本發(fā)明涉及鋰離子電池
技術(shù)領(lǐng)域：
，特別是一種在線識別電池模型參數(shù)的方法。
背景技術(shù)：
：隨著電動汽車的發(fā)展，準(zhǔn)確的估算電池SOC(荷電狀態(tài))對電池管理系統(tǒng)的設(shè)計非常重要也是電動汽車發(fā)展中亟待解決的主要問題之一。因為電池SOC并不是一個可以直接測量的量，可以直接得到的數(shù)據(jù)只有電流、端電壓和溫度，所以只能通過一些直接測量的數(shù)據(jù)來估算SOC。目前比較常用的是采用卡爾曼濾波算法來估算SOC，而卡爾曼濾波算法是基于電池內(nèi)部狀態(tài)設(shè)計的算法，因此建立準(zhǔn)確的電池模型是準(zhǔn)確估算SOC的關(guān)鍵。目前對電池的研究一般是建立電池的等效電路模型，將電池內(nèi)部復(fù)雜的電化學(xué)反應(yīng)轉(zhuǎn)化為由電阻、電容、電源等電器元件組合成的等效電路，從而反映電池的外部特性。通過離線實驗的方法可以確定出電池模型中的大致參數(shù)范圍，但是汽車在實際運行過程中電池參數(shù)會隨著溫度、SOH等因素發(fā)生變化，而且每個電池的參數(shù)有差別，所以在此基礎(chǔ)上引入電池參數(shù)的在線識別，對參數(shù)做出實時的修正，增強系統(tǒng)的適應(yīng)性。傳統(tǒng)方法中，利用帶遺忘因子的遞推最小二乘法，將電流、端電壓、開路電壓作為已知量輸入模型，而只將電阻、電容作為未知參數(shù)進(jìn)行識別。其中電流、端電壓可以直接測量得到，但是開路電壓仍然需要通過離線實驗得到不同溫度和SOC下對應(yīng)的開路電壓值，增加了識別的復(fù)雜性，提高了成本，同時隨著電池性能的衰減開路電壓也會變化，由此估算出的SOC可能存在一定的誤差。由此可以看出目前針對開路電壓的識別主要存在成本高和準(zhǔn)確度不能保證的問題。技術(shù)實現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是：針對上述存在的問題，提供了一種在線識別電池模型參數(shù)的方法。本發(fā)明采用的技術(shù)方案如下：一種在線識別電池模型參數(shù)的方法，具體包括以下過程：步驟一、建立電池等效電路模型，建立電池模型方程，將電流、端電壓作為已知量輸入模型方程；步驟二、對電池模型方程進(jìn)行變形，將開路電壓、電阻和電容作為未知參數(shù)，獲得差分方程；步驟三、通過參數(shù)識別計算出未知參數(shù)開路電壓、電阻和電容。進(jìn)一步的，所述電池模型方程為U0(t)＝Uocv-Up(t)-i(t)*R，i(t)＝Up(t)/Rp+Cp*d(Up(t))/dt，其中，Uocv為電池的開路電壓，R為電池充放電內(nèi)阻，Rp為電池的極化電阻，Cp為電池的極化電容，i(t)為電池的充放電電流，U0為端電壓，Up為極化電壓，所述Uocv、R、Rp和Cp為未知參數(shù)，所述i(t)、U0和Up通過對電池進(jìn)行實際測量得到已知參數(shù)。進(jìn)一步的，根據(jù)電池模型方程通過使用遞推的最小二乘法進(jìn)行拉氏變換得到其中I(s)為拉氏變換后的電流，U(s)為拉氏變換后的端電壓，S為復(fù)頻率；再進(jìn)行離散化處理，給系統(tǒng)加上零階保持器得其中T為采樣時間；然后進(jìn)行Z變換后整理得到對應(yīng)的差分方程：其中其中k為當(dāng)前時刻，u(k)為當(dāng)前時刻的端電壓。進(jìn)一步的，令b＝-R，c＝Re-θT，d＝uocv(k)-auocv(k-1)，則u(k)＝au(k-1)+bi(k)+ci(k-1)+d，通過參數(shù)識別求解到a，b，c，d；則獲取到未知參數(shù)：電池的極化電阻電池的極化電容電池的開路電壓uocv(k)＝d+auocv(k-1)。與現(xiàn)有技術(shù)相比，采用上述技術(shù)方案的有益效果為：本發(fā)明不通過實驗得到電池模型中的開路電壓，而是將開路電壓作為未知參數(shù)，采用帶遺忘因子的遞推最小二乘法進(jìn)行在線識別，不需要前期進(jìn)行實驗，降低了成本，簡化了參數(shù)識別流程，并且減小了開路電壓實驗測量值與汽車實際運行時開路電壓參數(shù)值得差異，同時電池模型除了輸入測得的電流和端電壓外，不需要額外輸入?yún)?shù)，減小了其他因素對電池模型的影響。附圖說明圖1是本發(fā)明電池等效電路模型結(jié)構(gòu)示意圖。具體實施方式下面結(jié)合附圖對本發(fā)明做進(jìn)一步描述。