CN115327419A - 一种蓄电池内阻参数的在线辨识方法 - Google Patents

一种蓄电池内阻参数的在线辨识方法 Download PDF

Info

Publication number
CN115327419A
CN115327419A CN202211271463.2A CN202211271463A CN115327419A CN 115327419 A CN115327419 A CN 115327419A CN 202211271463 A CN202211271463 A CN 202211271463A CN 115327419 A CN115327419 A CN 115327419A
Authority
CN
China
Prior art keywords
value
internal resistance
time step
time
storage battery
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
CN202211271463.2A
Other languages
English (en)
Other versions
CN115327419B (zh
Inventor
吴建斌
陈驰
钱秋如
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.)
Changxing Taihu Nenggu Technology Co ltd
Original Assignee
Changxing Taihu Nenggu 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 Changxing Taihu Nenggu Technology Co ltd filed Critical Changxing Taihu Nenggu Technology Co ltd
Priority to CN202211271463.2A priority Critical patent/CN115327419B/zh
Publication of CN115327419A publication Critical patent/CN115327419A/zh
Application granted granted Critical
Publication of CN115327419B publication Critical patent/CN115327419B/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]
    • G01R31/389Measuring internal impedance, internal conductance or related variables
    • 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
    • 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]
    • G01R31/396Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/4285Testing apparatus
    • HELECTRICITY
    • H01ELECTRIC ELEMENTS
    • H01MPROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M10/00Secondary cells; Manufacture thereof
    • H01M10/42Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
    • H01M10/48Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte
    • H01M10/482Accumulators combined with arrangements for measuring, testing or indicating the condition of cells, e.g. the level or density of the electrolyte for several batteries or cells simultaneously or sequentially
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • General Chemical & Material Sciences (AREA)
  • Secondary Cells (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明涉及储能电池管理技术领域,具体涉及蓄电池内阻参数的检测辨识方式。本发明是通过以下技术方案得以实现的:一种蓄电池内阻参数的在线辨识方法,包含S01、数据采集步骤;S02、时间步划分模式确定步骤;S03、各时间步中的参数计算步骤;通过最小二乘法,计算得出每个恒定段中的K值和R值;S04、偏差值计算步骤;S05、时间步划分模式改变步骤;得到多个不同时间步划分模式下的完整参数组;S06、内阻值计算步骤;通过加权平均得到最终这一时刻的内阻值R。本发明的目的是提供一种蓄电池内阻参数的在线辨识方法,能实时得到电池的当前内阻阻值,在保证计算过程高效的同时,也保证了内阻参数计算的精确度。

