CN116256636A - 电池等效电路模型的参数辨识方法、设备及可读存储介质 - Google Patents

电池等效电路模型的参数辨识方法、设备及可读存储介质 Download PDF

Info

Publication number
CN116256636A
CN116256636A CN202111510679.5A CN202111510679A CN116256636A CN 116256636 A CN116256636 A CN 116256636A CN 202111510679 A CN202111510679 A CN 202111510679A CN 116256636 A CN116256636 A CN 116256636A
Authority
CN
China
Prior art keywords
battery
resistance
value
equivalent circuit
target
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
Application number
CN202111510679.5A
Other languages
English (en)
Inventor
段真真
齐天煜
雷松
郭佳威
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.)
BYD Co Ltd
Shanwei BYD Automobile Co Ltd
Original Assignee
BYD Co Ltd
Shanwei BYD Automobile 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 BYD Co Ltd, Shanwei BYD Automobile Co Ltd filed Critical BYD Co Ltd
Priority to CN202111510679.5A priority Critical patent/CN116256636A/zh
Publication of CN116256636A publication Critical patent/CN116256636A/zh
Pending legal-status Critical Current

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]
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Secondary Cells (AREA)

Abstract

本申请实施例提供了一种电池等效电路模型的参数辨识方法、设备及可读存储介质，该方法包括：获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻；获取所述电池在第二工况的所述预设温度和所述预设荷电状态下的第一阻值，其中，所述第一阻值表示所述电池的欧姆内阻的阻值；根据所述目标直流内阻和所述第一阻值，确定目标约束条件，其中，所述目标约束条件用于约束所述目标直流内阻和所述第一阻值与所述等效电路模型中待辨识的所有电阻的阻值之间的关系；根据所述目标约束条件和预设辨识算法对所述电池对应的等效电路模型进行参数辨识，获得所述等效电路模型的目标电阻电容参数。

