电池欧姆内阻的辨识步骤如下:
步骤2-1、获取放点停止后等效电路模型的电阻特性。
步骤2-2、根据电阻特性确定电池欧姆内阻。
步骤2-3、获取与电池欧姆内阻对应的SOC值后,建立电池欧姆内阻和SOC值间的函数关系。
其中,电池的放电内阻计算方式如下式(1)所示:
式中,ut1为t1时刻电压,ut2为t2时刻电压,R0为电池的放电内阻,t为时刻。
类似的,充电停止后,电池电压会有一个瞬间的下降,同样可以计算电池的充电内阻。
磷酸铁锂电池的充电内阻和放电内阻阻值是比较接近的,不同SOC值对应的电池内阻差别很小。电池内阻的变化与SOC成近似的线性关系,SOC越小,电池内阻越大。随着SOC的减小,放电内阻较充电内阻变化明显。
(3)一阶极化内阻R1、二阶极化内阻R2、一阶时间常数τ1和二阶时间常数τ2的辨识,具体辨识步骤如下:
步骤3-1、获取RC惯性环节中第一电容的电压初值和第二电容的电压初值。第一电容的电压初值和第二电容的电压初值均包括放电停止时刻的电压初值和充电停止时刻的电压初值。
步骤3-2、根据开路电压和SOC值间的函数关系、第一电容的电压初值和第二电容的电压初值,采用最小二乘法对等效电路模型的端电压进行拟合得到一阶时间常数和二阶时间常数。
步骤3-3、根据一阶时间常数、二阶时间常数、电池欧姆内阻和开路电压和SOC值间的函数关系,采用最小二乘法对等效电路模型的端电压进行拟合得到一阶极化内阻和二阶极化内阻。
具体的,等效电路模型中两个RC惯性环节的电压数学关系式如公式(2)所示:
式中,u1,u2分别为RC惯性环节中第一电容C1和第二电容C2两端的电压,i为流经电池负载的电流,设充电电流为正。定义一阶时间常数数为τ1=R1C1,二阶时间常数为τ2=R2C2。单个RC惯性环节相当于一个一阶电路,其零输入响应由式(3)给出,零状态响应由式(4)给出:
在HPPC循环试验中,放电后静置40s这段时间内,电流为0,RC惯性环节的电路响应可以认为是零输入相应,根据式5采用最小二乘拟合的方式可以计算放电方向的时间常数τ1,τ2:
式(5)中,OCV可以根据前面测得的OCV(SOC)参数表拟合插值得到,u1(0),u2(0)为放电停止时刻第一电容C1,第二电容C2的电压初值。根据式(5)采用最小二乘拟合的方式同样可以计算充电后电池静置40s对应的时间常数τ1,τ2。
利用HPPC循环试验中的放电过程计算RC惯性环节中的电阻R1,R2。由于HPPC循环开始之前,电池已经静置足够长的时间,电池的极化效应已经基本消失,可以认为HPPC循环试验放电过程中RC的电路响应为零状态响应,根据式(6)采用最小二乘法计算放电方向的电阻R1,R2。
式(6)中,OCV计算方法同上,放电内阻R0同样可以根据前面算得的放电内阻参数表拟合插值得到。利用最小二乘方法对等效电路模型的端电压uL的曲线进行拟合,可以得到放电方向的电阻R1,R2。
计算充电方向的电阻R1、R2时,因为HPPC循环试验中,放电结束后电池仅静置40s,极化效应并未完全消失,这时候RC惯性环节上的电路响应为零输入响应和零状态响应的综合,如式(7)所示:
式(7)中,OCV,放电内阻R0计算方法同上。为充电停止时刻第一电容C1、第二电容C2的电压初值,采用了近似的方法,确定RC惯性环节的零输入响应。充电过程中RC惯性环节的零输入响应是放电后静置RC惯性环节零输入响应的延续。因此,根据前面辨识的放电后静置的电池模型参数:放电停止时刻电容C1,C2的电压初值u1(0),u2(0)以及放电过程中的时间常数τ1,τ2可以计算充电过程中的零输入响应,然后根据最小二乘算法即可得到充电方向的电阻R1,R2。
如图2所示,在步骤100之前还包括:
采用实验方式获取富锂锰基电池的性能。性能包括负载变化和容量变化。实时该步骤的目的是为了获得电池模型的参数,所以进行电池性能试验,以充分体现电池负载的变化和容量的变化。
根据性能对富锂锰基电池特性进行分析,便于上述步骤100中基于对富锂锰基电池特性的分析建立适用于富锂锰基电池的等效电路模型。
下面以对12Ah富锂锰基正极电池的高阶模型参数进行辨识为例,对本发明提供的上述适用于富锂锰基电池的高阶模型参数辨识方法的优点进行说明。在实际应用过程中,本发明上述提供的辨识方法还可应用于其他类型的富锂锰基电池。
将12Ah富锂锰基正极电池,在常温25℃下进行试验。测试仪器为Arbin公司生产的专用电池充放电测试设备。考虑到充放电方向不同对应的电池参数不同,对原有的HPPC循环试验进行了改进,设计方案如下:对电池等间隔的SOC点进行试验,整个过程共100秒,首先是10秒的2C倍率的脉冲放电,如图4中t0到t1,然后电池静置40秒,如图4中t1到t2,再进行10秒1.5C倍率的脉冲充电,如图4中t2到t3,最后再静置40秒,如图4中t3到t4所示。基于此,其具体识别步骤如下:
1、对富锂锰基电池进行HPPC循环实验:
首先对电池进行恒流恒压充电使电池SOC为1,然后用0.5C倍率放电使SOC为0.95,静置5min后进行一次HPPC循环(对电池等间隔的SOC点进行试验,整个过程共100秒,首先是10秒的2C倍率的脉冲放电,如图4中t0到t1,然后电池静置40秒,如图4中t1到t2,再进行10秒1.5C倍率的脉冲充电,如图4中t2到t3,最后再静置40秒,如图4中t3到t4所示。),记录电池的电压和电流,然后再将电池放电到SOC为0.9,静置5min后进行下一个HPPC循环,以此类推。试验选取的SOC点为0.95、0.90、0.85、0.8、0.75、……、0.15和0.10。这样的过程能将电池内部的复杂化学反应通过外特性表现出来,且在不同的SOC点做相同的充放电过程辨识的模型参数更具合理性。
