CN116203435A - 一种电池参数获取方法、装置、电子设备及存储介质 - Google Patents
一种电池参数获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116203435A CN116203435A CN202310501786.4A CN202310501786A CN116203435A CN 116203435 A CN116203435 A CN 116203435A CN 202310501786 A CN202310501786 A CN 202310501786A CN 116203435 A CN116203435 A CN 116203435A
- Authority
- CN
- China
- Prior art keywords
- parameter
- parameters
- online
- backtracking
- verification
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012795 verification Methods 0.000 claims abstract description 54
- 238000012216 screening Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 19
- 238000009792 diffusion process Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- WLRMANUAADYWEA-NWASOUNVSA-N (S)-timolol maleate Chemical compound OC(=O)\C=C/C(O)=O.CC(C)(C)NC[C@H](O)COC1=NSN=C1N1CCOCC1 WLRMANUAADYWEA-NWASOUNVSA-N 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 10
- 230000009191 jumping Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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]
- G01R31/367—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]
- G01R31/382—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
- 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
本申请实施例提供一种电池参数获取方法、装置、电子设备及存储介质，涉及动力电池技术领域。该方法包括建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。通过参数回溯和参数相似性筛选，对参数进行校正和更新，提高参数预测结果的稳定性，解决了现有方法的辨识结果容易产生异常跳动的问题。
Description
技术领域
本申请涉及动力电池技术领域，具体而言，涉及一种电池参数获取方法、装置、电子设备及存储介质。
背景技术
要实现动力电池的精细化管理，需要对电池的响应特性进行准确预测，建立精确的动力电池模型是前提，离线的动力电池模型通常难以适应各种多变的环境和工况，而传统的在线辨识模型又缺乏合理的参数约束，辨识结果容易产生异常跳动。
发明内容
本申请实施例的目的在于提供一种电池参数获取方法、装置、电子设备及存储介质，通过参数回溯和参数相似性筛选，对参数进行校正和更新，提高参数预测结果的稳定性，解决了现有方法的辨识结果容易产生异常跳动的问题。
本申请实施例提供了一种电池参数获取方法，所述方法包括：
建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；
对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；
利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。
在上述实现过程中，通过参数回溯校验可克服在某些情况下出现异常跳动的问题，增强了参数预测结果的稳定性，再利用相似度筛选得到当前在线参数中的最佳在线参数并进行存储，解决了现有方法的辨识结果容易产生异常跳动的问题。
进一步地，所述在线参数包括欧姆内阻、扩散电容和扩散内阻，所述基于所述等效电路模型获得所述动力电池的在线参数，包括：
基于所述等效电路模型的状态空间表达式获得所述动力电池的当前在线参数，所述状态空间表达式为：
其中，U p表示扩散电容的电压；i L表示充点电电流；U t表示所述动力电池的端电压；U oc表示所述动力电池的开路电压与剩余电量的映射关系；R 0表示所述欧姆内阻；R p表示扩散内阻；C p表示扩散电容。