Description

一种蓄电池内阻参数的在线辨识方法
技术领域
本发明涉及储能电池管理技术领域,具体涉及蓄电池内阻参数的辨识方法。
背景技术
蓄电池作为供电系统的后备电源,在通信、银行、电源、交通、金融等领域得到了广泛应用,其健康情况与稳定性直接影响这些领域关键系统的稳定与安全。
电池内阻是指电流通过电池所受到的阻力,是一个重要的参数。一方面,电池内阻与电池本身容量有着密切联系,因而最重要且最能反映蓄电池当前状态。另一方面,电池内阻是很多电池检测系统、检测电路的重要计算参数。
具体的,如公开号为CN 113093014 A的中国专利文件公开了一种基于阻抗参数的SOH与SOC在线协同估计方法及系统,使用了蓄电池等效电路模型,如Thevenin等效电路模型。该技术方案基于蓄电池等效电路模型结合蓄电池的充放电数据对阻抗参数进行辨识。
然而,等效电路模型中的内阻参数的值,并不是固定不变的。内阻参数是随着温度、soc、soh、充放电电流以及充放电时长等因素而变化。实际应用中,往往通过离线充放电测试的方法辨识得到电池各种工况下的内阻参数。如公开号为CN201711329175的中国专利文件公开了一种获取离线数据来估算蓄电池联合状态的方法。离线测试即电池脱离运行环境而在测试环境下进行具体测试,离线测试系统需要模拟各种情况。在这个过程中,由于需要模拟各种情况,测试方法工作量大,测试的过程耗时长,且最终得出的测试数据覆盖度并不全。
也有技术方案针对此缺陷做了进一步的改进,如公开号为CN202210268428.9 的中国专利文件公开了一种蓄电池内阻在线估算方法、系统、设备和存储介质,以该专利为代表的技术方案采用更为便捷的在线估算的方式。内阻在线估算指的是在蓄电池正常运行状态下对其内阻进行测算。该种类型的技术方案无需事先对不同的温度、不同的充放电电流、不同的SOC、SOH的状态都进行测试和记录,有效减少了测试时间。
然而该种类型的技术方案往往需要额外的电源对电池输入给定脉冲激励得到激励前后的电压、电流数值变化从而得到内阻参数,存在硬件成本高、实施方案较为复杂的缺点。
发明内容
本发明的目的是提供一种蓄电池内阻参数的在线辨识方法,能实时得到电池的当前内阻阻值,在假设一定时间步内阻参数缓慢变化、开路电压分段线性变化的基础上,采用简化的电池模型,由一段时间内电池电流电压数据辨识得到各时间步内内阻的估计值并做验证,最终对不同时间步的内阻计算结果做加权平均作为最终结果。本发明计算过程简洁明了、模型简单、算法稳定,“假设-验证-加权平均”的步骤和“即时采样、广泛采样、叠加权重”的设计方式也保证了内阻参数计算的准确度。
本发明是使用如下技术方案来实现的:一种蓄电池内阻参数的在线辨识方法,包 含如下步骤: S01、数据采集步骤; 取采样时刻范围[0,tmax]内的电池电压V、电流I数据, 采样间隔设为
Figure 100002_DEST_PATH_IMAGE001
; S02、时间步划分模式确定步骤; 将整个采样的时刻范围划分为多个时 间步,确定单个时间步的时间长度为mΔT,其中m≥2,按mΔT长度进行划分,各时间步依次 记为[t0,t1]、(t1,t2]、......、(tj,tk]......、(t(n-1),tn]、(tn,tmax];假设每个时间步 内K、R值保持不变,依次记为K0、R0、K1、R1、……、Kj、Rj、......、K(n-1)、R(n-1)、Kn、Rn;在 单个时间步中,视内阻参数R与开路电压关于充放电量的导数值K均不变; S03、各时间步中 的参数计算步骤; 通过每个时间步中采样得到的V和I,采用最小二乘法,计算得出每个时 间步中的K值和R值; S04、偏差值计算步骤; 计算该种时间步划分模式下的完整参数组,所 述完整参数组包括每个时间步的R、偏差值
Figure 68020DEST_PATH_IMAGE002
、K和偏差值
Figure 100002_DEST_PATH_IMAGE003
,偏差值为相邻两个参数的差 值/前一个参数值(最后时间步的偏差值可由邻近时间步偏差值插值得到); S05、时间步划 分模式改变步骤; 改变时间步划分模式,即改变S02中的n的数值,重复S03、S04步骤,得到 多个不同时间步划分模式下的完整参数组; S06、内阻值计算步骤; 基于某一时刻下,所有 时间步划分模式下的R值和置信度,通过加权平均得到最终这一时刻的内阻值R,置信度与 偏差值负相关。
作为本发明的优选,在所述S06步骤中,置信度=1-δ;某一时刻下,所有时间步划分 模式下的R值和偏差值δ数列为