一種在線識別電池模型參數(shù)的方法，具體包括以下過程：步驟一、建立電池等效電路模型，如圖1所示，電池的極化電容Cp與電池的極化內(nèi)阻Rp并聯(lián)后依次連接電池的開路電壓Uocv和電池的充放電內(nèi)阻R形成串聯(lián)電路，所述串聯(lián)電路的兩端為端電壓U0，建立電池模型方程，將電流、端電壓作為已知量輸入模型方程；步驟二、對電池模型方程進(jìn)行變形，將開路電壓、電阻和電容作為未知參數(shù)，獲得差分方程；步驟三、通過參數(shù)識別計算出未知參數(shù)開路電壓、電阻和電容?？梢圆挥猛ㄟ^離線實驗的方法測量不同溫度和SOC下對應(yīng)的開路電壓，降低參數(shù)識別的復(fù)雜性，而且隨著電池的使用，開路電壓會變化，離線測量會有一定的誤差，將電池的開路電壓與電阻和電容一起做為未知參數(shù)，進(jìn)行在線識別，對電池參數(shù)做出實時修正。所述電池模型方程為：U0(t)＝Uocv-Up(t)-i(t)*R(1-1)，i(t)＝Up(t)/Rp+Cp*d(Up(t))/dt(1-2)，其中，Uocv為電池的開路電壓，R為電池充放電內(nèi)阻，Rp為電池的極化電阻，Cp為電池的極化電容，i(t)為電池的充放電電流，U0為端電壓，Up為極化電壓，所述Uocv、R、Rp和Cp為未知參數(shù)，所述i(t)、U0和Up通過對電池進(jìn)行實際測量得到已知參數(shù)。根據(jù)電池模型方程通過使用遞推的最小二乘法進(jìn)行拉氏變化得到：I(s)=(sRPCp+1)(Uocv(s)-U(s))sRRPCp+R+Rp---(1-3),]]>其中I(s)為拉氏變換后的電流，S為復(fù)頻率，U(s)為拉氏變換后的端電壓；為了在計算機中運行，需要進(jìn)行離散化處理，因此給系統(tǒng)加上零階保持器得:I(s)=1-e-sTs×(sRPCp+1)(Uocv(s)-U(s))sRRPCp+R+Rp---(1-4),]]>其中T為系統(tǒng)采樣時間；然后進(jìn)行Z變化后整理得到對應(yīng)的差分方程：u(k)=[1-R(1-e-θT)R+RP]u(k-1)-Ri(k)+Re-θTi(k-1)+uocv(k)-[1-R(1-e-θT)R+RP]uocv(k-1)---(1-5),]]>其中其中k為當(dāng)前時刻，u(k)為當(dāng)前時刻的端電壓。令b＝-R，c＝Re-θT，d＝uocv(k)-auocv(k-1)，上式(1-5)可以表示為：u(k)＝au(k-1)+bi(k)+ci(k-1)+d(1-6)。將多項式方程(1-6)化為如下形式：其中，u(k)為當(dāng)前時刻的端電壓，通過當(dāng)前時刻度對電池包的實際測量得到，η＝[abcd]T，u(k)、i(k)為觀測數(shù)據(jù)，是通過對電池包進(jìn)行離線實際測的參數(shù)，η是估計參數(shù)。本實施例測量了m組觀測數(shù)據(jù)，可得到向量U的方程式：U＝Φη+e(1-8)Φ=u(0),i(1),i(0),1u(1),i(2),i(1),1u(2),i(3),i(2),1......u(m-1),i(m),i(m-1),1]]>U＝[u(1)，u(2)，u(3)……u(m)]T令當(dāng)時J的值最小，則求得估計參數(shù)系統(tǒng)運行時，引入一組新的觀測數(shù)據(jù)，就利用新引入的數(shù)據(jù)按遞推公式去修正前次估計的結(jié)果，從而得到新的參數(shù)估計值。增加新的觀測數(shù)據(jù)后的矩陣為其中，YN為前N個觀測數(shù)據(jù)的矩陣。引入遺忘因子ρ(0≤ρ≤1)的數(shù)據(jù)矩陣為由此得到遞推最小二乘算法的遞推公式如下：其中為當(dāng)前時刻的估計值，為上一時刻的估計值，GN+1為當(dāng)前時刻的增益因子，PN+1為當(dāng)前時刻的誤差矩陣。為了啟動該算法，需要提供初始的η和P，令η＝[1；1；1；1],P＝[10^10000；010^1000；0010^100；00010^10]。通過參數(shù)識別求解得到a，b，c，d，則獲取到未知參數(shù)：電池的極化電阻電池的極化電容電池的開路電壓uocv(k)＝d+auocv(k-1)。本發(fā)明并不局限于前述的具體實施方式。本發(fā)明擴展到任何在本說明書中披露的新特征或任何新的組合，以及披露的任一新的方法或過程的步驟或任何新的組合。如果本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神所做的非實質(zhì)性改變或改進(jìn)，都應(yīng)該屬于本發(fā)明權(quán)利要求保護(hù)的范圍。當(dāng)前第1頁1 2 3