Description

电池等效电路模型的参数辨识方法、设备及可读存储介质
技术领域
本公开实施例涉及锂离子电池技术领域，更具体地，涉及一种电池等效电路模型的参数辨识方法、电子设备以及计算机可读存储介质；本公开同时还涉及一种电池包状态评估方法。
背景技术
锂电池是目前电动汽车及手机、笔记本电脑等电子产品的首选动力来源。锂电池的状态估计的常见的方法都是基于电池模型的，目前应用较多的锂电池模型为等效电路模型，而确定等效电池模型的关键是基于测试数据辨识模型参数。
在相关技术中，在对等效电路模型进行参数辨识时，通常聚焦于参数辨识的算法上，即，均是基于脉冲测试工况下得到的测试数据，通过使用不同算法，例如，遗传算法(GA，Genetic Algorithm)、粒子群算法(PSO，Particle Swarm Optimization Algorithm)等算法以辨识模型参数，该种方式存在辨识得到的参数不具备普适性，导致等效电路模型的评估结果不够精确，存在不能准确评估锂电池在其他工况下的性能的问题。
发明内容
本公开的一个目的是提供一种用于辨识电池等效电路模型的参数的新的技术方案，以解决现有方法辨识得到的参数不具备普适性，导致等效电路模型的评估结果不够精确的问题。
根据本公开的第一方面，提供了一种电池等效电路模型的参数辨识方法，包括：
获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻；
获取所述电池在第二工况的所述预设温度和所述预设荷电状态下的第一阻值，其中，所述第一阻值表示所述电池的欧姆内阻的阻值；
根据所述目标直流内阻和所述第一阻值，确定目标约束条件，其中，所述目标约束条件用于约束所述目标直流内阻和所述第一阻值与所述等效电路模型中待辨识的所有电阻的阻值之间的关系；
根据所述目标约束条件和预设辨识算法对所述电池对应的等效电路模型进行参数辨识，获得所述等效电路模型的目标电阻电容参数。
可选地，所述第一工况包括恒流充放电工况，所述第二工况包括脉冲测试工况；
所述根据所述目标直流内阻和所述第一阻值，确定目标约束条件，包括：
计算所述目标直流内阻和所述第一阻值的目标差值，并确定所述目标约束条件为在所述第二工况的所述预设温度和所述预设荷电状态下，所述等效电路模型中除所述欧姆内阻以外的其他电阻的阻值的和值为所述目标差值。
可选地，所述等效电路模型包括二阶等效电路模型；
所述根据所述目标约束条件和预设辨识算法对所述电池对应的等效电路模型进行参数辨识，获得所述等效电路模型的目标电阻电容参数，包括：
以所述二阶等效电路模型中的电化学极化内阻、浓差极化内阻、所述电化学极化内阻对应的电化学极化电容和所述浓差极化内阻对应的浓差极化电容的数值为变量，以及，以所述目标差值为所述电化学极化内阻和浓差极化内阻的阻值的和值为约束，构建包含预设数量的个体的初始种群；
根据所述初始种群，基于预设目标函数和用于判断个体适应度的预设适应度函数对所述变量进行迭代求解，以获得满足预设条件的所述目标电阻电容参数。
可选地，所述第一工况包括恒流充放电工况；所述获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻，包括：
在所述预设温度下，对所述电池进行恒流充放电测试，获得所述电池的当前端电压值、当前电流值以及当前电池容量值；
根据所述当前电池容量值和第一映射数据，获得所述预设荷电状态，其中，所述第一映射数据反映电池容量与电池荷电状态之间的对应关系；
根据所述预设荷电状态和第二映射数据，获得所述电池的当前开路电压值，其中，所述第二映射数据反映电池荷电状态与电池开路电压之间的对应关系；
根据所述当前端电压值、当前开路电压值和所述当前电流值，获得所述目标直流内阻。
可选地，所述根据所述当前端电压值、当前开路电压值和所述当前电流值，获得所述目标直流内阻，包括：
获取所述当前端电压值与所述当前开路电压值之间的第一差值；
将所述第一差值与所述当前电流值之间的比值的绝对值作为所述目标直流内阻。
可选地，所述第二工况包括脉冲测试工况；所述获取所述电池在第二工况的所述预设温度和所述预设荷电状态下的第一阻值，包括：
在所述预设温度和所述预设荷电状态下对所述电池进行脉冲测试的过程中，获取所述电池对应的第一电压值和第二电压值，其中，所述第一电压值和所述第二电压值分别为所述电池在进行所述脉冲测试过程中的第一个采样点和第二个采样点处的电压值；以及，
获取所述电池在所述第二采样点处的第二电流值；
根据所述第一电压值、所述第二电压值和所述第二电流值，获得所述第一阻值。
可选地，所述根据所述第一电压值、所述第二电压值和所述第二电流值，获得所述第一阻值，包括：
获取所述第二电压值与所述第一电压值之间的第二差值；
将所述第二差值与所述第二电流值之间的比值作为所述第一阻值。
根据本公开的第二方面，还提供了一种电池包状态评估方法，该方法包括：
获取与待评估的电池包对应的等效电路模型，其中，所述等效电路模型的目标电阻电容参数根据本公开的第一方面所述的电池等效电路模型的参数辨识方法确定；
根据所述等效电路模型，评估所述电池包在正常使用过程中的工作状态；
其中，所述工作状态包括所述电池包的电性能、工作温度以及电池健康状态中的至少一项。
根据本公开的第三方面，还提供了一种电子设备，包括：
存储器，用于存储可执行的指令；
处理器，用于根据所述指令的控制运行所述电子设备执行如本说明书的第一方面或者第二方面所述的方法。