Figure 526771DEST_PATH_IMAGE004
; 最后加权平均得到这一 时刻内阻值R的公式为:
Figure 100002_DEST_PATH_IMAGE005
作为本发明的优选, 在所述S03中,利用最小二乘法来计算K和R的公式为:
Figure 368825DEST_PATH_IMAGE006
i、j为自然数,
Figure 232876DEST_PATH_IMAGE001
为采样间隔,
Figure 100002_DEST_PATH_IMAGE007
为初始开路电压,V和I直接通过采样得到。
作为本发明的优选,设有偏差值阈值,当某一时间步划分模式下的δR大于所述偏差值阈值,则该数值被过滤删除,不参与到S06的计算中。
作为本发明的优选,当某一时间步划分模式下的δR或δK大于所述偏差值阈值,则该数值被过滤删除,不参与到S06的计算中。
作为本发明的优选,所述偏差值阈值的取值范围可为5-25%。
作为本发明的优选,所述S05中,时间步的划分方式为穷尽式的遍历划分,即时间步的时长mΔT,m=2,3,4…N,N为采样时间tmax/(2ΔT)。
作为本发明的优选,在所述S03中,利用最小二乘法来计算K和R的公式为:
Figure 112495DEST_PATH_IMAGE008
,其中,V和I直接采样得到, i和j都为自然数,tj+i
Figure 528433DEST_PATH_IMAGE009
表示第j+1个时间步中i
Figure 264308DEST_PATH_IMAGE009
采样时间,OCV(t0)为初始开路电压,
Figure 56683DEST_PATH_IMAGE010
为分段线性累加关系的设计,其中,dt为时间增 量。
综上所述,本发明具有如下有益效果:
1、在本技术方案中,公式设计简洁明了,对K和R的计算通过最小二乘法来计算,对计算机的算力要求低。
2、对某一时刻的K、R的计算采用该时刻附近的采样数据作为计算基础,数据相关性强。
3、考虑了整个采样时间范围内开路电压随电量的线性累加变化,增强了解的约束,使得算法求解稳定性增强。
4、根据偏差值反向设计权重占比,进一步提高结果数据的精确度。
5、偏差过滤使得偏差值过大或不合理的数据不参与计算,过滤掉了不合理假设的计算结果,进一步提升最终结果的精度。
6、对于时间步的划分方式广泛采样,采用了遍历式的划分设计。丰富了计算过程的数据基础,内阻的最终计算数值的可信度得到进一步增强。
7、无需额外硬件设备,硬件成本不高。
具体实施方式
以下对本发明作进一步详细说明。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
实施例1,一种蓄电池内阻参数的在线辨识方法,最终目的是为了求得内阻参数R。 在本技术方案中,在求的R的过程中,需要使用到的,另一个关键参数为开路电压关于充放 电量的导数值K,其反映的是充放电量带来的开路电压的变化。公式可表示为:
Figure 100002_DEST_PATH_IMAGE011
其中,dC为充放电量变化量,OCV为开路电压,dOCV即为开路电压的变化值。电池输出端电压由开路电压和内阻压降这两个部分组成,公式表示即为:
Figure 522299DEST_PATH_IMAGE012
其中,V为电池输出端电压,I为电路中的电流,两者均可直接通过测量得到数值。将上面公式变化为开路电压线性叠加形式,C为充放电量,得到以下公式:
Figure DEST_PATH_IMAGE013
随后进入本技术方案步骤一,S01、数据采集步骤。
在本步骤中,在采样的时刻范围,该范围记为[0,tmax]获取电池管理系统对电压V 和电流I的采样值,采样间隔记为
Figure 577980DEST_PATH_IMAGE001
。如采样时刻范围为2分钟,采样间隔为10秒,则在这 120秒内,每10秒,获取一次电压V、电流I数据。
这里需要说明的是,在本技术方案中,只改变R的辨识过程,对于电路设计、测量方式、计算系统的硬件实现,均与现有技术相同,本领域技术人员可直接选用现有系统的成熟硬件来实现电压电流值的测量,直接选用成熟的操作系统来以软件方式自动实现计算过程。至于软件的设计语言和代码,本文不做限定,本领域技术人员可选用C语言、汇编、JAVA等成熟设计语言。
随后进入一个关键步骤,S02、时间步划分模式确定步骤。
在该步骤中,指定一个时间步的长度,如[0,mΔT],m为自然数。假设K和R两个参数在该时间步内是不变的。需要说明的是,这个时间步至少要跨度两个采样间隔,即这里的m要大于等于2。