2、建立如图3所示的富锂锰基的等效电路模型(常用的电路模型):
等效电路模型用一个理想电压源等效模拟电池的开路电压,用一个内阻R0等效模拟电池电压的电阻特性,用惯性RC环节等效模拟电池的极化效应。从模型结构上分析,使用2个串联的RC环节,既能提高模型的精确性,同时模型结构又不是过于复杂,易于在实际的微处理器上进行实时运算,最终建立2阶富锂锰基电池等效电路模型。
3、对电池模型进行参数辨识:
获得电池的试验数据以后,采用的电池模型需要辨识以下几个参数:OCV、R0、R1、R2、τ1和τ2(即开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数)。辨识参数考虑到各个参数与SOC的关系,分充放电方向进行辨识。
(1)开路电压OCV快速辨识
开路电压OCV是电池模型中最重要的参数。电池充电后静置时,电池电压经过一个瞬间下降之后会缓慢下降,理论上经过足够长的时间,电池的电压最终会等于SOC点对应的OCV值。同样,电池放电后静置时,电池电压经过一个瞬间之后会缓慢上升,逐渐逼近对应的SOC值。SOC(电池荷电状态)所对应的OCV(开路电压)值处于充电后静置逐渐下降的电压值和放电后静置逐渐上升的电压值所确定的区间之内,OCV的真实值应该接近于这个区间的平均值。在一个复合脉冲功率测试HPPC循环内,由于脉冲充放电时间很短,SOC变化很小可以认为基本不变,采用充电后静置40s的电压值和放电后静置40s的电压值二者的均值来确定该SOC点对应的OCV值,依据OCV数据建立OCV(SOC)函数关系,OCV参数如表1所示:
表1 OCV-SOC参数表
(2)电池欧姆内阻R0辨识
放电停止后,电池电压会有一个瞬间的上升,体现了电池的内阻特性,利用电池的这个特性计算电池的放电内阻,如上式(1)所示。
类似的,充电停止后,电池电压会有一个瞬间的下降,同样可以计算电池的充电内阻。
建立电池内阻与SOC的关系函数。磷酸铁锂电池的充电内阻和放电内阻阻值是比较接近的,不同SOC值对应的电池内阻差别很小。电池内阻的变化与SOC成近似的线性关系,SOC越小,电池内阻越大。随着SOC的减小,放电内阻较充电内阻变化明显。充放电内阻辨识的结果如表2所示:
表2放电方向内阻Rd和充电方向内阻Rc参数表
(3)RC惯性环节R1、R2、τ1、τ2辨识
电池模型中两个RC环节的电压数学关系如上式(2)所示。单个RC环节相当于一个一阶电路,其零输入响应如上式(3)所示,零状态响应如上式(4)所示。
在HPPC循环试验中,放电后静置40s这段时间内,电流为0,RC环节的电路响应可以认为是零输入相应,根据上述(5)采用最小二乘拟合的方式可以计算放电方向的时间常数τ1,τ2。
采用同样的方法可以计算充电后电池静置40s对应的时间常数。
利用HPPC循环试验中的放电过程计算RC环节中的电阻R1,R2。由于HPPC循环开始之前,电池已经静置足够长的时间,电池的极化效应已经基本消失,可以认为HPPC循环试验放电过程中RC的电路响应为零状态响应,根据上式(6)采用最小二乘法计算放电方向的电阻R1,R2。
计算充电方向的电阻R1,R2无法采用类似的方法,因为HPPC循环试验中,放电结束后电池仅静置40s,极化效应并未完全消失,这时候RC环节上的电路响应为零输入响应和零状态响应的综合,如上式(7)所示。充电过程中RC环节的零输入响应是放电后静置RC环节零输入响应的延续。因此,根据前面辨识的放电后静置的电池模型参数:放电停止时刻电容C1,C2的电压初值u1(0),u2(0)以及放电过程中的时间常数τ1,τ2可以计算充电过程中的零输入响应,然后根据最小二乘算法即可得到充电方向的电阻R1,R2。
利用最小二乘方法进行参数辨识,采用Matlab软件中的曲线拟合工具箱cftools。图5所示为SOC为0.10时,放电后电池静置时计算时间参数τ1,τ2的拟合过程。
其中,RC环节参数辨识结果汇总如表3,表4所示。
表3放电方向RC环节参数表
SOC | τ<sub>1</sub>/s | τ<sub>2</sub>/s | R<sub>1</sub>/Ω | R<sub>2</sub>/Ω |
1 | 33.7268 | 0.001433 | 0.01262 | 4.1356 |
0.946 | 46.8823 | 0.001639 | 0.01476 | 3.0864 |
0.846 | 56.1482 | 0.001047 | 0.01293 | 3.251 |
0.753 | 59.5238 | 0.0006162 | 0.01297 | 4.4504 |
0.662 | 53.8213 | 0.0002531 | 0.01308 | 4.2355 |
0.559 | 42.123 | 0.00006633 | 0.01285 | 3.5125 |
0.464 | 40.1929 | 0.0002557 | 0.01424 | 3.199 |