根据本公开的第四方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序在被处理器执行时实现根据本公开的第一方面或者第二方面所述的方法。
本公开实施例的一个有益效果在于，区别于现有技术中仅根据单一的脉冲测试工况下得到的测试数据进行参数辨识的方法，本公开的实施例提供的方法通过获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻；以及，获取该电池在第二工况的预设温度和预设荷电状态下的第一阻值；之后，根据反映该目标直流内阻和该第一阻值与该电池对应的等效电路模型中所有电阻阻值之间关系的目标约束条件和预设辨识算法对该模型的参数进行辨识，可以得到能够适应不同工况的等效电路模型，基于该等效电路模型，可以准确评估电池性能、工作温度、电池健康状态等工作状态。
通过以下参照附图对本说明书的示例性实施例的详细描述，本说明书的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例，并且连同其说明一起用于解释本说明书的原理。
图1是本公开实施例提供的一种电池等效电路模型的参数辨识方法的流程示意图。
图2是本公开实施例提供的二阶等效电路模型的结构示意图。
图3是本公开实施例提供的第一电压池豫曲线。
图4是本公开实施例提供的第二电压池豫曲线。
图5是本公开实施例提供的一种电池包状态评估方法的流程示意图。
图6是本公开实施例提供的一种电子设备的硬件结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
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讨论。
<方法实施例一>
在现有技术中，在对锂电池的等效电路模型中的参数进行辨识时，通常是基于脉冲测试这一单一工况下对电池进行混合功率脉冲特性(HPPC，Hybrid PulsePowerCharacteristic)测试得到的一组测试数据，聚焦于使用不同的参数辨识算法来进行参数辨识，这使得求解得到的辨识结果不具备普适性，即，基于该辨识结果的等效电路模型并不能精确评估电池在不同工况下的状态。
为解决该问题，本公开的实施例提供了一种电池等效电路模型的参数辨识方法。请参看图1，其是本公开实施例提供的电池等效电路模型的参数辨识方法的流程示意图，该方法可以在电子设备中实施，例如，可以由内置电池管理系统(BMS，Battery ManagementSystem)的设备实施。需要说明的是，如无特殊说明，在以下说明中将锂电池简称为电池进行说明。
如图1所示，本实施例的方法可以包括如下步骤S1100-S1400，以下予以详细说明。
步骤S1100，获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻。
常用的等效电路模型一般有Thevenin模型、PNGV模型和多阶等效电路模型等模型，为便于说明，在本公开的实施例中，以用来评估待测电池的等效电路模型为多阶等效电路模型中的二阶等效电路模型为例进行说明，请参看图2，其是本公开实施例提供的二阶等效电路模型的结构示意图。如图2所示，R0表示电池的欧姆内阻，R1表示电池的电化学极化内阻，C1表示电池的电化学极化电容，R2表示电池的浓差极化内阻，C2表示电池的浓差极化电容。
为解决现有技术中基于电池在单一工况，即脉冲测试工况下得到的测试数据来进行参数辨识时所存在的辨识结果不具备普适性的问题，在本公开的实施例中，基于电池在恒流充放电工况下工作一段时间后，流过电阻支路的电流与总电流相一致，即，电流不经过电容，此时电池的极化电压即为电流与总电阻的乘积这一情况，可以得出电池的总电阻，即，电池在等效电路模型中全部电阻的和值为在恒流充放电工况的同等温度和同等荷电状态下的直流内阻。例如，在如图2所示的二阶等效电路模型中，该种情况下电池的总电阻，即欧姆内阻、电化学极化内阻和浓差极化内阻的和值为该电池在同等温度和同等荷电状态下的直流内阻。
在本公开的实施例中，如无特殊说明，以待测的电池的第一工况为恒流充放电工况进行说明，在该第一工况下，所述获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻，包括：在预设温度下，对电池进行恒流充放电测试，获得电池的当前端电压值、当前电流值以及当前电池容量值；根据当前电池容量值和第一映射数据，获得预设荷电状态，其中，第一映射数据反映电池容量与电池荷电状态之间的对应关系；根据该预设荷电状态和第二映射数据，获得电池的当前开路电压值，其中，第二映射数据反映电池荷电状态与电池开路电压之间的对应关系；根据当前端电压值、当前开路电压值和当前电流值，获得目标直流内阻。
其中，所述根据当前端电压值、当前开路电压值和当前电流值，获得目标直流内阻，包括：获取当前端电压值与当前开路电压值之间的第一差值；将第一差值与当前电流值之间的比值的绝对值作为目标直流内阻。
具体地，为提升辨识结果的准确性，在本公开的实施例中，待测的电池可以为同一批次一致性优良的锂电子电池，以预设温度为25℃为例，在对待测的电池进行恒流充放电测试以及在进行后续的脉冲测试，即，混合功率脉冲特性(HPPC，HybridPulsePowerCharacteristic)测试之前，均需要先对电池进行容量测试，以获取上述第一映射数据。
