[发明专利]一种基于线性时不变电池模型结构的参数辨识方法

权利要求书

1.一种基于线性时不变电池模型结构的参数辨识方法，其特征在于：首先通过目标以及先验知识获取设计模型参数辨识试验，然后确定电池模型结构，对电池模型参数进行辨识，最后对电池模型验证；所述电池模型参数的具体辨识流程包括：

(1)确定目标，获取先验知识

确定本发明电池模型的使用环境和精度要求，并在此基础上获得足够多的先验知识，包括电池的电化学反应机理、动态响应特性、时间常数；这些先验知识对电池模型辨识实验设计和模型结构的初步确定起指导性作用；

(2)设计电池模型辨识实验

根据步骤(1)获取的先验知识，设计合理的电池模型辨识实验方法，以激励出电池的绝大部分动态特性；电池模型辨识实验构成电池系统辨识的数据基础，在辨识算法和电池模型结构已经确定的情况下，电池模型参数辨识的精度将直接依赖于输入信号；

从频域分析的角度对电池的动态特性进行分析，并以此作为依据设计电池模型辨识实验；频域上激励电流的频谱必须足以覆盖电池系统的频谱；为了获得电池的频域特性，采用阶跃归零响应对单体电池进行测试；考虑到电池工作在充电和放电两种模式下，分别设计正阶跃归零和负阶跃归零两种测试方法；正阶跃归零测试由两部分组成：耗时300s的8A恒流充电过程和耗时1500s的静置过程；负阶跃归零测试由耗时300s的8A恒流放电过程和耗时1500s的静置过程组成；

基于频域分析方法，每隔10％SOC对单体电池进行测试；实时记录第300s至第1800s区间范围内的阶跃归零响应数据，采样周期为1s；在不同SOC处，对阶跃归零电压响应数据进行快速傅立叶变换，得到电池在充、放电情况下的频域特性；SOC为电池荷电状态；

(3)设计电池模型结构

依据步骤(2)电池模型辨识实验确定电池模型结构形式，包括电池模型的数学表达结构和阶次；根据电池电化学反应的简化过程，电池模型的数学表达结构描述为：当电池进行充放电时，电池内部会产生三种极化现象，即欧姆极化、电化学极化和浓差极化；欧姆极化用电池的等效内电阻来表示，浓差极化和电化学极化共同构成电池动态特性中的迟滞特性，通常用电池的等效极化电容来表示；根据参数辨识的难易程度和精度综合考虑模型的阶次；

电池用如下状态空间模型结构描述：

其中，u_k为电池模型的输入电流；y_k为电池模型的输出端电压；x_k为电池模型上一时刻状态向量；x_k+1为电池模型下一时刻状态向量，A、B、C、D为待辨识的系统矩阵；E_k为电池的均衡电势，其值可以用电池充分静置后的开路电压代替；

在物理意义上，A矩阵和B矩阵共同建立了电池内部的动态特性；A矩阵描述了上一时刻状态向量x_k对下一时刻状态向量x_k+1的影响，用来表征电池的浓差极化；B矩阵描述了上一时刻输入电流u_k对下一时刻状态向量x_k+1的影响，用来表征电池的电化学极化；D矩阵描述了k时刻输入电流u_k对k时刻端电压y_k的影响，用来表征电池的欧姆极化；

(4)电池模型参数辨识

在步骤(2)取得的电池模型辨识实验数据和步骤(3)设计的电池模型结构的基础上，采用系统辨识算法获得电池模型的参数；

根据以上系统分析，将式(1)所述模型的批量辨识问题描述为：在给定的N个采样时间k＝[0，1，…，N-1]内，根据采样得到的批量输入序列u_k和输出序列y_k，采用批量辨识算法，估算模型在N个采样时间内的全局最优系统矩阵A、B、C、D；

为了确保辨识结果的唯一性，A、B、C、D矩阵为经过相似变换后的系统矩阵，电池模型参数辨识算法步骤归纳如下：

1)算法初始化：首先对电池模型输入u_k和输出y_k进行采样；然后初始化算法的权重矩阵模型阶次n、过去窗口p，以及未来窗口f，并且需要满足p≥f；

2)系统马尔科夫参数估计：

首先，将电池模型看成超前一步输入自回归模型，即：

其中，是k时刻的电池模型预测输出；y_k-i是当前时刻的电池模型输出；是待预测的系统马尔科夫参数矩阵：

进而利用采集得到的电池模型输入u_k和输出y_k数据对式(2)进行最小二乘估计，得到系统的马尔科夫参数；

3)系统矩阵估计：通过最小二乘方法计算A、B、C、D矩阵；

(5)验证设计的电池模型

在步骤(4)辨识得到电池模型的参数之后，设计模型验证试验，并对电池模型的性能进行验证；

考虑到在电动汽车实际工况下经常会工作在频繁的加速和回馈制动状态；因此，在高频脉冲工况下，设计的高频脉冲工况电流脉冲幅值为±10A，最小脉冲宽度为10s；将高频脉冲工况电流作为电池模型的输入信号；

进一步，考虑到在电动汽车实际工况下，电池可能长时间工作在恒定电流放电状态；在长周期恒流充放电工况下，设计的长周期恒流充放电工况，充放电过程共分为8个阶段，各段幅值依次为-2A、-5A、-8A、-10A、-7A、-3A、+2A、+4A，每阶段分别持续480s。