[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

说明书

一种基于线性时不变电池模型结构的参数辨识方法，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。

技术领域

本发明涉及一种基于线性时不变电池模型结构的参数辨识方法。

背景技术

电池系统是一个非常复杂的系统，其电化学反应过程呈现出高度的非线性特性，电池模型是电池相关研究的基础，也是该研究领域的研究难点之一，如何辨识模型参数是紧接着需要考虑的问题。电池模型辨识可以定义为从给定的输入输出数据中，通过极小化某一误差准则函数，确立电池模型的参数值。在电池模型辨识方面，美国宾夕法尼亚州立大学Githin K.等提出了基于离线最小二乘和在线迭代梯度校正算法的电池模型辨识方法，可以实现模型参数的在线辨识。美国密歇根大学Chris Mi和奥地利维也纳科技大学Johannes Unger用遗传算法实现了对电池电路模型的在线辨识，该方法具有很高的精度，可以用来估算电池的健康状态。北京理工大学Hu等采用遗忘因子最小二乘法算法，对锂离子电池电路模型在线辨识展开了研究，研究表明该算法可以准确地预测电池的动态电压响应。此外，一些相似的辨识算法，如迭代最小二乘自适应滤波、基于线性模型的子空间算法、迭代增广最小二乘算法、数值计算方法也被应用到了电池模型辨识中。

首先，电池模型实际是一个非常复杂的非线性系统，它包含了大量的未知参数。对电池模型进行辨识，需要事先掌握大量的先验知识，如模型阶次、模型结构、各种未知常量等，而这些先验知识通常是很难获得的。其次，在电池的实际使用过程中，随着电池剩余容量SOC和老化状态SOH的不断变化，电池模型的参数是随之变化的，并且这种随时间变化的规律也是变化的。因而，通过上述方法得到的电池模型参数，在实际的使用环境下并不能保证系统的精度要求。有鉴于此，迫切需要提出一种基于线性时不变(Linear Time-Invariant，LTI)模型结构的模型，设计相应的系统辨识算法。

发明内容

本发明的目的是克服现有技术的缺点，提出一种电池模型参数辨识算法。本发明通过电池模型辨识实验，激励电池的大部分动态特性，对电池模型结构、模型阶次和输入输出数据预处理，综合考虑算法的实时性及运算复杂度等因素。

所述的电池模型辨识实验是为了获得电池模型结构参数，人为对电池施加某种激励信号，然后利用测量得到的输入输出数据获得电池的模型参数。

本发明电池模型参数辨识算法步骤如下：

(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、精度要求等，并在此基础上获得足够多的先验知识，如电池的电化学反应机理、动态响应特性、时间常数等。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将起指导性作用。

(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。电池模型辨识实验对电池系统辨识是极为重要的，它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。实时记录下第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为电池的荷电状态。