在本公开的实施例中，对电池进行容量测试的步骤具体可以为：1、常温下，将待测的电池静置10分钟，将电池以1C，即，1倍功率恒流放电至2.8V之后，搁置60分钟；2、将电池以1C恒流恒压充电至4.25V，截止电流0.05C，搁置60分钟；3、将电池以1C恒流放电至2.8V，搁置60分钟；4、将上述第二个步骤循环3次，记录第2、3次充放电容量、能力以及充放电曲线，并以第三次循环的放电容量为准构建上述第一映射数据。
在对待测的电池进行上述容量测试步骤之后，即可对其进行恒流充放电测试，请参看图3，其为对电池进行恒流充放电测试得到的反映电池电压变化的第一电压弛豫曲线，该恒流充放电测试的步骤具体可以为：1、将电池以1C恒流恒压充至4.25V，再恒压充至截止电流为0.05C，即100％SOC，采样频率1秒；2、将电池静置30分钟，采样频率1分钟；3、调整温度至25℃，将电池静置6小时直至电池温度每小时变化小于1℃；4、将电池静置30分钟，采样频率为1分钟；5、将电池1C恒流放电至下限电压，采样频率1秒；6、将电池静置30分钟，采样频率1分钟；7、调整温度至25℃，将电池静置6小时直至电池温度每小时变化小于1℃；8、将电池静置30分钟，采样频率1分钟；9、将电池1C恒流充电至上限电压，采样频率1秒；10、将电池静置30分钟，采样频率1分钟。
以待测的电池对应的等效电路模型为图2所示的2阶等效电路模型为例，则其端电压可以通过以下公式计算获得：
Figure BDA0003405226710000081
其中，U表示端电压，i表示电池电流，Uocv表示开路电压，
Figure BDA0003405226710000082
表示流经电化学极化内阻R1的电流，iR2表示流经电化学极化内阻R2的电流，关于/>
Figure BDA0003405226710000083
iR2的详细计算方法因为在现有技术中有详细说明，此处不再赘述；
考虑到电池在恒流充放电工况下工作一段时间后，流过电阻支路的电流与总电流相一致，即，电流不经过电容，此时电池的极化电压即为电流与总电阻的乘积，因此，电池在25℃的预设荷电状态下的目标直流内阻的计算步骤具体可以为：先提取其在对应温度下1C恒流充放电测试数据中的当前端电压、当前电流值以及电池容量和温度列；再从预先获得的反映电池容量随时间变化的第一映射数据中得到电池的当前荷电状态，也即对应预设荷电状态；之后，可以根据反映荷电状态与端电压之间对应关系的第二映射数据中，通过一维插值，得到对应温度、对应荷电状态下的当前开路电压值，之后根据公式目标直流内阻＝ABS((当前端电压值-当前开路电压之)/当前电流值)即可得到待测的电池在预设温度和预设荷电状态下的目标直流内阻。经过以上步骤之后，即可得到电池在不同温度不同荷电状态下对应的直流内阻，即，电池的总电阻，需要说明的是，在具体实施时，也可以通过插值得到电池在特定温度特定荷电状态下的直流内阻，详细插值算法此处不再赘述。
步骤S1200，获取所述电池在第二工况的所述预设温度和所述预设荷电状态下的第一阻值，其中，所述第一阻值表示所述电池的欧姆内阻的阻值。
为解决现有技术中仅基于对电池进行脉冲测试得到的测试数据进行参数辨识时所存在的问题，在本公开的实施例中，为了提升辨识得到的参数的普适性，在对电池在第二工况，即脉冲测试工况下进行测试以获取对应第一测试数据的同时，还通过对电池在上述第一工况下进行测试以获取第二测试数据，并在原有进行参数辨识所基于的约束条件的基础上，进一步增加目标约束条件，以提升辨识得到的参数的普适性、准确性。
具体地，考虑到在第二工况，即脉冲测试工况下，由于脉冲测试持续时间较短，因此可以认为其测试温度及荷电状态近似不变，因此可以确定以下约束条件：在相同温度和荷电状态下，恒流充放电工况下测试得到的电池的直流内阻(DCIR，DC InternalResistance)为等效电路中全部待辨识的电阻的阻值的和值。
例如，在n阶等效电路模型中，该约束条件可以表示为：恒流充放电工况下得到的
Figure BDA0003405226710000091
其中，n为大于0的正整数，K为不小于0的正整数，Rk表示n阶等效电路模型中的对应内阻。
请参看图4，其为对电池进行HPPC测试得到的反映电池电压变化的第二电压弛豫曲线，在本公开的实施例中，所述对待测的电池进行脉冲测试，具体可以是对与上述进行恒流充放电测试的同一批次的电池进行HPPC测试，该HPPC测试的测试步骤具体可以为：1、将电池以常温1C恒流充电3分钟至5％SOC上限电压截止；2、用微欧仪测试电池正负极柱、正极柱-导线、负极柱-导线的阻抗值(导线与极柱控制在1欧以内)；3、将电池在25℃下搁置1小时，记录搁置结束时电压E1；4、将电池以1C恒流放电30秒(截止电压0.01V)，期间每100ms采集一次数据，记录放电电压E2，搁置2分钟；5、电池以0.2C恒流充电150秒，上限电压截止，搁置10分钟；6、电池以1C恒流充电3分钟，上限电压截止，搁置1小时；7、将上述步骤4～6循环19次，完成5％、10％、15％、20％、25％、30％、34％、40％、45％、50％、55％、60％、65％、70％、75％、80％、85％、90％和95％SOC的放电测试。
在一个实施例中，所述获取电池在第二工况的预设温度和预设荷电状态下的第一阻值，包括：在该预设温度和该预设荷电状态下对电池进行脉冲测试的过程中，获取电池对应的第一电压值和第二电压值，其中，第一电压值和第二电压值分别为电池在进行脉冲测试过程中的第一个采样点和第二个采样点处的电压值；以及，获取电池在第二个采样点处的第二电流值；根据第一电压值、第二电压值和第二电流值，获得第一阻值。
其中，所述根据第一电压值、第二电压值和第二电流值，获得第一阻值，包括：获取第二电压值与第一电压值之间的第二差值；将述第二差值与第二电流值之间的比值作为第一阻值。
