[發(fā)明專利]基于魯棒遞歸最小二乘的電池參數辨識方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010195506.8
• 申請日: 2020-03-19
• 公開（公告）號: CN111323705B
• 公開（公告）日: 2021-07-23
• 發(fā)明（設計）人: 崔納新;崔忠瑞;王春雨;張承慧
• 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: 閆圣娟

本公開提出了基于魯棒遞歸最小二乘的電池參數辨識方法及系統(tǒng)，方法包括如下步驟：建立電池系統(tǒng)方程；離線確定電池的開路電壓與剩余電量的關系；建立魯棒損耗函數，根據實時采樣的電池電流電壓數據及電池的開路電壓，基于魯棒損耗函數和自適應遺忘因子采用最小二乘迭代求解，獲得基于魯棒遞歸最小二乘方法的電池參數估計值。通過設置魯棒損耗函數，在迭代過程中，根據采集不同步的延遲造成的干擾產生延遲噪聲問題，建立自適應異常數據判斷界限，從而降低采集延遲對辨識結果的影響，同時增加了偏差補償環(huán)節(jié)來降低測量噪聲的影響，提高參數辨識的準確性。

技術領域

本公開涉及車輛電池相關技術領域，具體的說，是涉及基于魯棒遞歸最小二乘的電池參數辨識方法及系統(tǒng)。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，并不必然構成在先技術。

動力電池模型在線參數辨識可以實時的跟蹤電池模型參數的變化，從而可以為基于模型的狀態(tài)估計算法提供精確的電池模型，進而提高狀態(tài)估計精度。在眾多動力電池模型中如等效電路模型、數據驅動模型、電化學模型等，等效電路模型因為具有比較低的復雜度和相對合適的精度，是最適合實際車輛應用的電池模型。

針對上述等效電路模型現有的參數辨識方法，列舉如下：

1、經典最小二乘:此方法對電池模型的輸入輸出數據采用批處理的方式進行擬合，基于最小方差指標進行尋優(yōu)，得到參數估計值。該方法的特點是：擬合精度高，但是需要對大量的數據進行批處理，需要占用大量的存儲空間，不適合在線應用。

2、帶遺忘因子的遞歸最小二乘算法。該方法基于最小方差指標思想，構造遞推形式，適合在線應用。并引入遺忘因子，使算法具備持續(xù)跟蹤變化參數的能力。該方法的缺點是，在系統(tǒng)激勵較低的情況下，沒有足夠的新息輸入系統(tǒng)，而協(xié)方差矩陣持續(xù)的除以遺忘因子，從而造成了巨大的辨識誤差。

3、可變遺忘因子/自適應遺忘因子最小二乘。這種方法可以根據系統(tǒng)的激勵程度，自動調節(jié)遺忘因子的大小，從而改善辨識精度問題。該方法的缺點是，數據波動較大或者有異常數據時，辨識結果會受到較大的影響。

4、多個/向量遺忘因子遞歸最小二乘法。這個方法針對電池模型中不同的環(huán)節(jié)具有不同的時間常數，即動態(tài)特性不同，采用多個遺忘因子，避免增益矩陣內各個系數之間的相互耦合。該方法同樣不能抑制數據波動和數據異常對辨識結果的影響。

發(fā)明人發(fā)現，以上辨識方法都存在共同的缺點：

1、對采集噪聲的抑制能力較弱。而在實際的電池管理系統(tǒng)應用中，采集噪聲是不可不免的。經實際測試，一般電池管理系統(tǒng)在高低溫、電磁干擾環(huán)境下，電池電壓采集偏差可達到5mV，電壓采集波動最大達到10mV。敏感度分析實驗表明，5mV的采集噪聲將造成不同模型參數6％-11％的辨識誤差。

2、在電池管理系統(tǒng)內，電壓電流采集不同步現象影響嚴重。電流電壓采集不同步現象是指用于辨識算法的電壓和電流數據并不是在同一時刻測量得到的。這會對辨識結果產生巨大的影響。采集不同步問題是由多種原因造成的，比如CAN網絡數據傳輸、電池管理系統(tǒng)內部的控制時序、模擬前端采集性能等。經研究分析，電壓和電流采集之間的時間延遲在10-100ms之間。而敏感度分析表明，即使10ms的采集延遲，也會造成不同參數5.3％-24.7％的辨識誤差。

以上兩個問題是電池管理系統(tǒng)在實際應用中廣泛存在而且不可避免的。對于現有的線性最小方差類的辨識算法，該問題會在算法每次的迭代過程中，引入較大的預測誤差，即參數辨識過程中的殘差過大。同時，等效電路模型中的RC環(huán)節(jié)具有比較大的時間常數，造成辨識參數的較大波動，在極端情況下，還會造成辨識算法的失效。

綜上所述，現有的最小二乘類辨識算法，雖然具有迭代運算，計算量小等優(yōu)點，十分適用于在線應用，但是在實際應用中并不能有效的抑制測量噪聲和采集不同步兩個問題。

發(fā)明內容