[發(fā)明專利]一種基于信息評估機制的鋰電池模型參數(shù)辨識方法

有效

• 申請?zhí)枺?/td>: 202110373019.0
• 申請日: 2021-04-07
• 公開（公告）號: CN113190969B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設計）人: 孟錦豪;杜星皓;張英敏;王順亮;劉平;劉天琪
• 申請（專利權）人: 四川大學
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 楊浩林

1.一種基于信息評估機制的鋰電池模型參數(shù)辨識方法，其特征在于，包括以下步驟：

S1、采集處于動態(tài)工況的動力鋰電池的信息量；

S2、基于采集的信息量，確定鋰電池模型的參數(shù)辨識信息的評估系數(shù)；

S3、基于評估系數(shù)的變化趨勢，通過最小二乘法對由采集的信息量計算得到的參數(shù)向量和協(xié)方差矩陣P_k進行更新，初始化參數(shù)P_mem和θ_mem，并判斷更新后的鋰電池模型對應的評估系數(shù)是否降低；

若是，則進入步驟S4；

若否，則進入步驟S5；

S4、將參數(shù)向量和協(xié)方差矩陣P_k分別記憶為參數(shù)P_mem和θ_mem，進入步驟S5；

S5、設定參數(shù)辨識的時間尺度T_l，并判斷當前時間是否達到時間尺度；

若是，則進入步驟S6；

若否，則返回步驟S1；

S6、基于當前記憶的P_mem和θ_mem對鋰電池模型參數(shù)進行辨識；

所述步驟S1中的信息量包括量測電流和量測電壓；

所述步驟S2具體為：

S21、基于采集的信息量，計算敏感性向量S_y,k；

S22、基于每個時刻對應的敏感性向量S_y,k，以遞推的形式確定費雪信息矩陣的逆矩陣

S23、根據(jù)逆矩陣確定參數(shù)辨識信息的評估系數(shù)C_k。

2.根據(jù)權利要求1所述的基于信息評估機制的鋰電池模型參數(shù)辨識方法，其特征在于，所述步驟S21中的敏感性向量S_y,k為：

式中，S_y,k為在時刻k關于端部電壓U_t的敏感性向量，R₀、R_p和C_p均為鋰電池模型對應待辨識的參數(shù)；其中，其中I_t,k、I_t,k-1分別為k時刻和k-1時刻的電池電流，U_oc為電池的開路電壓，U_t,k-1為k-1時刻的電池電壓，分別為R₀、R_p和C_p的估算值，上標T為轉(zhuǎn)置運算符；

所述步驟S22中的費雪信息矩陣的逆矩陣為：

式中，λ₂為信息評估對應的遺忘因子，為輸出電壓對應噪聲的方差；

所述步驟S23中的評估系數(shù)C_k為：

式中，C_k為時刻k對應的評估系數(shù)，為中的對角元素，i＝1,2,3。

3.根據(jù)權利要求2所述的基于信息評估機制的鋰電池模型參數(shù)辨識方法，其特征在于，所述步驟S3中，通過最小二乘法對鋰電池模型的參數(shù)向量和協(xié)方差矩陣P_k進行更新時的更新式為：

式中，K_k為k時刻的增益矩陣，P_k為k時刻的協(xié)方差矩陣，為k時刻的參數(shù)向量，λ₁為遞推最小二乘對應的遺忘因子，x_k為輸入向量，且x_k＝[I_k,I_k-1,U_oc-U_t,k-1]^T，其中I_k，I_k-1為k時刻與k-1時刻對應的電池電流，U_oc為電池的開路電壓，U_t,k-1為k-1時刻的電池電壓。

4.根據(jù)權利要求3所述的基于信息評估機制的鋰電池模型參數(shù)辨識方法，其特征在于，所述步驟S6中，將P_mem和θ_mem分別賦值給協(xié)方差矩陣P_k和參數(shù)向量進而辨識得到的鋰電池模型參數(shù)和分別為：

式中，T_s為采樣間隔，且設為1秒，θ₁、θ₂、θ₃分別為參數(shù)向量中的三個參數(shù)。