在上述实现过程中，利用状态空间表达式可使用最小二乘或扩展卡尔曼滤波等方法得到动力电池的在线参数。
进一步地，所述对历史时间段内的所述在线参数进行参数回溯校验，获得校验参数，包括：
判断所述端电压的预测误差是否大于设定值；
若是，则判断回溯步数是否达到设定的最大回溯步数；
若否，则将
时刻的在线参数作为k时刻的在线参数，同时回溯步数s加1。
在上述实现过程中，当端电压预测误差较大时，对过去一段时间的参数值进行回溯校验，以减小端电压的预测误差。
进一步地，所述对历史时间段内的所述在线参数进行参数回溯校验，获得校验参数，包括：
若所述回溯步数已达到最大回溯步数，则获取回溯过程中端电压预测误差最小时对应的回溯步数s；
将
时刻的在线参数作为k时刻的在线参数。
在上述实现过程中，当端电压预测误差较大时，对过去一段时间的参数值进行回溯校验，以减小端电压的预测误差。
进一步地，所述利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数，包括：
将所述校验参数和所述当前在线参数分别进行归一化处理；
对归一化后的校验参数和所述当前在线参数进行相似度计算；
若相似度计算结果中的最大值小于预设阈值，则所述最大值对应的当前在线参数为最佳在线参数。
在上述实现过程中，以参数相似度作为筛选依据，当在线参数与教研参数的相似度小于一定值时，认为当前在线参数具有一定的稳定性，可缓存更多工况的参数值，提高参数计算结果的有效性。
本申请实施例还提供一种电池参数获取装置，所述装置包括：
参数获取模块，用于建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；
参数回溯模块，用于对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；
相似度筛选模块，用于利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。
在上述实现过程中，通过参数回溯校验和相似度筛选得到的在现场参数，可克服在某些情况下出现异常跳动的问题，增强了参数预测结果的稳定性，解决了现有方法的辨识结果容易产生异常跳动的问题。
进一步地，所述参数回溯模块包括：
预测误差判断模块，用于判断所述端电压的预测误差是否大于设定值；
回溯步数判断模块，用于若所述端电压的预测误差大于设定值，则判断回溯步数是否达到设定的最大回溯步数；
第一在线参数确定模块，用于若回溯步数没有达到设定的最大回溯步数，则将
时刻的在线参数作为k时刻的在线参数，同时回溯步数s加1。
在上述实现过程中，当端电压预测误差较大时，对过去一段时间的参数值进行回溯校验，以减小端电压的预测误差。
进一步地，所述参数回溯模块包括：
回溯步数获取模块，用于若所述回溯步数已达到最大回溯步数，则获取回溯过程中端电压预测误差最小时对应的回溯步数s；
第二在线参数确定模块，用于将
时刻的在线参数作为k时刻的在线参数。
在上述实现过程中，当端电压预测误差较大时，对过去一段时间的参数值进行回溯校验，以减小端电压的预测误差。
本申请实施例还提供一种电子设备，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行计算机程序以使所述电子设备执行上述中任一项所述的电池参数获取方法。
本申请实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述中任一项所述的电池参数获取方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种电池参数获取方法的流程图；
图2为本申请实施例提供的电池参数辨识流程图；
图3为本申请实施例提供的动力电池的一阶RC模型示意图；
图4为本申请实施例提供的回溯校验的具体流程图；
图5为本申请实施例提供的相似度筛选的具体流程图；
图6为本申请实施例提供的一种电池参数获取装置的结构框图；
图7为本申请实施例提供的另一种电池参数获取装置的结构框图。
图标：
100-参数获取模块；200-参数回溯模块；201-预测误差判断模块；202-回溯步数判断模块；203-第一在线参数确定模块；204-回溯步数获取模块；205-第二在线参数确定模块；300-相似度筛选模块；301-归一化处理模块；302-相似度计算模块；303-结果筛选模块。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
请参看图1，图1为本申请实施例提供的一种电池参数获取方法的流程图。
由于实车使用环境和行驶工况的复杂性，在某些情况下（例如低SOC区间），在线参数的辨识结果可能出现异常跳动，使得模型参数的辨识结果失效，导致后续状态估计的误差大幅增加。而在正常运行过程中，动力电池的温度、老化状态等一般不会在短时间内发生剧烈变化，因此可认为在线辨识过程中出现的参数剧烈跳动是辨识算法失效导致的。
为解决此问题，在电池参数在线辨识的基础上，引入动态参数回溯和参数相似性筛选，通过定期的参数校正和更新可以很好的克服模型参数的不确定性，从而精确捕捉系统的实时特性，以提高参数辨识结果的稳定性。参数回溯即在端电压预测误差较大时，对过去一段时间的参数值回溯，以减小端电压预测误差，与参数相似性筛选模块结合使用，进一步稳定参数在线辨识结果。参数相似性筛选模块是以相似度作为参数存储的依据，如果参数相似度小于一定值时，则认为新的参数对拟合电压是有价值的，这样可以尽可能的存储更多工况的参数值。