以待测电池的等效电路模型为如图2所示的二阶等效电路模型为例，具体地，因为脉冲测试的采样间隔很短，因此在很短的时间内可以认为电池的电压响应仅由欧姆内阻R0引起，所以根据脉冲测试的第一个采样点处的第一电压值U1和第二个采样点处的第二电压值U2，可以得到欧姆内阻R0的第一阻值为ABS((第二电压值-第一电压值)/第二电流值)；其中，第一个采样点即为电池电流为0A的点，该点处的电压即为电池的开路电压(电流i为0的点，该点的电压即开路电压，第二个采样点是电池电流不为0A的点，该点处的电压例如可以为0.1秒处的端电压。
步骤S1300，根据所述目标直流内阻和所述第一阻值，确定目标约束条件，其中，所述目标约束条件用于约束所述目标直流内阻和所述第一阻值与所述等效电路模型中待辨识的所有电阻的阻值之间的关系
在一个实施例中，所述根据目标直流内阻和第一阻值，确定目标约束条件，包括：计算目标直流内阻和第一阻值的目标差值，并确定目标约束条件为在第二工况的该预设温度和该预设荷电状态下，该等效电路模型中除欧姆内阻以外的其他电阻的阻值的和值为该目标差值。
具体地，在经过步骤S1100通过获取待测的电池在第一工况，即恒流充放电工况下的第一测试数据，进而根据该第一测试数据通过直接或者插值方式间接得到待测的电池在不同温度和不同荷电状态下的目标直流电阻，即，电池在某一温度和某一荷电状态下的总电阻，以及，经过步骤S1200通过获取待测试的电池在第二工况，即脉冲测试工况下的第二测试数据，进而根据该第二测试数据可以得到在相同温度和相同荷电状态下该电池的欧姆内阻的阻值，即，R0的阻值的情况下，则可以在上述约束条件：
Figure BDA0003405226710000101
Figure BDA0003405226710000102
的基础上，通过计算目标直流内阻和第一阻值的目标差值，确定目标约束条件为：在第二工况的该预设温度和该预设荷电状态下，等效电路模型中除欧姆内阻以外的其他电阻的阻值的和值为该目标差值。
以图2所示的二阶等效电路模型为例，通过对待测的电池进行恒流充放电测试处理，可以得到该电池在25℃、20％SOC下的总电阻的阻值为直流内阻dcir1，而通过对待测的电池进行脉冲测试处理，可以得到该电池在25℃、20％SOC下的欧姆内阻的阻值，即第一阻值为
Figure BDA0003405226710000103
则根据R0+R1+R2＝DCIR可得该二阶等效电路模型对应的目标约束条件为：R1+R2＝DCIR-R0，即，可以固定在该温度和荷电状态下电池的电化学极化内阻R1和浓差极化内阻R2的和值为：/>
Figure BDA0003405226710000104
步骤S1400，根据所述目标约束条件和预设辨识算法对所述电池对应的等效电路模型进行参数辨识，获得所述等效电路模型的目标电阻电容参数。
在根据步骤1300确定的目标约束条件固定等效电路模型中其他电阻的和值为目标差值之后，即可以使用预设辨识算法对等效电路模型进行参数辨识，以获得目标电阻电容参数，即，目标RC参数。以下对如何基于目标约束条件，使用预设辨识算法对等效电路模型进行参数辨识进行详细说明。
在一个实施例中，该预设辨识算法可以为遗传算法，该等效电路模型例如可以为二阶等效电路模型，所述根据目标约束条件和预设辨识算法对电池对应的等效电路模型进行参数辨识，获得该等效电路模型的目标电阻电容参数，包括：以二阶等效电路模型中的电化学极化内阻、浓差极化内阻、电化学极化内阻对应的电化学极化电容和浓差极化内阻对应的浓差极化电容的数值为变量，以及，以目标差值为电化学极化内阻和浓差极化内阻的阻值的和值为约束，构建包含预设数量的个体的初始种群；根据初始种群，基于预设目标函数和用于判断个体适应度的预设适应度函数对变量进行迭代求解，以获得满足预设条件的目标电阻电容参数。
需要说明的是，关于遗传算法中用于约束是否为最优组解的目标函数的定义，以及，用于判断每一个体的适应度的适应度的函数因为在现有技术中有详细说明，此处不再赘述。
具体地，如图2所示，以R0表示电池的欧姆内阻，R1表示电池的电化学极化内阻，C1表示电池的电化学极化电容，R2表示电池的浓差极化内阻，C2表示电池的浓差极化电容，则可以R1+R2＝DCIR-R0为目标约束条件，以R1、R2、C1、C2作为变量，通过定义每一变量的长度，以固定染色体长度，再通过随机初始化包含预设数量，例如，500个个体的初始种群，通过进行反复迭代，以获得满足预设条件的目标RC参数。
例如，可以将R1、R2、C1、C2示为4个变量，并设定每一变量为使用5位比特表示的二进制数值，则可得每一染色体的长度为4*5＝20比特，则在预设数量为500的情况下，可以获得初始种群为500行，20列由0或1构成的矩阵，其中，每一个比特的数值可以随机为0或1中的任一，因此可得500组随机组合，每组组合中包含4个变量，每一组合可以视为1个个体，可以根据需要设置每一变量的上限阈值以及下限阈值，在辨识过程中约束每一变量在其对应的上限阈值和下限阈值范围内变动，并且每一组合中的R1、R2的和值均为目标差值，即，均满足本公开实施例所述的目标约束条件；在获得初始种群之后，可以自定义目标函数及每一个体对应的适应度函数，并根据需要设置交叉概率和变异概率，以使得每次迭代的种群都由上一代的种群通过选择、交叉及变异而来，通过根据需要设置迭代次数，即可通过多次迭代得到满足预设条件的最优组解，即，目标RC参数。