各时间步依次记为[t0,t1]、(t1,t2]、......、(tj,tk]......、(t(n-1),tn]、(tn,tmax];假设每个时间步内K、R值保持不变,依次记为Ka、Ra、Kb、Rb、Kc、Rc、Kd、Rd、Ke、Re……。
例如,指定这120秒中,假设m=3,即30秒内K和R是恒定不变的,则0-30秒,30-60秒,60-90秒,90-120秒这四个时间段,假设这四个时间段,每个时间段内K和R都是不变,数值分别为Ka、Ra、Kb、Rb、Kc、Rc、Kd、Rd。
S03、各时间步中的参数计算步骤。
该步骤中,通过每个时间步中取样的V和I,通过最小二乘法,计算得出每个时间步中的K值和R值。
由于V和I是可以直接取样得到,而未知数只有K和R这两个数,故只要构建方程组,方程组中包含两个以上方程,通过最小二乘法即可得到这两个未知数。
例如,在本实施例中,使用的计算方程为:
Figure 925785DEST_PATH_IMAGE014
该方程为上文提及的
Figure 131638DEST_PATH_IMAGE012
方程的增量关系式,其中,电流I乘以时 间t的增量,即为电容增量dC。其中的
Figure 248499DEST_PATH_IMAGE015
中的i,只要小于m即可。在本实施例中,可以取i= 1,i=2,i=3,即可以通过10秒的取样和0秒的取样,构建方程一,20秒的取样和0秒的取样,构 建方程二,30秒的取样和0秒的取样,构建方程三,三个方程即可计算得到K和R的值。
至此,0-30秒这一时间步的K和R计算完毕。
上文已提及,m一定要大于等于2。这是由于,若m只取1,在这个步骤中,就无法构建出两个方程,自然无法解出K和R两个未知参数。
同样的方法,求得每个时间步中的K和R,在本实施例中,0-30秒,31-60秒,61-90秒,91-120秒这四个时间段每个时间段的K和R都被求出。
S04、偏差值计算步骤。
如上文所述,四个时间段对应的K和R都已被求出,以R为例,0-30秒,31-60秒,61- 90秒,91-120秒这四个时间段被记为Ra,Rb,Rc,Rd,此时,需要求得每个时间段的偏差值
Figure 147185DEST_PATH_IMAGE002
, 其计算方式为,前后相邻时间段对应的R值之差/在前时间段R值*100%。例如第二个时间段 的偏差值
Figure 41276DEST_PATH_IMAGE002
b ,则为(Rb-Ra)/Ra*100%。
但是在这样的计算中,第一个时间段的偏差值
Figure 909875DEST_PATH_IMAGE002
就无法求出,此时,可以将第一 个时间段的偏差值做平滑处理,如,直接将
Figure 22187DEST_PATH_IMAGE002
a等于
Figure 950829DEST_PATH_IMAGE002
b。也可以将
Figure 148592DEST_PATH_IMAGE002
a定为后面两个数值, 如
Figure 820882DEST_PATH_IMAGE002
b和
Figure 787701DEST_PATH_IMAGE002
c的平均值。
在本实施例中,首个时间步的偏差值直接取值第二个时间步的偏差值。
至此,形成了该划分方式下的完整参数组,该完整参数值包含R、
Figure 152823DEST_PATH_IMAGE002
、K和
Figure 572303DEST_PATH_IMAGE003
S05、时间步划分模式改变步骤。
在本步骤,改变采样时刻范围内,各个时间步的划分方式,使之与之前的S02中的划分方式不同。
例如,在本实施例中的S02中,按照30秒的长度进行划分,将整个采样时刻范围120秒划分成了四个时间步,而在该步骤中,划分长度按照40秒和60秒。前者将整个采样时刻范围划分成3个时间步,后者则划分形成了2个时间步。随后,按照上文所述的S03和S04的相同方法,获得每个划分方式下对应的完整参数组。
S06、内阻值计算步骤。
此步骤为本技术方案的最终结果的输出步骤。
经过了上述五个步骤后,每个时刻的内阻值,都对应了有多个结果。
Figure 48284DEST_PATH_IMAGE004
;此时,用“1-δ” 求得R值的置信度,对所有R值作加权平均得到R的最终结果。公式为:
Figure 869610DEST_PATH_IMAGE005
。这里的i为该时刻,不同的时间步划分方式下,所对应的内 阻值和偏差值的编号。以Ri为例,i=1的时候就是第一种时间步划分方式下R的数值R1,i=2 的时候就是第二种时间步划分方式下R的数值R2。