本申请以动力电池对象，通过在线参数辨识的方法建立动力电池模型。
该方法具体包括以下步骤：
步骤S100：建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；
步骤S200：对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；
步骤S300：利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。
通过参数回溯校验可提高历史在线参数的稳定性，从而利用校验参数对当前在线参数进行相似度筛选获得的最佳在线参数也具有稳定性，将获得当前在线参数中的最佳在线参数并进行存储，以便在后续参数回溯中使用。
如图2所示，为电池参数辨识流程图，其中，在线参数包括欧姆内阻、扩散电容和扩散内阻，步骤S100中，基于所述等效电路模型的状态空间表达式获得所述动力电池的当前在线参数，所述状态空间表达式为：
其中，U p表示扩散电容的电压；i L表示充点电电流；U t表示所述动力电池的端电压；U oc表示所述动力电池的开路电压与剩余电量的映射关系；R 0表示所述欧姆内阻；R p表示扩散内阻；C p表示扩散电容。
等效电路模型在动力电池状态估计算法研究领域得到了广泛应用，以Thevenin模型作为动力电池单体模型为例，如图3所示，为动力电池的一阶RC模型示意图，根据上式进行最小二乘法或扩展卡尔曼滤波在线参数辨识均可得到电池当前的在线参数R 0、R p和C p。需要说明的是，也可以使用其他方法得到电池当前的在线参数R 0、R p和C p，在此不做任何限定。
参数回溯，参数在线辨识获取R 0、R p和C p后，对在线参数进行回溯校验，参数回溯以端电压预测误差作为是否进行回溯的判定依据，初始回溯步数为s=0。
如图4所示，为回溯校验的具体流程图，步骤S200具体包括以下步骤：
步骤S201：判断所述端电压的预测误差是否大于设定值；
步骤S202：若是，则判断回溯步数是否达到设定的最大回溯步数；
步骤S203：若否，则将
时刻的在线参数作为k时刻的在线参数，同时回溯步数s加1。
步骤S204：若所述回溯步数已达到最大回溯步数，则获取回溯过程中端电压预测误差最小时对应的回溯步数s；
步骤S205：将
时刻的在线参数作为k时刻的在线参数。
具体地，首先，判断端电压预测误差是否大于设定值e back，若未超过设定值，则参数回溯执行结束，输出参数辨识结果；若误差大于设定值，则：
判断回溯步数s是否达到设定的最大回溯步数s back，若否，回溯步数加一（s=s+1），将第
时刻的在线参数作为当前第k时刻的参数值，然后跳转至步骤：判断端电压预测误差是否大于设定值e back；
若已达到最大回溯步数，则：
找到回溯过程中端电压预测误差最小的回溯步数s，将第
时刻的参数作为当前第k时刻的参数值；
参数回溯执行结束，输出参数辨识结果。
参数回溯即在端电压预测误差较大时，对过去一段时间的参数值回溯，以减小端电压预测误差，与参数相似性筛选的步骤结合使用，进一步稳定参数在线辨识结果。
通过参数回溯可以找到与当前工况匹配的最佳历史参数，但是以时间尺度存储参数，部分历史参数由于缓存大小限制被更新替换，因此往往参数样本不够会导致回溯的结果误差也会十分大。参数相似性筛选以参数相似度作为筛选的依据，如果参数相似度小于一定值时，则认为新的参数对拟合电压是有价值的，在相同大小的缓存内可以存储更多工况的参数值。
对于预设历史时间段的具体时长，在此不做任何限定。
如图5所示，为相似度筛选的具体流程图，步骤S300具体包括以下步骤：
步骤S301：将所述校验参数和所述当前在线参数分别进行归一化处理；
步骤S302：对归一化后的校验参数和所述当前在线参数进行相似度计算；
步骤S303：若相似度计算结果中的最大值小于预设阈值，则所述最大值对应的当前在线参数为最佳在线参数。
将参数辨识的结果x1~x3(即欧姆内阻R 0，扩散内阻R p和扩散电容C p)的数值和当前在线参数分别进行归一化处理，并表示成特征向量形式，最终校验参数形成p条满足端电压误差要求的源案例，作为参数回溯案例库。记每条校验参数为C k，可表示为如下形式：
其中，p表示校验参数的总数，X k是第k条校验参数的归一化数据，X k可表示为：
其中，
表示C k中第i个校验参数的归一化值，具体的归一化方法如下：/>
将源案例的特征属性
和目标案例（当前在线参数）特征属性X p+1=(x 1,p+1,…,x n,p+1)，根据下式进行归一化处理，使得每个特征变量的特征值都被映射到[0,1]区间，其中，归一化公式为：
目标案例的问题描述为
，目标案例/>
在参数回溯案例库C k中计算相似度的公式是：
其中
是第i个校验参数的权重，表示各特征属性对相似度计算的影响程度，约束条件为：
权重分配可根据各参数的影响程度设置权重，这里采用均权法：