0.388 | 40.7498 | 0.002395 | 0.01224 | 2.8482 |
0.301 | 37.9795 | 0.00125 | 0.01865 | 2.3652 |
0.176 | 39.0778 | 0.004533 | 0.01788 | 2.8369 |
0 | 53.3333 | 0.005367 | 0.04598 | 3.7355 |
表4充电方向RC环节参数表
(4)仿真分析
根据以上方法辨识出来的模型参数,在Matlab/Simulink中建立电池模型进行仿真分析,如图6所示。模型的输入mat文件是根据实验数据整理的,包括记录时间、电流、电压和SOC,模型需要输入的变量是实测的电流和SOC,SOC参考值是根据试验数据记载的安时数计算所得。模型的输出变量是输出电压,与实测的电压在Scope模块中进行对比。从误差曲线上可以看出SOC估算精度在5%以内。
此外,对应于上述提供适用于富锂锰基电池的高阶模型参数辨识方法,本发明还提供一种适用于富锂锰基电池的高阶模型参数辨识系统,如图7所示,该高阶模型参数辨识系统包括:等效电路模型建立模块1和高阶模型参数辨识模块2。
其中,等效电路模型建立模块1用于基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型。等效电路模型为以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的电路模型。
高阶模型参数辨识模块2用于基于等效电路模型辨识得到电池模型参数。辨识得到的电池模型参数即为适用于富锂锰基电池的高阶模型参数。辨识得到的电池模型参数包括:开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数。
进一步,上述采用的高阶模型参数辨识模块2优选包括:开路电压确定单元、第一函数关系确定单元、电阻特性获取单元、电池欧姆内阻确定单元、第二函数关系确定单元、电容初值获取单元、时间常数确定单元和极化内阻确定单元。
其中,开路电压确定单元用于在一个复合脉冲功率测试HPPC循环内,根据等效电路模型的充电后静置设定时间段的电压值和放电后静置设定时间段的电压值确定开路电压。
第一函数关系确定单元用于获取与开路电压对应的SOC值后,建立开路电压和SOC值间的函数关系。
电阻特性获取单元用于获取放点停止后等效电路模型的电阻特性。
电池欧姆内阻确定单元用于根据电阻特性确定电池欧姆内阻。
第二函数关系确定单元用于获取与电池欧姆内阻对应的SOC值后,建立电池欧姆内阻和SOC值间的函数关系。
电容初值获取单元用于获取RC惯性环节中第一电容的电压初值和第二电容的电压初值。
时间常数确定单元用于根据开路电压和SOC值间的函数关系、第一电容的电压初值和第二电容的电压初值,采用最小二乘法对等效电路模型的端电压进行拟合得到一阶时间常数和二阶时间常数。
极化内阻确定单元用于根据一阶时间常数、二阶时间常数、电池欧姆内阻和开路电压和SOC值间的函数关系,采用最小二乘法对等效电路模型的端电压进行拟合得到一阶极化内阻和二阶极化内阻。
再进一步,本发明提供的适用于富锂锰基电池的高阶模型参数辨识系统还包括:性能获取模块和富锂锰基电池特性分析模块。
其中,性能获取模块用于采用实验方式获取富锂锰基电池的性能。性能包括负载变化和容量变化。
富锂锰基电池特性分析模块用于根据性能对富锂锰基电池特性进行分析。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种适用于富锂锰基电池的高阶模型参数辨识方法,其特征在于,包括:
基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型;所述等效电路模型为以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的电路模型;
基于所述等效电路模型辨识得到电池模型参数;辨识得到的所述电池模型参数即为适用于富锂锰基电池的高阶模型参数;辨识得到的所述电池模型参数包括:开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数。
2.根据权利要求1所述的适用于富锂锰基电池的高阶模型参数辨识方法,其特征在于,所述基于所述等效电路模型辨识得到电池模型参数,包括:
在一个复合脉冲功率测试HPPC循环内,根据所述等效电路模型的充电后静置设定时间段的电压值和放电后静置所述设定时间段的电压值确定开路电压;
获取与所述开路电压对应的SOC值后,建立开路电压和SOC值间的函数关系。
3.根据权利要求2所述的适用于富锂锰基电池的高阶模型参数辨识方法,其特征在于,所述基于所述等效电路模型辨识得到电池模型参数,还包括:
获取放点停止后所述等效电路模型的电阻特性;
根据所述电阻特性确定电池欧姆内阻;
获取与所述电池欧姆内阻对应的SOC值后,建立电池欧姆内阻和SOC值间的函数关系。
4.根据权利要求3所述的适用于富锂锰基电池的高阶模型参数辨识方法,其特征在于,所述基于所述等效电路模型辨识得到电池模型参数,还包括:
获取RC惯性环节中第一电容的电压初值和第二电容的电压初值;