以上是以预设辨识算法为遗传算法为例，说明如何进行参数辨识，需要说明的是，在具体实施时，该预设辨识算法也可以为其他算法，例如，也可以为粒子群算法、种群算法和最小平方法等算法，此处不再赘述。
根据以上说明可知，本公开的实施例提供的方法，针对现有技术中只依赖于单一脉冲测试工况下的测试数据进行参数辨识，得到的电阻电容参数不具备普适性的问题，本申请在参数辨识过程中，基于多种工况间的测试数据构建目标约束条件，使得辨识得到的目标电阻电容参数切实有效，适用性强，基于该目标电阻电容参数的等效电路模型可以精确的评估电池状态。
在基于以上方法辨识确定待测的电池对应的等效电路模型之后，即可根据该等效电路模型，评估该电池或者以该电池为电芯构建的电池包在正常使用过程中的工作状态。
具体地，针对以该待测的电池为电芯构建的电池包，在评估该电池包在正常使用过程中的工作状态时，可以先获取与该待评估的电池包对应的等效电路模型，该等效电路模型中的目标电阻电容参数可以根据本公开实施例提供的以上任意一方法确定；在确定该等效电路模型之后，即可根据该等效电路模型，评估电池包在正常使用过程中的工作状态，其中，该工作状态可以为电池包的电性能、工作温度以及电池健康状态中的至少一项。
例如，在获得待测的电池所对应的等效电路模型中的目标电阻电容参数，即RC参数之后，可以对以该类电池作为电芯通过串联或并联等方式构建的整包模型，即电池包的电性能以及工作温度等特性进行精确评估。
具体来讲，由于电池包对应的整包系统模型含有多个电芯模型，电芯模型又包含等效电路模型和热模型，如果等效电路模型有偏差，则整包的性能预测偏差会更大，所以在经过以上方法辨识得到对应等效电路模型的RC参数之后，则可以根据公式Q＝U*i+i*T*dU/dT求解电池包的产热功率Q，其中，在该公式中，T表示温度，dU/dT表示熵热系数；将电池产热功率耦合到热模型中，根据公式C*M*ΔT＝Q-Q散可以计算出温度，其中，C表示电池的比特容，M表示电池的质量，ΔT表示电池的温升，Q散表示电池散掉的热量；在计算得到该温度之后，将该温度再次耦合到等效电路模型中，即可实现电芯特性的仿真。
又例如，可以将基于目标电阻电容参数构建的等效电路模型应用于健康状态评估模型中，以更加准确的仿真电池在正常使用过程中的健康状态。
综上所述，本公开的实施例提供的方法，通过获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻；以及，获取该电池在第二工况的预设温度和预设荷电状态下的第一阻值；之后，根据反映该目标直流内阻和该第一阻值与该电池对应的等效电路模型中所有电阻之间关系的目标约束条件和预设辨识算法对该模型的参数进行辨识，可以得到能够适应不同工况的等效电路模型，基于该等效电路模型，可以准确评估电池性能、工作温度、电池健康状态等工作状态。
<方法实施例二>
与上述方法实施例相对于，本公开的实施例还提供一种电池包状态评估方法，请参看图5，其是本公开实施例提供的电池包状态评估方法的流程示意图，该方法可以在电子设备中实施，例如，可以由内置电池管理系统的设备实施，该电池包例如可以是以方法实施例一中的电池为电芯通过串联或并联方式等方式构建的电池包。如图5所示，本实施例的方法可以包括如下步骤S5100-S5200。
步骤S5100，获取与待评估的电池包对应的等效电路模型，其中，所述等效电路模型的目标电阻电容参数根据方法实施例一中任意一项所述的电池等效电路模型的参数辨识方法确定。
步骤S5200，根据所述等效电路模型，评估所述电池包在正常使用过程中的工作状态；其中，所述工作状态包括所述电池包的电性能、工作温度以及电池健康状态中的至少一项。
<设备实施例>
与上述方法实施例相对应，在本实施例中，还提供一种电子设备，该电子设备例如可以为内置电池管理系统的设备，请参看图6，其是本公开实施例提供的一种电子设备的结构示意图。
如图6所示，该电子设备6000可以包括处理器6200和存储器6100，该存储器6100用于存储可执行的指令；该处理器6200用于根据指令的控制运行电子设备以执行根据本公开任意方法实施例的方法。
<介质实施例>
与上述方法实施例一以及方法实施例二相对应，本实施例还提供一种计算机可读存储介质，该ji算计可读存储介质上存储计算机程序，该计算机程序在被处理器执行时实现本公开任意方法实施例中描述的方法。
本说明书的一个实施例或者多个实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本说明书实施例操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本说明书的各个方面。
这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本说明书的多个实施例的系统、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、程序段或指令的一部分，模块、程序段或指令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。在有些作为替换的实现中，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。对于本领域技术人物来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本说明书的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人物能理解本文披露的各实施例。本申请的范围由所附权利要求来限定。

