具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统技术方案

本发明专利技术提供了一种具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统。其中，该方法包括对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV‑SOC映射关系；初始化锂离子电池模型的RC参数及电池的SOC；根据OCV‑SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。

【技术实现步骤摘要】
具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统
本专利技术属于电池模型参数和SOC联合估计领域，尤其涉及一种具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。锂离子电池以其在能量密度、功率密度、循环寿命、自放电率等方面具有的独特优势，已经成为电动汽车动力能源的首选。为确保动力电池安全、高效地运行，必须配备电池管理系统(BatteryManagementSystem,BMS)对电池的各种内部状态做出准确估计和预测。其中，准确的荷电状态(StateofCharge,SOC)估计能够缓解用户的里程焦虑，延长电池的使用寿命，甚至避免电池过早失效和安全事故的发生。由于SOC无法通过外部测量手段直接得到，通常通过可测的电压、电流、温度数据和电池模型进行估算和预测。相比其他模型，等效电路模型由于具有结构简单、计算量小、易于工程实现等特点而被广泛应用于BMS中。然而，BMS中实现的SOC估计通常使用离线方式得到模型参数。考虑到电动汽车复杂多变的工况以及电池的不断老化，模型参数的不确定会对SOC估计的精度和鲁棒性产生不利影响，甚至会导致估计结果的发散。为此，递推最小二乘(RecursiveLeastSquares,RLS)等在线辨识方法被应用于实时估计电池模型参数。然而，专利技术人发现，受电动汽车使用的传感器测量精度和复杂恶劣的电磁干扰影响，采样得到的电流和电压等信号必然带有噪声。这将导致RLS有偏的模型参数估计结果，进而导致观测器或者滤波器较低的SOC估计精度。
技术实现思路
为了解决上述问题，本专利技术提供一种具有抗噪性锂离子电池模型参数和SOC联合估计方法及系统，其能够有效克服噪声干扰环境下的模型参数辨识偏差，显著提高SOC估计的精度。为了实现上述目的，本专利技术采用如下技术方案：本专利技术的第一个方面提供一种具有抗噪性锂离子电池模型参数和SOC联合估计方法。一种具有抗噪性锂离子电池模型参数和SOC联合估计方法，包括：对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；初始化锂离子电池模型的RC参数及电池的SOC；根据OCV-SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。本专利技术的第二个方面提供一种具有抗噪性锂离子电池模型参数和SOC联合估计系统。一种具有抗噪性锂离子电池模型参数和SOC联合估计系统，包括：OCV-SOC映射模块，其用于对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；初始化模块，其用于初始化锂离子电池模型的RC参数及电池的SOC；RC参数辨识模块，其用于根据OCV-SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；SOC估计模块，其用于基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。本专利技术的第三个方面提供一种计算机可读存储介质。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的具有抗噪性锂离子电池模型参数和SOC联合估计方法中的步骤。本专利技术的第四个方面提供一种计算机设备。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现如上述所述的具有抗噪性锂离子电池模型参数和SOC联合估计方法中的步骤。本专利技术的有益效果是：本专利技术的具有抗噪性锂离子电池模型参数和SOC联合估计方法，利用递推受限总体最小二乘方法估计锂离子电池模型的RC参数，进一步利用无偏的模型参数，使用特定的观测器或者滤波器估计电池的SOC。该方法易于实现、计算量小，执行效率高，极具实用价值，可以在噪声干扰强烈的复杂环境下，实现模型参数的准确估计，并能进一步取得较高的SOC估计精度，在BMS等领域中具有广阔的应用前景。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。图1是本专利技术实施例的锂离子电池系统的Thevenin模型。图2是本专利技术实施例的具有抗噪性锂离子电池模型参数和SOC联合估计方法流程图。具体实施方式下面结合附图与实施例对本专利技术作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。实施例一如图2所示，本实施例提供了一种具有抗噪性锂离子电池模型参数和SOC联合估计方法，包括：S101：对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；具体地，可以表示为式中，Sk表示k时刻电池的SOC，Uoc,k表示k时刻电池的开路电压，di表示通过离线拟合OCV-SOC关系得到的m阶多项式的系数，。S102：初始化锂离子电池模型的RC参数及电池的SOC。S103：根据OCV-SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数。具体地，围绕图1所示的Thevenin模型展开研究，令EL(s)＝Ut(s)-Uoc(s)，其传递函数可以表示为其中，Ut(s)和Uoc(s)分别表示电池端电压和开路电压的s域表示；IL(s)表示流过电池的电流，定义正为放电，负为充电；Ro表示电池的欧姆内阻；Rp和Cp分别表示电池的极化电阻和极化电容；s表示拉普拉斯算子。为了把系统的传递函数应用于数字离散系统，需要将系统的传递函数从s域变换到z域。为了保证变换前后系统稳定性方面的一致性，利用式(2)所示的双线性变换进行转换。式中，Ts表示采样时间，z-1表示离散操作本文档来自技高网...

【技术保护点】
1.一种具有抗噪性锂离子电池模型参数和SOC联合估计方法，其特征在于，包括：/n对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；/n初始化锂离子电池模型的RC参数及电池的SOC；/n根据OCV-SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；/n基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。/n

【技术特征摘要】
1.一种具有抗噪性锂离子电池模型参数和SOC联合估计方法，其特征在于，包括：
对锂离子电池进行脉冲充放电测试，得到在不同SOC处的开路电压OCV，确定出OCV-SOC映射关系；
初始化锂离子电池模型的RC参数及电池的SOC；
根据OCV-SOC映射关系及SOC来确定OCV，再根据实时测量的电池电流和电压信号及其所含噪声的统计特性，利用递推受限总体最小二乘方法求解锂离子电池等效电路模型的离散域回归方程，辨识出当前时刻的RC参数；
基于当前时刻RC参数及更新的锂离子电池系统状态空间表达式，选用观测器或滤波器估计出锂离子电池当前时刻的SOC。


2.如权利要求1所述的具有抗噪性锂离子电池模型参数和SOC联合估计方法，若电流和电压噪声的统计特性先验已知，噪声协方差矩阵由用户输入。


3.如权利要求1所述的具有抗噪性锂离子电池模型参数和SOC联合估计方法，其特征在于，若电流和电压噪声的统计特性先验未知，由多项式卡尔曼平滑方法对噪声协方差矩阵进行估计。


4.如权利要求1所述的具有抗噪性锂离子电池模型参数和SOC联合估计方法，其特征在于，锂离子电池等效电路模型的离散域回归方程为：



EL,k＝Ut,k-Uoc,k；
其中，回归向量θk为参数向量；Ut和Uoc分别表示电池端电压和开路电压；IL表示流过电池的电流，定义正为放电，负为充电；下标k表示k时刻，下标k-1表示k-1时刻。


5.如权利要求4所述的具有抗噪性锂离子电池模型参数和SOC联合估计方法，其特征在于，参数向量θk的求解采用递推受限总体最小二乘方法进行求解：
首先，计算k时刻的增益参数Kr,k和Pr,k：



然后，执行一步逆幂迭代，得到：



式中，是噪声协方差矩阵；υ′1:n；k表示由向量υ′k的第1到第n个元素形成的子向量；υ′(n+1)；...

【专利技术属性】
技术研发人员：张承慧，朱瑞，段彬，张君鸣，张奇，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37