根据所述开路电压和SOC值间的函数关系、所述第一电容的电压初值和第二电容的电压初值,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶时间常数和二阶时间常数;
根据所述一阶时间常数、所述二阶时间常数、所述电池欧姆内阻和所述开路电压和SOC值间的函数关系,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶极化内阻和二阶极化内阻。
5.根据权利要求1所述的适用于富锂锰基电池的高阶模型参数辨识方法,其特征在于,所述基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型,之前还包括:
采用实验方式获取富锂锰基电池的性能;所述性能包括负载变化和容量变化;
根据所述性能对所述富锂锰基电池特性进行分析。
6.一种适用于富锂锰基电池的高阶模型参数辨识系统,其特征在于,包括:
等效电路模型建立模块,用于基于富锂锰基电池特性建立适用于富锂锰基电池的等效电路模型;所述等效电路模型为以理想电压源等效模拟富锂锰基电池的开路电压,以内阻等效模拟富锂锰基电池电压的电阻特性,以RC惯性环节等效模拟富锂锰基电池的极化效应的电路模型;
高阶模型参数辨识模块,用于基于所述等效电路模型辨识得到电池模型参数;辨识得到的所述电池模型参数即为适用于富锂锰基电池的高阶模型参数;辨识得到的所述电池模型参数包括:开路电压、电池欧姆内阻、一阶极化内阻、二阶极化内阻、一阶时间常数和二阶时间常数。
7.根据权利要求6所述的适用于富锂锰基电池的高阶模型参数辨识系统,其特征在于,所述高阶模型参数辨识模块包括:
开路电压确定单元,用于在一个复合脉冲功率测试HPPC循环内,根据所述等效电路模型的充电后静置设定时间段的电压值和放电后静置所述设定时间段的电压值确定开路电压;
第一函数关系确定单元,用于获取与所述开路电压对应的SOC值后,建立开路电压和SOC值间的函数关系。
8.根据权利要求7所述的适用于富锂锰基电池的高阶模型参数辨识系统,其特征在于,所述高阶模型参数辨识模块还包括:
电阻特性获取单元,用于获取放点停止后所述等效电路模型的电阻特性;
电池欧姆内阻确定单元,用于根据所述电阻特性确定电池欧姆内阻;
第二函数关系确定单元,用于获取与所述电池欧姆内阻对应的SOC值后,建立电池欧姆内阻和SOC值间的函数关系。
9.根据权利要求8所述的适用于富锂锰基电池的高阶模型参数辨识系统,其特征在于,所述高阶模型参数辨识模块还包括:
电容初值获取单元,用于获取RC惯性环节中第一电容的电压初值和第二电容的电压初值;
时间常数确定单元,用于根据所述开路电压和SOC值间的函数关系、所述第一电容的电压初值和第二电容的电压初值,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶时间常数和二阶时间常数;
极化内阻确定单元,用于根据所述一阶时间常数、所述二阶时间常数、所述电池欧姆内阻和所述开路电压和SOC值间的函数关系,采用最小二乘法对所述等效电路模型的端电压进行拟合得到一阶极化内阻和二阶极化内阻。
10.根据权利要求6所述的适用于富锂锰基电池的高阶模型参数辨识系统,其特征在于,还包括:
性能获取模块,用于采用实验方式获取富锂锰基电池的性能;所述性能包括负载变化和容量变化;
富锂锰基电池特性分析模块,用于根据所述性能对所述富锂锰基电池特性进行分析。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110720961.XA CN113433464A (zh) | 2021-06-28 | 2021-06-28 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
PCT/CN2022/101756 WO2023274194A1 (zh) | 2021-06-28 | 2022-06-28 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110720961.XA CN113433464A (zh) | 2021-06-28 | 2021-06-28 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113433464A true CN113433464A (zh) | 2021-09-24 |
Family
ID=77755064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110720961.XA Pending CN113433464A (zh) | 2021-06-28 | 2021-06-28 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113433464A (zh) |
WO (1) | WO2023274194A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114252772A (zh) * | 2021-12-22 | 2022-03-29 | 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 |
