[发明专利]一种锂离子电池模型参数的分布式辨识方法及装置

说明书

本公开提供了锂离子电池模型参数的分布式辨识方法及装置。锂离子电池模型参数的分布式辨识方法包括将锂离子电池二阶RC等效电路模型的连续系统传递函数进行离散化；将锂离子电池系统离散传递函数拆分成两个离散子模型；分别对两个离散子模型进行辨识，得到离散子模型的模型参数；判断离散子模型的待辨识参数的收敛性：若离散子模型的待辨识参数均收敛，则进一步求解二阶RC等效电路模型中RC参数的值；若离散子模型中待辨识参数不满足收敛性要求，则判断是否满足辨识停止条件，若满足辨识停止条件，则停止辨识并求解二阶RC等效电路模型中RC参数的值；若不满足辨识停止条件，则继续对两个离散子模型进行辨识。

技术领域

本公开属于电池模型参数辨识技术领域，尤其涉及一种锂离子电池模型参数的分布式辨识方法及装置。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着环境污染的日益加剧和化石能源的逐渐枯竭，电动汽车迎来了历史性的发展机遇。动力电池作为电动汽车的主要核心部件，其性能指标直接影响电动汽车的整体性能。在众多类型的电池中，锂离子电池以其在重量比能量、体积比能量以及循环寿命等方面具有的独特优势，日益成为关注的焦点。为确保锂离子电池安全可靠运行，电池管理系统(BMS)需要对电池的荷电状态(State of Charge,SOC)、健康状态(State of Health,SOH)以及功率状态(State of Power,SOP)等内部状态做出准确的估计。然而，由于这些内部状态无法通过传感器测量的方式直接得到，因此通常需要借助电池模型进行推断和预测。相比准二维模型、单粒子模型和解析模型等其他电池模型，等效电路模型因其具有计算量小、结构简单、易于实现等特点而备受关注。

在等效电路模型结构已知的情况下，模型参数的辨识精度直接影响了模型的预测准确性。传统的算法在辨识模型参数时，隐含的前提条件是被辨识系统为单时间尺度系统。然而，对于锂离子电池而言，其本质上是一个刚性系统，内部的电化学过程呈现出不同的时间尺度，相差约一个或两个数量级。

发明人发现，当传统的方法如递推最小二乘法在应用于电池系统时，会出现模型参数辨识精度低、建模效果差的问题。

发明内容

为了解决上述问题，本公开的第一个方面提供一种锂离子电池模型参数的分布式辨识方法，其可以有效提高参数的辨识精度和模型的预测性能。

为了实现上述目的，本公开采用如下技术方案：

一种锂离子电池模型参数的分布式辨识方法，包括：

将锂离子电池二阶RC等效电路模型的连续系统传递函数进行离散化；

将锂离子电池系统离散传递函数拆分成两个离散子模型；

分别对两个离散子模型进行辨识，得到离散子模型的模型参数；

判断离散子模型的待辨识参数的收敛性：

若离散子模型的待辨识参数均收敛，则进一步求解二阶RC等效电路模型中RC参数的值；

若离散子模型中待辨识参数不满足收敛性要求，则判断是否满足辨识停止条件，若满足辨识停止条件，则停止辨识并进一步求解二阶RC等效电路模型中RC参数的值；若不满足辨识停止条件，则继续对两个离散子模型进行辨识，直至离散子模型的待辨识参数均收敛或满足辨识停止条件为止。

为了解决上述问题，本公开的第二个方面提供一种锂离子电池模型参数的分布式辨识装置，其可以有效提高参数的辨识精度和模型的预测性能。

为了实现上述目的，本公开采用如下技术方案：

一种锂离子电池模型参数的分布式辨识装置，包括：

传递函数离散化模块，其用于将锂离子电池二阶RC等效电路模型的连续系统传递函数进行离散化；