[發明專利]一種動力電池的分數階KiBaM模型參數辨識方法及系統

有效

• 申請號: 201710304516.9
• 申請日: 2017-05-03
• 公開（公告）號: CN107144793B
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 李巖;趙陽;張承慧;段彬;周忠凱;李澤元
• 申請（專利權）人: 山東大學
• 主分類號: G01R31/367
• 分類號: G01R31/367
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明公開一種動力電池的分數階KiBaM模型參數辨識方法及系統，其中，該辨識方法包括步驟1：初始化線性參數向量，利用迭代學習辨識方法來辨識所述分數階KiBaM模型的分數階階次，得到分數階階次初值，由此辨識非線性參數向量；步驟2：利用辨識的非線性參數向量，再結合分數階階次，辨識線性參數向量，進而確定出動力電池的分數階KiBaM模型；步驟3：采集動力電池的實際輸出，計算并判斷所確定的動力電池的分數階KiBaM模型輸出與采集的動力電池實際輸出偏差的范數是否達到最小值，若是，則結束辨識，得到動力電池的分數階KiBaM模型的最優參數；否則，返回步驟1。

技術領域

本發明屬于動力電池建模領域，尤其涉及一種動力電池的分數階KiBaM模型參數辨識方法及系統。

背景技術

隨著世界技術的革新，面臨石油消耗的危機和大氣環境污染的加劇，增加了對混合動力汽車、純電動汽車、燃料電池汽車等電動汽車研發的投入與政策的扶持力度成為各國能源發展戰略的重要舉措。在新能源發展體系中，動力電池作為電動汽車動力系統、光伏電站和儲能電站能源存儲的關鍵部分，如何更好降低動力電池的生產成本，延長動力電池壽命和充分使用電池可用容量便成為了當前的研究熱點。電池荷電狀態估計是電動汽車車用動力電池系統研究的難點之一，電池剩余電量估算的精度直接關系到電動汽車的使用性能，而電池模型的建立是電池荷電狀態估計的基礎。電池模型描述了電池內部狀態變量與外部特性之間的特定關系，準確的電池荷電狀態估計是需要建立一個有效的電池模型作為保障的。

現有常用的動力電池模型有兩種：無量綱的電化學模型和有量綱的等效電路模型。電化學模型對應電池內部微觀尺度的動力學信息，即使應用首性原理(firstprinciple)仍很難與電壓、電流等外特性量化關聯。

但是，現有的分數階模型辨識要么在頻域內采用阻抗譜分析、伯德圖、奈奎斯特曲線等方法，利用電化學工作站等動力電池測試儀器獲得無損激勵下動力電池的精確模型；要么通過獲取電壓、電流等外部數據應用整數階建模的方法在時域內實現分數階模型參數的辨識。二者各有利弊且均存在一定的缺陷：首先，阻抗譜分析針對的是半電池，其輸入必須是對電池無損的持續激勵，不適用于實際工況，其應用局限在電池的研發階段。第二，時域內的模型辨識可以獲得非常精確的模型，但是分數階模型的時域辨識缺乏相應的理論方法因此存在一定困難，如利用Grunwald-Letnikov等方法獲得的離散模型存在計算量巨大從而無法應用等問題)。第三，分數階階次的辨識是分數階模型辨識的關鍵環節，然而現有的分數階階次辨識方法多采用區間分割法容易陷入偽階次的情況，極大地影響了模型辨識的精度。

發明內容

為了解決現有技術的缺點，本發明的第一目的是提供一種動力電池的分數階KiBaM模型參數辨識方法。該方法能夠保留全部模型參數的物理意義，利用分數階階次的全參數自適應辨識方法，在其他參數未精確已知時能夠通過迭代學習獲得精確的階次，不僅能夠提高模型的精度，同時滿足實際工況下動力電池測試、模擬和BMS的實際需求，更進一步通過結合其他技術能夠更好的實現動力電池內部多狀態的精確綜合估計。

本發明的一種動力電池的分數階KiBaM模型參數辨識方法，所述動力電池的分數階KiBaM模型由一個非線性靜態環節與線性動態環節串聯構成；線性動態環節為動力的電池時間常數構成的線性參數向量，非線性靜態環節為動力電池的非線性放電特性相關的非線性參數向量；所述動力電池的分數階KiBaM模型參數辨識方法包括：

步驟1：初始化線性參數向量，利用迭代學習辨識方法來辨識所述分數階KiBaM模型的分數階階次，得到分數階階次初值，由此辨識非線性參數向量；

步驟2：利用辨識的非線性參數向量，再結合分數階階次，辨識線性參數向量，進而確定出動力電池的分數階KiBaM模型；

步驟3：采集動力電池的實際輸出，計算并判斷所確定的動力電池的分數階KiBaM模型輸出與采集的動力電池實際輸出偏差的范數是否達到最小值，若是，則結束辨識，得到動力電池的分數階KiBaM模型的最優參數；否則，返回步驟1。