[发明专利]一种用于宽采样间隔的动力电池系统辨识和状态估计方法

摘要

本申请涉及一种用于宽采样间隔的动力电池系统参数辨识和状态估计方法，其基于动力电池的等效电路模型，利用递推最小二乘算法，实现了动力电池在多尺度上的在线参数辨识和状态估计，从而获取所述动力电池的荷电状态。基于时间尺度下的最优遗忘因子曲线，实现了在宽采样间隔条件下的精确状态估计。该方法精度高，稳定性强，所需计算能力与存储空间极小。

主权项

1.一种用于宽采样间隔的动力电池系统参数辨识和状态估计方法，其特征在于：具体包括以下步骤：1).建立SOC‑OCV曲线，所述OCV是所述系统的开路电压；2).在线数据获取，实时采集动力电池单体的电压和电流参数；3).建立参数辨识的状态空间方程，利用在线辨识算法进行参数辨识结果的实时更新，并进行荷电状态估计；4).在当采样时间k∈{1,2，…，∞}时，利用k‑1时刻下的OCV估计值和k时刻下的参数向量估计值，获得所述动力电池系统的当前宏观时间尺度下的OCV估计值，基于所述SOC‑OCV曲线获得所述动力电池系统的当前宏观时间尺度下的SOC估计值；5).建立基于时间尺度的最佳遗忘因子曲线：所述最佳遗忘因子曲线的建立步骤如下：步骤①：选择所述动力电池系统中多余的三块电池，在采样间隔为1s时，将遗忘因子设置为0.6:0.001:0.99分别进行荷电状态估计，对每一遗忘因子的估计结果统计各块电池的均方根误差并取均值，最小的一组所使用的遗忘因子即为该采样间隔下的最佳遗忘因子；步骤②：在采样间隔为2s、3s、4s、6s、8s、10s、15s、20s条件下重复步骤①，获得各采样时间下的最佳遗忘因子；步骤③：用以下指数函数拟合最佳遗忘因子曲线：λ＝αT其中，α为拟合函数的系数。