例如,以第55秒这个时刻为例,经过了上文的步骤,该时刻分别为30秒划分下的第二时间段;40秒划分下的第二时间段和60秒划分下的第一自然段。这三个划分下的R值分别计为R1=1、R2=2、R3=3,偏差值分别为δR1=3%、δR2=3%、δR3=5%。
此时,用“1-δ”求得R值的置信度,对所有R值作加权平均得到R的最终结果。R=(1*97%+2*97%+3*95%)/(97%+97%+95%)=1.993。
1.993即为第55秒R值的最终结果。
若有需求,同理也可以计算出第55秒K值的最终结果。
综上所述,在本技术方案中,公式设计简洁明了,对K和R的计算通过最小二乘法来计算,对计算机的算力要求低,系统运行效率高,耗时少。使用了不同划分方式下的数据进行综合计算,计算结果更精确可靠。并且根据偏差值反向设计权重占比,进一步提高结果数据的精确度。
实施例二:与实施例一的区别是,还存在偏差过滤的发明设计。
用户自定义一个偏差值阈值,例如5%。则在S06步骤中,偏差值高于偏差值阈值的情况下,所对应的内阻值数据,不参与最终R值的计算。
在此规则下,上文的案例中,三个划分下的R值分别计为R1=1、R2=2、R3=3,偏差值分别为δR1=3%、δR2=3%、δR3=6%,则R3不参与最终R值的计算。
R=(1*97%+2*97%)/(97%+97%)=1.5。
偏差过滤使得偏差值过大或不合理的数据不参与计算,过滤掉了由于误差或设备硬件故障造成的运算失真,去除计算噪音,进一步提升最终结果的精度。
实施例三:在实施例二的基础上,对δK也进行了过滤。如,δR和δK任意一个数字超过了5%,则这组数据都不参与最终R的计算了。如,δR3虽然是4%,但是δK3为6%,则R3同样不参与最终R值的计算了。偏差值阈值的取值范围可为5%-25%,在本实施例中,取值为5%。
实施例四:与实施例一的区别是,在S05步骤中,对于时间步的划分方式,采用了遍历式的划分设计。即,时间步的划分方式穷尽了所有允许的划分方式。
具体的,时间步的持续时间为mΔT,m=2,3,4…N,N为采样时间/(2ΔT),即tmax/(2ΔT)。
即在上文提及的例子中,采样时间120秒,采样间隔10秒,则N=6。
故,m=2,3,4,5,6。即时间步的划分时间为20秒、30秒、40秒、50秒和60秒五种方式,最终形成了五组完整参数组在S06中参与计算。
遍历式的划分设计丰富了计算过程的数据基础,内阻的最终计算数值的可信度得到进一步增强。
实施例五:与实施例一的区别是,在S03步骤中,使用到的公式不同。
该步骤中,每个时间步中采样得到V和I,通过最小二乘法,计算得出每个时间步中的K值和R值。
在本实施例中,此步骤的公式为
Figure DEST_PATH_IMAGE016
由于V和I是可以直接采样得到,而未知数为初始开路电压OCV(t0)、Kj、Rj,这三个 为未知数。j=0、1、2、…、n。这个公式与实施例1中的公式的原理相同,都是来自于
Figure 874475DEST_PATH_IMAGE012
这一公式的变化,区别则是,本实施例的公式的等式左边为某一个采样点 的电压,即
Figure 905885DEST_PATH_IMAGE017
而等式的右边, OCV(t0)为初始开路电压,同样是一个未知数,需要求解才能得到。
等式的右边的最后一部分,是
Figure DEST_PATH_IMAGE018
这与实施例1中的公式设计相同,不同的 是,等式的右边的中间部分,做了开路电压分段线性累加关系的设计,将其分成了
Figure 391748DEST_PATH_IMAGE010
这样的形式。而这个部分的左边表达式,即
Figure 333159DEST_PATH_IMAGE019
,表示第0个时间步起始开路电压到第j个时间步起始开路电压增量 的累加。
上文已经解释过,时间步跨度不少于两个采样间隔,即 [0,mΔT], m要大于等于2。在这种情况下,第一个时间步,可必定提供不少于3个方程同时有3个未知数。这三个未知数分别是OCV(t0)、K1和R1。而后续的每一个时间步都必定可以提供不少于2个方程同时新增两个未知数。如第二个时间步,这两个新增的未知数是K2和R2。
所有时间步的方程联立,可知有效方程数始终大于等于未知数个数,故可通过最小二乘法求得所有方程组的未知数。
这样的计算方式,并不是分别、依次求得每一个时间步中的K和R,而是在列出所有的方程式后,共同求得所有时间步的K和R。
这样的好处是,优化求解的目标进一步考虑了各时间步之间开路电压的连续变化过程,使得数值解更合理稳定。