其中，n表示校验参数的个数，通过相似度的计算，可以得到p个相似度，按其大小降序排列，当最大的参数相似度小于一定值时，则认为新的参数（当前在线参数）对拟合电池模型端电压是有价值的，利用新的在线参数对参数回溯案例库进行循环覆盖，供下次参数回溯使用。
本申请将电池在线辨识的参数R 0、R p和C p作为特征参数，引入参数回溯的方法，利用实时辨识的参数计算得到端电压，在端电压预测误差较大时，对过去一段时间的参数值进行回溯，以减小端电压预测误差；引入参数相似性筛选的方法计算当前数据与历史辨识参数的相似程度，相同大小的缓存可以存储更多与当前工况相匹配的参数值，提高参数辨识的有效性。
使用参数回溯和参数相似性筛选的方法，克服了最小二乘或扩展卡尔曼滤波等算法在某些情况下（例如低SOC区间）进行参数在线辨识时，参数在线辨识结果可能出现异常跳动，使得模型参数的辨识结果失效的问题，增强了算法鲁棒性，提高了在线参数辨识的可靠性。
实施例2
本申请实施例提供一种电池参数获取装置，应用于实施例1所述的电池参数获取方法，如图6所示，为一种电池参数获取装置的结构框图，所述装置包括但不限于：
参数获取模块100，用于建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；
参数回溯模块200，用于对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；
相似度筛选模块300，用于利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。
其中，如图7所示，为另一种电池参数获取装置的结构框图，所述参数回溯模块200包括：
预测误差判断模块201，用于判断所述端电压的预测误差是否大于设定值；
回溯步数判断模块202，用于若所述端电压的预测误差大于设定值，则判断回溯步数是否达到设定的最大回溯步数；
第一在线参数确定模块203，用于若回溯步数没有达到设定的最大回溯步数，则将
时刻的在线参数作为当前k时刻的在线参数，同时回溯步数s加1。
回溯步数获取模块204，用于若所述回溯步数已达到最大回溯步数，则获取回溯过程中端电压预测误差最小时对应的回溯步数s；
第二在线参数确定模块205，用于将
时刻的在线参数作为当前k时刻的在线参数。
相似度筛选模块300包括：
归一化处理模块301，用于将所述校验参数和所述当前在线参数分别进行归一化处理；
相似度计算模块302，用于对归一化后的校验参数和所述当前在线参数进行相似度计算；
结果筛选模块303，用于若相似度计算结果中的最大值小于预设阈值，则所述最大值对应的当前在线参数为最佳在线参数。
通过参数回溯和参数相似性筛选，对参数进行校正和更新，提高参数预测结果的稳定性，解决了现有方法的辨识结果容易产生异常跳动的问题。
本申请实施例还提供一种电子设备，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行计算机程序以使所述电子设备执行实施例1所述的电池参数获取方法。
本申请实施例还提供一种可读存储介质，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行实施例1所述的电池参数获取方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种电池参数获取方法，其特征在于，所述方法包括：
建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；
对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；
利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。
2.根据权利要求1所述的电池参数获取方法，其特征在于，所述在线参数包括欧姆内阻、扩散电容和扩散内阻，所述基于所述等效电路模型获得所述动力电池的在线参数，包括：
基于所述等效电路模型的状态空间表达式获得所述动力电池的当前在线参数，所述状态空间表达式为：
其中，U p表示扩散电容的电压；i L表示充点电电流；U t表示所述动力电池的端电压；U oc表示所述动力电池的开路电压与剩余电量的映射关系；R 0表示所述欧姆内阻；R p表示扩散内阻；C p表示扩散电容。
3.根据权利要求1所述的电池参数获取方法，其特征在于，所述对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数，包括：
判断端电压的预测误差是否大于设定值；
若是，则判断回溯步数是否达到设定的最大回溯步数；
若否，则将
时刻的在线参数作为k时刻的在线参数，同时回溯步数s加1。
4.根据权利要求3所述的电池参数获取方法，其特征在于，所述对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数，包括：
若所述回溯步数已达到最大回溯步数，则获取回溯过程中端电压预测误差最小时对应的回溯步数s；
将
时刻的在线参数作为k时刻的在线参数。
5.根据权利要求1所述的电池参数获取方法，其特征在于，所述利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数，包括：