Claims (10)

1.一种电池等效电路模型的参数辨识方法，其特征在于，包括：
获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻；
获取所述电池在第二工况的所述预设温度和所述预设荷电状态下的第一阻值，其中，所述第一阻值表示所述电池的欧姆内阻的阻值；
根据所述目标直流内阻和所述第一阻值，确定目标约束条件，其中，所述目标约束条件用于约束所述目标直流内阻和所述第一阻值与所述等效电路模型中待辨识的所有电阻的阻值之间的关系；
根据所述目标约束条件和预设辨识算法对所述电池对应的等效电路模型进行参数辨识，获得所述等效电路模型的目标电阻电容参数。
2.根据权利要求1所述的方法，其特征在于，所述第一工况包括恒流充放电工况，所述第二工况包括脉冲测试工况；
所述根据所述目标直流内阻和所述第一阻值，确定目标约束条件，包括：
计算所述目标直流内阻和所述第一阻值的目标差值，并确定所述目标约束条件为在所述第二工况的所述预设温度和所述预设荷电状态下，所述等效电路模型中除所述欧姆内阻以外的其他电阻的阻值的和值为所述目标差值。
3.根据权利要求2所述的方法，其特征在于，所述等效电路模型包括二阶等效电路模型；
所述根据所述目标约束条件和预设辨识算法对所述电池对应的等效电路模型进行参数辨识，获得所述等效电路模型的目标电阻电容参数，包括：
以所述二阶等效电路模型中的电化学极化内阻、浓差极化内阻、所述电化学极化内阻对应的电化学极化电容和所述浓差极化内阻对应的浓差极化电容的数值为变量，以及，以所述目标差值为所述电化学极化内阻和浓差极化内阻的阻值的和值为约束，构建包含预设数量的个体的初始种群；
根据所述初始种群，基于预设目标函数和用于判断个体适应度的预设适应度函数对所述变量进行迭代求解，以获得满足预设条件的所述目标电阻电容参数。
4.根据权利要求1所述的方法，其特征在于，所述第一工况包括恒流充放电工况；所述获取待测的电池在第一工况的预设温度和预设荷电状态下的目标直流内阻，包括：
在所述预设温度下，对所述电池进行恒流充放电测试，获得所述电池的当前端电压值、当前电流值以及当前电池容量值；
根据所述当前电池容量值和第一映射数据，获得所述预设荷电状态，其中，所述第一映射数据反映电池容量与电池荷电状态之间的对应关系；
根据所述预设荷电状态和第二映射数据，获得所述电池的当前开路电压值，其中，所述第二映射数据反映电池荷电状态与电池开路电压之间的对应关系；
根据所述当前端电压值、当前开路电压值和所述当前电流值，获得所述目标直流内阻。
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前端电压值、当前开路电压值和所述当前电流值，获得所述目标直流内阻，包括：
获取所述当前端电压值与所述当前开路电压值之间的第一差值；
将所述第一差值与所述当前电流值之间的比值的绝对值作为所述目标直流内阻。
6.根据权利要求2所述的方法，其特征在于，所述第二工况包括脉冲测试工况；所述获取所述电池在第二工况的所述预设温度和所述预设荷电状态下的第一阻值，包括：
在所述预设温度和所述预设荷电状态下对所述电池进行脉冲测试的过程中，获取所述电池对应的第一电压值和第二电压值，其中，所述第一电压值和所述第二电压值分别为所述电池在进行所述脉冲测试过程中的第一个采样点和第二个采样点处的电压值；以及，
获取所述电池在所述第二个采样点处的第二电流值；
根据所述第一电压值、所述第二电压值和所述第二电流值，获得所述第一阻值。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一电压值、所述第二电压值和所述第二电流值，获得所述第一阻值，包括：
获取所述第二电压值与所述第一电压值之间的第二差值；
将所述第二差值与所述第二电流值之间的比值作为所述第一阻值。
8.一种电池包状态评估方法，其特征在于，包括：
获取与待评估的电池包对应的等效电路模型，其中，所述等效电路模型的目标电阻电容参数根据权利要求1-7任意一项所述的电池等效电路模型的参数辨识方法确定；
根据所述等效电路模型，评估所述电池包在正常使用过程中的工作状态；
其中，所述工作状态包括所述电池包的电性能、工作温度以及电池健康状态中的至少一项。
9.一种电子设备，其特征在于，包括：
存储器，用于存储可执行的指令；
处理器，用于根据所述指令的控制运行所述电子设备执行如权利要求1-8任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任意一项所述的方法。
CN202111510679.5A 2021-12-10 2021-12-10 电池等效电路模型的参数辨识方法、设备及可读存储介质 Pending CN116256636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111510679.5A CN116256636A (zh) 2021-12-10 2021-12-10 电池等效电路模型的参数辨识方法、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111510679.5A CN116256636A (zh) 2021-12-10 2021-12-10 电池等效电路模型的参数辨识方法、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116256636A true CN116256636A (zh) 2023-06-13