Claims (8)

1.一种蓄电池内阻参数的在线辨识方法,其特征在于,包含如下步骤: S01、数据采集步骤; 确定采样的时刻范围[0,tmax],确定采样间隔
Figure DEST_PATH_IMAGE001
,且按确定后的采样方式对电池电压V和电路电流I的值进行采样取值; S02、时间步划分模式确定步骤; 将整个采样的时刻范围划分为多个时间步,确定单个时间步的时间长度为n
Figure 993086DEST_PATH_IMAGE001
,其中n≥2,在单个时间步中,视内阻参数R与开路电压对充放电量的导数值K均不变; S03、各时间步中的参数计算步骤;通过每个时间步中采样取得的V和I,通过最小二乘法,计算得出每个时间步中的K值和R值;S04、偏差值计算步骤; 形成该种时间步划分模式下的完整参数组,所述完整参数组包括每个时间步的R、偏差值
Figure 500291DEST_PATH_IMAGE002
、K和偏差值
Figure DEST_PATH_IMAGE003
,偏差值为相邻两个参数的差值/前一个参数值,而首个时间步的偏差值取第二个时间步的偏差值; S05、时间步划分模式改变步骤; 改变时间步划分模式,即改变S02中的n的数值,重复S03、S04步骤,得到多个不同时间步划分模式下的完整参数组; S06、内阻值计算步骤; 基于某一时刻下,所有时间步划分模式下的R值和置信度,通过加权平均得到最终这一时刻的内阻值R,加权值与置信度正相关,置信度与偏差值负相关。
2.根据权利要求1所述的一种蓄电池内阻参数的在线辨识方法,其特征在于:在所述S06步骤中,置信度=1-δ;某一时刻下,所有时间步划分模式下的R值和偏差值δ数列为
Figure 244256DEST_PATH_IMAGE004
; 最后加权平均得到这一时刻内阻值R的公式为:
Figure DEST_PATH_IMAGE005
,i为自然数,表示该时刻,不同的时间步划分方式所对应的内阻值和偏差值的编号。
3.根据权利要求2所述的一种蓄电池内阻参数的在线辨识方法,其特征在于: 在所述S03中,利用最小二乘法来计算K和R的公式为:
Figure 605836DEST_PATH_IMAGE006
,i为自然数,
Figure 144265DEST_PATH_IMAGE001
为采样间隔,dt为时间增量,V和I直接通过采样得到。
4.根据权利要求1所述的一种蓄电池内阻参数的在线辨识方法,其特征在于: 设有偏差值阈值,当某一时间步划分模式下的δR大于所述偏差值阈值,则该数值被过滤删除,不参与到S06的计算中。
5.根据权利要求4所述的一种蓄电池内阻参数的在线辨识方法,其特征在于:当某一时间步划分模式下的δK大于所述偏差值阈值,则该数值同样被过滤删除,不参与到S06的计算中。
6.根据权利要求4所述的一种蓄电池内阻参数的在线辨识方法,其特征在于:所述偏差值阈值的取值范围为5%-25%。
7.根据权利要求1-6任意一项所述的一种蓄电池内阻参数的在线辨识方法,其特征在于,所述S05中,时间步的划分方式为穷尽式的遍历划分,即时间步的持续时间为
Figure DEST_PATH_IMAGE007
,n=2,3,4…N,N为采样时间/(2ΔT)。
8.根据权利要求2所述的一种蓄电池内阻参数的在线辨识方法,其特征在于: 在所述S03中,利用最小二乘法来计算K和R的公式为:
Figure 342028DEST_PATH_IMAGE008
+
Figure DEST_PATH_IMAGE009
,其中,V和I直接采样得到,i和j都为自然数,tj+i
Figure 889684DEST_PATH_IMAGE010
表示第j+1个时间步中i
Figure 653241DEST_PATH_IMAGE010
采样时间,OCV(t0)为初始开路电压,
Figure DEST_PATH_IMAGE011
为开路电压分段线性累加关系的设计,其中,dt为时间增量。
CN202211271463.2A 2022-10-18 2022-10-18 一种蓄电池内阻参数的在线辨识方法 Active CN115327419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211271463.2A CN115327419B (zh) 2022-10-18 2022-10-18 一种蓄电池内阻参数的在线辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211271463.2A CN115327419B (zh) 2022-10-18 2022-10-18 一种蓄电池内阻参数的在线辨识方法

