[發明專利]動力電池模型在線參數的辨識方法、系統及存儲介質

有效

• 申請號: 201711193497.3
• 申請日: 2017-11-24
• 公開（公告）號: CN107817451B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 劉偉龍;孟祥適;李勇;蔡華;李旺;戶恒在
• 申請（專利權）人: 北京機械設備研究所
• 主分類號: G01R31/367
• 分類號: G01R31/367
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 龐許倩;張焱

本發明涉及一種動力電池模型在線參數的辨識方法、系統及存儲介質。其中，辨識方法包括如下步驟：獲取動力電池在第k個采樣時刻的端電壓測量值U_m,k；獲取動力電池模型在第k個采樣時刻的輸出電壓U_t,k；根據所述端電壓測量值U_m,k和所述輸出電壓U_t,k的差值，并利用自適應參數辨識算法確定所述動力電池模型在第k個采樣時刻的待辨識參數。本發明中的動力電池模型在線參數辨識方法，面向多階次的動力電池模型，應用超穩定性理論，可以實現動力電池在多變應用工況下的模型參數穩定辨識，辨識得到的參數可以應用于動力電池的狀態估計與優化控制算法，保障動力電池算法體系的穩定有效。

技術領域

本發明涉及動力電池技術領域，尤其涉及一種動力電池模型在線參數的辨識方法、系統及存儲介質。

背景技術

近年來，新能源技術在交通運輸領域得到了廣泛的應用，尤其是電動汽車取得了迅猛發展。動力電池為電動汽車的核心能量部件，決定著電動汽車的安全可靠應用，因此必須對動力電池進行有效管理。對動力電池進行能量和健康狀態的估計、充放電的優化控制是動力電池管理技術的重要組成部分，而動力電池的準確建模是進行電池狀態估計和優化充放電控制的基礎。電池的等效電路模型因為其結構簡單、便于集成算法、易于工程實現的優點，得到了廣泛的應用。通常情況下，電池模型階次越高，模型越準確，但模型精度也受到應用工況的影響，在某些工況條件下會出現低階次模型精度優于高階次模型的情況。因此，在實際應用的多變工況條件下，不存在始終最優的模型階次，需要對動力電池進行多階次建模。

當前，動力電池模型參數辨識的技術方案主要分為兩類：離線參數辨識方法和在線參數辨識方法。其中，動力電池模型離線參數辨識方法是基于動力電池的實驗測試數據，應用蟻群算法、遺傳算法、粒子群算法等智能優化算法，實現特定動力電池測試工況下的模型參數辨識。由于動力電池的實際應用工況具有高度的隨機特性，實驗測試工況難以實現實際應用工況的窮舉，因此基于離線參數辨識算法的動力電池模型在實際應用中存在精度不高的缺點；此外，應用于動力電池模型離線參數辨識的智能算法計算過程復雜，需要大量的計算資源，不能實現快速收斂。而動力電池模型在線參數辨識方法是基于動力電池的實時工況數據，應用相關數學優化技術實現動力電池模型參數的實時獲取，辨識方法主要包括最小二乘法、梯度矯正法、極大似然估計法及相關擴展算法。但現有的相關數學優化算法存在“數據飽和”問題，應用于動力電池模型在線參數辨識時，不能實現對快速變化工況的有效跟蹤，使模型精度降低。針對上述“數據飽和”問題發展的帶遺忘因子的在線參數辨識算法，雖然提高了模型精度，但會導致辨識的動力電池模型參數產生頻繁突變現象，這會引起基于該模型的狀態估計與優化控制算法的失效，穩定性較差。

發明內容

鑒于上述的分析，本發明旨在提供一種動力電池模型在線參數的辨識方法、系統及存儲介質，以解決現有的在線參數辨識算法穩定性較差的問題。

本發明的目的主要是通過以下技術方案實現的：

一個方面，本發明提出了一種動力電池模型在線參數的辨識方法，該方法包括如下步驟：第一獲取步驟，獲取動力電池在第k個采樣時刻的端電壓測量值U_m,k；第二獲取步驟，獲取動力電池模型在第k個采樣時刻的輸出電壓U_t,k；參數確定步驟，根據所述端電壓測量值U_m,k和所述輸出電壓U_t,k的差值，并利用自適應參數辨識算法確定所述動力電池模型在第k個采樣時刻的待辨識參數。

進一步地，上述動力電池模型在線參數的辨識方法中，所述參數確定步驟包括如下子步驟：

計算子步驟，確定動力電池模型待辨識參數的計算公式如下：