Family

ID=86686716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111510679.5A Pending CN116256636A (zh) 2021-12-10 2021-12-10 电池等效电路模型的参数辨识方法、设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116256636A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117538759A (zh) * 2024-01-10 2024-02-09 清华四川能源互联网研究院 锂离子电池直流内阻高通量获取方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117538759A (zh) * 2024-01-10 2024-02-09 清华四川能源互联网研究院 锂离子电池直流内阻高通量获取方法
CN117538759B (zh) * 2024-01-10 2024-03-19 清华四川能源互联网研究院 锂离子电池直流内阻高通量获取方法

Similar Documents

Publication Publication Date Title
CN110208704B (zh) 一种基于电压滞后效应的锂电池建模方法和系统
Yang et al. A novel method on estimating the degradation and state of charge of lithium-ion batteries used for electrical vehicles
Chen et al. Online battery state of health estimation based on Genetic Algorithm for electric and hybrid vehicle applications
Lai et al. A novel method for state of energy estimation of lithium-ion batteries using particle filter and extended Kalman filter
Xiong et al. A data-driven multi-scale extended Kalman filtering based parameter and state estimation approach of lithium-ion polymer battery in electric vehicles
US11119157B2 (en) Method, apparatus and recording medium for estimating parameters of battery equivalent circuit model
CN109991554B (zh) 一种电池电量检测方法、装置及终端设备
CN110709716B (zh) 估计电池的等效电路模型的参数的方法以及电池管理系统
CN105004998A (zh) 电荷状态估计器及制造和使用电荷状态估计器的方法
CN111812515A (zh) 基于XGboost模型的锂离子电池荷电状态估算
Hsieh et al. Electric circuit modelling for lithium‐ion batteries by intermittent discharging
CN113111508A (zh) 电芯一致性的评估方法、装置及服务器
Li et al. Bandwidth based electrical-analogue battery modeling for battery modules
US20230176131A1 (en) Method for simulation of battery pack
Zhou et al. A novel interval‐based approach for quantifying practical parameter identifiability of a lithium‐ion battery model
Rodríguez-Iturriaga et al. A novel Dual Fractional-Order Extended Kalman Filter for the improved estimation of battery state of charge
CN114200310B (zh) 电化学装置析锂检测方法及电子设备
CN116256636A (zh) 电池等效电路模型的参数辨识方法、设备及可读存储介质
Schmitt et al. State-of-health estimation by virtual experiments using recurrent decoder–encoder based lithium-ion digital battery twins trained on unstructured battery data
Maheshwari et al. Effect of Noise Covariance Matrices on State of Charge Estimation Using Extended Kalman Filter
CN116027218A (zh) 电池状态评估方法及电子设备
Monirul et al. Accurate SOC estimation of ternary lithium-ion batteries by HPPC test-based extended Kalman filter
Kaleli et al. Recursive ARMAX-based global battery SOC estimation model design using Kalman filter with optimized parameters by radial movement optimization method
Chen et al. Li-ion battery state-of-health estimation based on the combination of statistical and geometric features of the constant-voltage charging stage
CN113777497A (zh) 一种退化电池在线soc、soh联合估计方法、装置、存储介质和电子设备

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