Publications (2)

Publication Number Publication Date
CN115327419A true CN115327419A (zh) 2022-11-11
CN115327419B CN115327419B (zh) 2023-04-28

Family

ID=83915331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211271463.2A Active CN115327419B (zh) 2022-10-18 2022-10-18 一种蓄电池内阻参数的在线辨识方法

Country Status (1)

Country Link
CN (1) CN115327419B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2325378A1 (en) * 1998-04-02 1999-10-14 Btech, Inc. Battery parameter measurement
JP2001110459A (ja) * 1999-10-06 2001-04-20 Nec Mobile Energy Kk 容量補正機能を備えた電池パック
US20100042345A1 (en) * 2008-08-14 2010-02-18 Kang Jung-Soo Apparatus and method for estimating resistance characteristics of battery based on open circuit voltage estimated by battery voltage variation pattern
FR2965361A1 (fr) * 2010-09-28 2012-03-30 Peugeot Citroen Automobiles Sa Procede d'estimation de l'etat de sante d'une batterie d'un vehicule et vehicule mettant en oeuvre un tel procede
CN103308865A (zh) * 2013-07-09 2013-09-18 福州瑞芯微电子有限公司 测算二次电池soc及自学习ocv-soc曲线的方法与电子设备
WO2017047192A1 (ja) * 2015-09-18 2017-03-23 住友電気工業株式会社 内部抵抗算出装置、コンピュータプログラム及び内部抵抗算出方法
CN107031425A (zh) * 2015-09-28 2017-08-11 福特全球技术公司 基于电流脉冲持续时间的电池荷电状态估计
US20200088800A1 (en) * 2018-09-13 2020-03-19 Bae Systems Controls Inc. Method and system for determining open connections in a battery pack
CN111983496A (zh) * 2020-08-10 2020-11-24 中国科学技术大学 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法
CN113466728A (zh) * 2021-07-13 2021-10-01 北京西清能源科技有限公司 一种两阶段电池模型参数在线辨识的方法与系统
CN114744310A (zh) * 2022-02-11 2022-07-12 长安大学 基于soc自适应分阶的动力锂电池两步充电方法
CN115166555A (zh) * 2022-08-03 2022-10-11 合肥国轩高科动力能源有限公司 一种电池大数据平台电池模块内阻异常识别方法及系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2325378A1 (en) * 1998-04-02 1999-10-14 Btech, Inc. Battery parameter measurement
JP2001110459A (ja) * 1999-10-06 2001-04-20 Nec Mobile Energy Kk 容量補正機能を備えた電池パック
US20100042345A1 (en) * 2008-08-14 2010-02-18 Kang Jung-Soo Apparatus and method for estimating resistance characteristics of battery based on open circuit voltage estimated by battery voltage variation pattern
FR2965361A1 (fr) * 2010-09-28 2012-03-30 Peugeot Citroen Automobiles Sa Procede d'estimation de l'etat de sante d'une batterie d'un vehicule et vehicule mettant en oeuvre un tel procede
CN103308865A (zh) * 2013-07-09 2013-09-18 福州瑞芯微电子有限公司 测算二次电池soc及自学习ocv-soc曲线的方法与电子设备
WO2017047192A1 (ja) * 2015-09-18 2017-03-23 住友電気工業株式会社 内部抵抗算出装置、コンピュータプログラム及び内部抵抗算出方法
CN107031425A (zh) * 2015-09-28 2017-08-11 福特全球技术公司 基于电流脉冲持续时间的电池荷电状态估计
US20200088800A1 (en) * 2018-09-13 2020-03-19 Bae Systems Controls Inc. Method and system for determining open connections in a battery pack
CN111983496A (zh) * 2020-08-10 2020-11-24 中国科学技术大学 一种并联锂离子电池组虚拟连接与内阻增加故障辨识方法
CN113466728A (zh) * 2021-07-13 2021-10-01 北京西清能源科技有限公司 一种两阶段电池模型参数在线辨识的方法与系统
CN114744310A (zh) * 2022-02-11 2022-07-12 长安大学 基于soc自适应分阶的动力锂电池两步充电方法
CN115166555A (zh) * 2022-08-03 2022-10-11 合肥国轩高科动力能源有限公司 一种电池大数据平台电池模块内阻异常识别方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CHI LI: "Electrical Driven Light Emitting From a Tunneling Junction With Negative Resistance Effect" *
杨鑫荣: "燃料电池内阻测试仿真研究及硬件设计" *

