[發(fā)明專利]一種基于變遺忘因子在線參數(shù)辨識(shí)和SOC聯(lián)合估計(jì)方法

在審

• 申請?zhí)枺?/td>: 202110398586.1
• 申請日: 2021-04-12
• 公開（公告）號(hào): CN113030752A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 盧云帆;邢麗坤;張夢龍;郭敏
• 申請（專利權(quán)）人: 安徽理工大學(xué)
• 主分類號(hào): G01R31/388
• 分類號(hào): G01R31/388;G01R31/367
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于遺忘因子在線參數(shù)辨識(shí)和SOC聯(lián)合估計(jì)方法，該方法包括建立鋰電池二階等效電路模型；確定電路各參數(shù)與SOC的函數(shù)關(guān)系，建立鋰電池的狀態(tài)空間方程；首先對SOC狀態(tài)變量和參數(shù)狀態(tài)變量初始化，在微觀時(shí)間尺度下，用擴(kuò)展卡爾曼濾波算法估計(jì)鋰電池SOC；當(dāng)鋰電池SOC估計(jì)達(dá)到預(yù)設(shè)時(shí)間后，切換為宏觀時(shí)間尺度，用變遺忘因子遞推最小二乘法辨識(shí)等效電路參數(shù)，最后更新鋰電池等效電路參數(shù)和狀態(tài)空間方程，進(jìn)行下一輪計(jì)算；本發(fā)明通過變遺忘因子遞推最小二乘法對鋰電池模型進(jìn)行在線參數(shù)辨識(shí)，并結(jié)合擴(kuò)展卡爾曼濾波算法估計(jì)鋰電池SOC，解決了遺忘因子遞推最小二乘法中遺忘因子固定的問題，實(shí)現(xiàn)鋰電池參數(shù)在線更新，提高了鋰電池SOC估計(jì)的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及鋰電池荷電狀態(tài)估計(jì)領(lǐng)域，具體來說是一種基于變遺忘因子在線參數(shù)辨識(shí)和SOC聯(lián)合估計(jì)方法。

背景技術(shù)

隨著科技的進(jìn)步，為了順應(yīng)可持續(xù)發(fā)展的時(shí)代理念，尋求清潔綠色能源代替?zhèn)鹘y(tǒng)化石能源成為全球共識(shí)；因此電動(dòng)汽車得到快速發(fā)展，而鋰電池作為電動(dòng)汽車能源核心，對鋰電池的監(jiān)控不僅可以保障汽車運(yùn)行安全，而且可以有效提高電池壽命。

目前，鋰電池SOC估計(jì)主要有傳統(tǒng)基于電池特性方法、基于數(shù)據(jù)驅(qū)動(dòng)的方法、基于電池模型和觀測器技術(shù)的方法，基于模型和觀測器技術(shù)方法研究的最為廣泛，主要采用的鋰電池的等效電路模型結(jié)合卡爾曼濾波技術(shù)估計(jì)電池SOC，該方法電池模型參數(shù)通常是離線情況下通過優(yōu)化算法辨識(shí)得到，離線參數(shù)辨識(shí)得到的模型精度較高，但是并不契合鋰電池工作過程體現(xiàn)的特性，在復(fù)雜工況下，隨著電流的劇烈變化，電池參數(shù)會(huì)發(fā)生變化，若還以離線辨識(shí)的模型估計(jì)SOC誤差就會(huì)增大，因此在線參數(shù)辨識(shí)必不可少。

目前在線參數(shù)辨識(shí)，主要包括雙卡爾曼濾波算法，遞推最小二乘法系列，針對遺忘因子遞推最小二乘法的遺忘因子不能隨著工況變化而變化，采用變遺忘因子遞推最小二乘法對電池模型進(jìn)行在線參數(shù)辨識(shí)，結(jié)合擴(kuò)展卡爾曼濾波算法估計(jì)電池SOC，提高復(fù)雜工況下電池模型和SOC估計(jì)精度。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種基于變遺忘因子在線參數(shù)辨識(shí)和SOC聯(lián)合估計(jì)方法。

本發(fā)明所采用的技術(shù)方案是：

1、一種基于變遺忘因子在線參數(shù)辨識(shí)和SOC聯(lián)合估計(jì)方法，主要包括以下步驟：

S1：建立鋰電池二階等效電路模型；

S2：確定等效電路各參數(shù)與SOC的函數(shù)關(guān)系，建立基于鋰電池在線參數(shù)的狀態(tài)空間方程；

S3：初始化SOC狀態(tài)變量和參數(shù)狀態(tài)變量，微觀時(shí)間尺度下，用擴(kuò)展卡爾曼濾波算法估計(jì)鋰電池SOC；

S4：當(dāng)鋰電池SOC估計(jì)達(dá)到預(yù)設(shè)時(shí)間后，切換為宏觀時(shí)間尺度，用變遺忘因子遞推最小二乘法辨識(shí)等效電路參數(shù)；

S5：更新鋰電池等效電路參數(shù)和狀態(tài)空間方程，返回S3進(jìn)行下一輪計(jì)算。

較佳地，鋰電池等效電路模型采用整數(shù)階二階等效電路模型，電路參數(shù)包括：歐姆內(nèi)阻R₀，極化電阻R₁、R₂，極化電容C₁、C₂。

進(jìn)一步地，S2，確定等效電路各參數(shù)與SOC的函數(shù)關(guān)系，建立基于鋰電池在線參數(shù)的狀態(tài)空間方程：

S2.1：以30A的定電流對充滿電的電池進(jìn)行放電，每次放電3min即0.5個(gè)SOC值，放電結(jié)束后將電池靜置2h，記錄電池開路電壓，重復(fù)上述操作20次；

S2.2：根據(jù)實(shí)驗(yàn)測得20組U_oc與SOC關(guān)系的數(shù)據(jù)點(diǎn)，將SOC作為變量，通過公式(4)對U_oc與SOC的數(shù)據(jù)點(diǎn)做八階擬合，從而得到U_oc與SOC的函數(shù)：