将所述校验参数和所述当前在线参数分别进行归一化处理；
对归一化后的校验参数和所述当前在线参数进行相似度计算；
若相似度计算结果中的最大值小于预设阈值，则所述最大值对应的当前在线参数为最佳在线参数。
6.一种电池参数获取装置，其特征在于，所述装置包括：
参数获取模块，用于建立动力电池的等效电路模型，并基于所述等效电路模型获得所述动力电池的在线参数；
参数回溯模块，用于对预设历史时间段内的所述在线参数进行参数回溯校验，获得校验参数；
相似度筛选模块，用于利用所述校验参数对当前在线参数进行相似度筛选，获得最佳在线参数。
7.根据权利要求6所述的电池参数获取装置，其特征在于，所述参数回溯模块包括：
预测误差判断模块，用于判断端电压的预测误差是否大于设定值；
回溯步数判断模块，用于若所述端电压的预测误差大于设定值，则判断回溯步数是否达到设定的最大回溯步数；
第一在线参数确定模块，用于若回溯步数没有达到设定的最大回溯步数，则将
时刻的在线参数作为k时刻的在线参数，同时回溯步数s加1。
8.根据权利要求6所述的电池参数获取装置，其特征在于，所述参数回溯模块包括：
回溯步数获取模块，用于若所述回溯步数已达到最大回溯步数，则获取回溯过程中端电压预测误差最小时对应的回溯步数s；
第二在线参数确定模块，用于将k−s时刻的在线参数作为k时刻的在线参数。
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的电池参数获取方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至5任一项所述的电池参数获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310501786.4A CN116203435A (zh) | 2023-05-06 | 2023-05-06 | 一种电池参数获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310501786.4A CN116203435A (zh) | 2023-05-06 | 2023-05-06 | 一种电池参数获取方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116203435A true CN116203435A (zh) | 2023-06-02 |
Family
ID=86509858
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310501786.4A Pending CN116203435A (zh) | 2023-05-06 | 2023-05-06 | 一种电池参数获取方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116203435A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| US20180080992A1 (en) * | 2016-09-21 | 2018-03-22 | Apple Inc. | Determination of a battery-model parameter |
| 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 |
| CN112433161A (zh) * | 2020-10-12 | 2021-03-02 | 珠海格力电器股份有限公司 | 一种电池参数自动辨识方法 |
| CN112540309A (zh) * | 2020-12-10 | 2021-03-23 | 广州能源检测研究院 | 一种基于电池循环数据相似度分析的电池监控系统及方法 |
| CN113821934A (zh) * | 2021-09-30 | 2021-12-21 | 国网青海省电力公司电力科学研究院 | 一种工况参数的预测方法、装置、设备及存储介质 |
| CN114252771A (zh) * | 2021-12-13 | 2022-03-29 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN115508713A (zh) * | 2022-10-19 | 2022-12-23 | 广汽埃安新能源汽车股份有限公司 | 一种电池系统安全预警方法、装置、存储介质及设备 |
-
2023
- 2023-05-06 CN CN202310501786.4A patent/CN116203435A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015188610A1 (zh) * | 2014-06-11 | 2015-12-17 | 北京交通大学 | 电池荷电状态估算方法和装置 |
| US20180080992A1 (en) * | 2016-09-21 | 2018-03-22 | Apple Inc. | Determination of a battery-model parameter |
