[发明专利]一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法

权利要求书

1.一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法，其特征在于：包括以下步骤：

S1.在额定工况下对锂离子电池进行充电至SOC达到100％，进行间歇性放电-静置实验，并拟合确定SOC-OCV关系表达式；

S2.采用电压传感器和电流传感器，对k时刻的锂离子电池端电压和电流进行实时采集；

S3.建立电池的等效电路模型和用于模型辨识的离散域回归方程，利用k时刻的端电压值、电流值输入，实现实时的噪声方差估计和模型参数的无偏辨识；

所述步骤S3包括以下子步骤：

S301.建立等效电路模型：

C_pdV_p(t)/dt+V_p(t)/R_p＝I(t)

V_t(t)＝V_oc(t)-V_p(t)-I(t)R_s

其中，t为时间，I为负载电流，相应的I(t)为t时刻的负载电流，V_p为极化电压，V_t为路端电压，η为电池的库伦效率，Q为电池的额定容量，R_s、R_p和C_p是待求取的模型参数，具体的说：R_s为欧姆内阻，R_p为极化电阻，C_p为极化电容；

构造用于模型辨识的离散域回归方程：

S302.利用k-1时刻得到的后验SOC估计值和k时刻电流值，通过安时积分计算得到k时刻的SOC先验估计值，并依据拟合确定的SOC-OCV关系式，获得k时刻的OCV先验估计值；

S303.定义待辨识的参数向量θ，且θ_k＝[a_k b_k^T]^T，其中a_k和b_k定义为：a_k＝[a_1,k]，b_k＝[b_0,k b_1,k]^T，式中下标k表示k时刻；

引入时滞电流作为工具变量：式中I为电池负载电流，为工具变量的输入量的个数，n_b为向量b_k的元素个数；

定义一个新的扩展向量：其中V_t是电池端电压，则回归模型为：

下标k代表k时刻，是向量w与向量的协方差矩阵期望在k时刻的更新，ξ_k(w,y)是向量w和变量y的协方差向量在k时刻的更新，符号Δ表示变量或向量的噪声项；

S304.依据上一时刻噪声方差估计值，参数向量θ_k的估计为：

式中，下标k代表k时刻，下标k-1代表k-1时刻，是θ_k的估计，σ_i和σ_v.是电流和电压的噪声方差，和分别为σ_i和σ_v.的估计值，F⁺(·)、G⁺(·)分别对应F(·)、G(·)的摩尔-彭罗斯伪逆函数，并且：

式中，n_a为步骤S302中向量a_k的元素个数，n_w为w_k的元素个数；

ξ_k(w,y)＝(1-ρ_k)ξ_k-1(w,y)+ρ_kw_ky_k

其中λ代表遗忘因子；

S305.依据步骤S303中参数向量的估计得和进而待求取的模型参数R_s、R_p和C_p按照下式更新：

其中：R_s为欧姆内阻，R_p为极化电阻，C_p为极化电容；

S305.依据k时刻的噪声方差的估计为：

式中：

S4.将k时刻通过S3获得的模型参数对电池模型进行更新，并建立相应的状态空间方程，根据状态空间方程构建状态观测器，将步骤S2中采集的k时刻电流、端电压值输入至状态观测器，实时估计k时刻的SOC。