Also Published As

Publication number Publication date
CN115327419B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
London et al. Analysis of measurement-set qualitative characteristics for state-estimation purposes
CN111722118B (zh) 一种基于soc-ocv优化曲线的锂离子电池soc估计方法
CN105301509A (zh) 锂离子电池荷电状态、健康状态与功率状态的联合估计方法
CN108693472A (zh) 电池等效模型参数在线辨识方法
CN113156321B (zh) 一种锂离子电池荷电状态soc的估算方法
GB2532726A (en) Cell internal impedance diagnostic system
CN114290960B (zh) 获取动力电池的电池健康度的方法、装置和车辆
Dai et al. State and parameter estimation of a hev li-ion battery pack using adaptive kalman filter with a new soc-ocv concept
CN112684363A (zh) 一种基于放电过程的锂离子电池健康状态估计方法
Zheng et al. Real-time estimation of battery state of charge with metabolic grey model and LabVIEW platform
CN111400935B (zh) 基于似然函数的锂电池三阶模型参数辨识方法及系统
CN115389954A (zh) 一种电池容量的估算方法、电子设备及可读存储介质
CN110412472B (zh) 一种基于正态伽马滤波的电池荷电状态估计方法
CN111221811A (zh) 一种基于集抄系统的低压配电网络线路参数估计方法
CN111965548B (zh) 一种基于状态估计法的电池系统传感器故障诊断方法
CN112147515B (zh) 一种新能源车辆电池系统功率及内阻在线估算方法
CN114167298A (zh) 基于改进ekf的锂离子电池soc估算方法及系统
CN115327419A (zh) 一种蓄电池内阻参数的在线辨识方法
Zhang A new method for lithium-ion battery's SOH estimation and RUL prediction
Nemounehkhah et al. Comparison and evaluation of state of charge estimation methods for a verified battery model
CN110412471B (zh) 一种锂离子电池组复合电化学极化模型的构建方法
CN116224127A (zh) 基于大数据分析的电池健康状态估算方法
Xiong et al. A comparative study on fractional order models for voltage simulation of lithium ion batteries
CN115598546A (zh) 锂离子电池soh、soc和rul的联合估计方法
Ruan et al. State of health estimation of Li-ion battery based on regional constant voltage charging

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