| 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 |
| CN112433161A (zh) * | 2020-10-12 | 2021-03-02 | 珠海格力电器股份有限公司 | 一种电池参数自动辨识方法 |
| CN112540309A (zh) * | 2020-12-10 | 2021-03-23 | 广州能源检测研究院 | 一种基于电池循环数据相似度分析的电池监控系统及方法 |
| CN113821934A (zh) * | 2021-09-30 | 2021-12-21 | 国网青海省电力公司电力科学研究院 | 一种工况参数的预测方法、装置、设备及存储介质 |
| CN114252771A (zh) * | 2021-12-13 | 2022-03-29 | 北京经纬恒润科技股份有限公司 | 一种电池参数在线辨识方法及系统 |
| CN115508713A (zh) * | 2022-10-19 | 2022-12-23 | 广汽埃安新能源汽车股份有限公司 | 一种电池系统安全预警方法、装置、存储介质及设备 |
Non-Patent Citations (2)
| Title |
|---|
| 王飞跃 等: "智能控制方法与应用 下", 中国科学技术出版社, pages: 450 - 451 * |
| 虞杨 等: "基于改进递推最小二乘法的锂电池SOC 估算", 控制工程, pages 1760 - 1761 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112150311B (zh) | 能耗异常状态检测方法、装置、计算机设备和存储介质 | |
| US11965935B2 (en) | Method and apparatus for operating a system for providing predicted states of health of electrical energy stores for a device using machine learning methods | |
| Zhang et al. | Prognostics of lithium-ion batteries based on wavelet denoising and DE-RVM | |
| CN114705990B (zh) | 电池簇荷电状态的估计方法及系统、电子设备及存储介质 | |
| CN112101554A (zh) | 异常检测方法及装置、设备、计算机可读存储介质 | |
| CN110580488A (zh) | 基于字典学习的多工况工业监测方法、装置、设备及介质 | |
| CN113988723A (zh) | 一种基于用电数据异常分析的用户行为锁定方法和系统 | |
| CN116307215A (zh) | 一种电力系统的负荷预测方法、装置、设备及存储介质 | |
| CN115932586A (zh) | 一种电池荷电状态在线估算方法、装置、设备及介质 | |
| CN114879070A (zh) | 一种电池状态评估方法及相关设备 | |
| CN116167010A (zh) | 具有智能迁移学习能力的电力系统异常事件快速识别方法 | |
| CN113009077B (zh) | 气体检测方法、装置、电子设备和存储介质 | |
| CN113758652A (zh) | 换流变压器漏油检测方法、装置、计算机设备和存储介质 | |
| CN113328908A (zh) | 异常数据的检测方法、装置、计算机设备和存储介质 | |
| CN115587673B (zh) | 一种电压互感器误差状态预测方法及系统 | |
| CN111783883A (zh) | 一种异常数据的检测方法及装置 | |
| CN111340975A (zh) | 异常数据特征提取方法、装置、设备及存储介质 | |
| CN115693916B (zh) | 一种变电站直流电源智能在线监测方法及系统 | |
| CN116203435A (zh) | 一种电池参数获取方法、装置、电子设备及存储介质 | |
| CN116125279A (zh) | 一种电池健康状态的确定方法、装置、设备及存储介质 | |
| CN115980585A (zh) | 电池故障的检测方法、装置、计算机设备和存储介质 | |
| CN112949951A (zh) | 数据预测方法、装置、电子设备及存储介质 | |
| CN114740389A (zh) | 电池健康评估方法、装置、电子设备和可读存储介质 | |
| CN114185882A (zh) | 一种不良数据修正方法、装置、存储介质及电子设备 | |
| CN112417767A (zh) | 一种衰减趋势确定模型构建方法、衰减趋势确定方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230602 |
|
| RJ01 | Rejection of invention patent application after publication |