WO2023274194A1 (zh) * | 2021-06-28 | 2023-01-05 | 中国科学院电工研究所 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116106750B (zh) * | 2023-01-28 | 2023-11-10 | 上海玫克生储能科技有限公司 | 一种电池温测点辨识及异常检测方法、装置和电子设备 |
CN116680938B (zh) * | 2023-08-04 | 2023-10-20 | 通达电磁能股份有限公司 | 一种锂电池电热耦合模型的建模方法及系统 |
CN117310508B (zh) * | 2023-11-30 | 2024-02-27 | 山东科技大学 | 一种快速准确测量锂电池电变量的方法 |
CN117538760B (zh) * | 2024-01-10 | 2024-04-23 | 广东电网有限责任公司茂名供电局 | 一种铅酸蓄电池参数辨识方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010157492A (ja) * | 2008-12-01 | 2010-07-15 | Calsonic Kansei Corp | 電池モデル同定方法 |
CN108832118A (zh) * | 2018-06-25 | 2018-11-16 | 西南交通大学 | MnO2中间体及其制备方法以及富锂锰基正极材料的制备方法 |
CN110348062A (zh) * | 2019-06-14 | 2019-10-18 | 湖北锂诺新能源科技有限公司 | 锂离子电池等效电路模型的构建方法 |
CN112345939A (zh) * | 2020-09-15 | 2021-02-09 | 北京交通大学 | 基于连续脉冲响应的锂离子电池模型参数辨识方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106250576A (zh) * | 2016-05-20 | 2016-12-21 | 武汉科技大学 | 一种基于动态阻抗的锂电池模型的建模方法 |
CN106909716B (zh) * | 2017-01-19 | 2020-03-24 | 东北电力大学 | 计及容量损耗的磷酸铁锂电池建模及soc估计方法 |
CN108254698B (zh) * | 2018-01-29 | 2019-05-10 | 西南交通大学 | 一种基于分数阶电池模型的非脆弱性剩余电量的估计方法 |
CN110687468B (zh) * | 2018-06-19 | 2021-01-15 | 华为技术有限公司 | 一种电池荷电状态的估计方法及装置 |
CN110361652A (zh) * | 2019-06-26 | 2019-10-22 | 河南理工大学 | 一种基于模型参数优化的卡尔曼滤波锂电池soc估计方法 |
CN110704790A (zh) * | 2019-09-06 | 2020-01-17 | 湖北文理学院 | 基于ifa-ekf的锂电池soc估算方法 |
CN112098849B (zh) * | 2020-09-19 | 2023-10-13 | 西安科技大学 | 基于求积分卡尔曼滤波的锂电池剩余电量估计方法 |
CN113433464A (zh) * | 2021-06-28 | 2021-09-24 | 中国科学院电工研究所 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
-
2021
- 2021-06-28 CN CN202110720961.XA patent/CN113433464A/zh active Pending
-
2022
- 2022-06-28 WO PCT/CN2022/101756 patent/WO2023274194A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010157492A (ja) * | 2008-12-01 | 2010-07-15 | Calsonic Kansei Corp | 電池モデル同定方法 |
CN108832118A (zh) * | 2018-06-25 | 2018-11-16 | 西南交通大学 | MnO2中间体及其制备方法以及富锂锰基正极材料的制备方法 |
CN110348062A (zh) * | 2019-06-14 | 2019-10-18 | 湖北锂诺新能源科技有限公司 | 锂离子电池等效电路模型的构建方法 |
CN112345939A (zh) * | 2020-09-15 | 2021-02-09 | 北京交通大学 | 基于连续脉冲响应的锂离子电池模型参数辨识方法 |
Non-Patent Citations (1)
Title |
---|
文浩然 等: "富锂锰基材料Li1.2Ni0.13Co0.13Mn0.54O2的改性与电化学性能研究", 《矿冶工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023274194A1 (zh) * | 2021-06-28 | 2023-01-05 | 中国科学院电工研究所 | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 |
CN114252772A (zh) * | 2021-12-22 | 2022-03-29 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
WO2023274194A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | A state of charge estimation method for lithium-ion batteries based on fractional order adaptive extended kalman filter | |
CN113433464A (zh) | 一种适用于富锂锰基电池的高阶模型参数辨识方法和系统 | |
Cao et al. | Multi-timescale parametric electrical battery model for use in dynamic electric vehicle simulations | |
Liu et al. | A new method of modeling and state of charge estimation of the battery | |
CN103529399B (zh) | 一种基于铅酸电池改进型pngv模型的模拟方法 | |
Thanagasundram et al. | A cell level model for battery simulation | |
Nemes et al. | Modeling and simulation of first-order Li-Ion battery cell with experimental validation | |
CN110261778B (zh) | 一种锂离子电池soc估测算法 | |
CN110426639B (zh) | 一种基于动态阻抗谱的锂离子电池寿命预测方法及系统 | |
CN110795851A (zh) | 一种考虑环境温度影响的锂离子电池建模方法 | |
CN112345939B (zh) | 基于连续脉冲响应的锂离子电池模型参数辨识方法 | |
CN110673037B (zh) | 基于改进模拟退火算法的电池soc估算方法及系统 | |
CN111142025A (zh) | 一种电池soc估算方法、装置、存储介质及电动汽车 | |
Hossain et al. | A parameter extraction method for the Thevenin equivalent circuit model of Li-ion batteries | |
CN112444754B (zh) | 基于动态阻抗的电池健康状态估算方法、系统 | |
CN110007238A (zh) | 一种铝空气电池等效电路模型的建立方法 | |
Castano-Solis et al. | Hybrid characterization procedure of Li-ion battery packs for wide frequency range dynamics applications | |
Fan et al. | Data-driven identification of lithium-ion batteries: A nonlinear equivalent circuit model with diffusion dynamics | |
CN105301504A (zh) | 基于单位脉冲响应估计锂电池荷电状态的方法 | |
M’Sirdi et al. | Battery models for estimation of state of charge by sliding mode observer | |
Wang et al. | Battery state estimator based on a finite impulse response filter | |
Wang et al. | Modeling, parameterization, and benchmarking of a lithium ion electric bicycle battery | |
CN111856286A (zh) | 基于dp-rc模型的电池功率估计方法及装置 | |
Zhao et al. | State-of-charge estimation for lithium-ion batteries using a multi-state closed-loop observer | |
Buller et al. | Supercapacitors and lithium-ion batteries for power electronic applications |
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 |