一种电池剩余容量的获取方法技术

本发明专利技术公开了一种电池剩余容量的获取方法，通过建立电池等效电路模型，然后利用带遗忘因子的最小二乘法参数辨识，从而在电池正常运行状态建立准确的电池模型；在电池剩余容量估算方面，本方法通过建立的电池模型和历史运行数据，计算模型参数与寿命的相应关系，综合电池多因子建立健康度评估的模型，实时在线监测电池状态。本发明专利技术提供的一种电池剩余容量的获取方法，解决现在技术所存在的精确识别对电池造成一定的破坏性，且工作量大，实际运行中难以实现；算法确定后无法在线修改完善，通用性不强；电池概率模型的参数提取工作量大，且模型的准确性有待考量的问题。本发明专利技术作用效果显著，适于广泛推广。适于广泛推广。适于广泛推广。

【技术实现步骤摘要】
一种电池剩余容量的获取方法


[0001]本专利技术涉及新能源
，特别涉及，一种电池剩余容量的获取方法。

技术介绍

[0002]近年来，随着国家新能源的发展和供电可靠性的提高，利用超大型电池组进行电力存储的储能电站作为智能电网的、互联网智慧能源的支撑技术，迎来了迅猛的发展。锂离子电池凭借稳定性高、容量大、使用寿命长、绿色环保等显著优势，在储能电站上获得广泛的应用。为保证储能站电池的正常使用和供电稳定性，及时对锂电池的剩余使用容量进行估计是十分必要的，但其受诸多因素影响，且与电池的老化机理相关，很多参数难以实时测量，所以SOH(State OfHealth蓄电池容量、健康度、性能状态,即蓄电池满充容量相对额定容量的百分比)估计的复杂性和难度很高，实时性也较差。
[0003]电池SOH表征当前电池对于电能的存储能力，以百分比的形式定量描述当前电池的性能状态。电池健康度评价的对象是电池的老化程度，随着电池的老化，其存储能力与快速充放电能力都会不断下降，其内部反映则为电池容量衰减和内阻增加，因此通常将电池容量和内阻作为评价SOH的依据。
[0004]目前估算SOH估算方法主要有：模型法、数据驱动算法、特征法。模型法：通过建立电池的电化学模型和老化机理模型进行分析。数据驱动法：以电池的大量测试数据作为原始样本，通过机器学习计算相应的电池演变规律。特征法：依据电池老化过程所表现出的特征参量的演变，建立特征量与电池SOH的映射关系。
[0005]目前锂电池剩余容量估算存在以下几个问题：1)精确的电池老化机制模型识别会对电池造成一定的破坏性，且工作量大，模型复杂，储能站电池的实际运行中难以实现；2)数据驱动的算法需要大量准确的电池全寿命实验数据，进行多次的机器学习，但算法确定后无法在线修改完善，通用性不强；3)电池概率模型的参数提取需要考虑大量的外部因素，过程简单，但工作量大，且模型的准确性有待考量。

技术实现思路

[0006]针对上述缺陷，本专利技术解决的技术问题在于，提供一种电池剩余容量的获取方法，以解决现在技术所存在的精确识别对电池造成一定的破坏性，且工作量大，实际运行中难以实现；算法确定后无法在线修改完善，通用性不强；电池概率模型的参数提取工作量大，且模型的准确性有待考量的问题。
[0007]本专利技术提供了一种电池剩余容量的获取方法，包括：
[0008]步骤1、根据电池的工作状态情况，建立电池的等效电路模型；
[0009]步骤2、基于RLS算法建立等效电路模型中参数的辨识模型，实时对等效电路模型中的各参数进行辨识；
[0010]步骤3、基于电池历史运行数据和历史剩余容量数据，辨识出等效电路模型中各参数与电池剩余容量的关系，进而建立多因子评估模型；
[0011]步骤4、将多因子评估模型应用于在线运行场景中，多因子评估模型中接入电池的实时数据，辨识各个健康因子并对电池剩余容量进行计算，实现电池剩余容量的实时、在线评估。
[0012]优选地，所述步骤2具体步骤包括：
[0013]步骤2.1、将输入辨识模型的电池数据作为辨识模型的数据变量，构建辨识模型的数据矩阵和参数矩阵：
[0014]其中U
OC,k
为k时刻的电池开路电压，U
t,k
为k时刻的端电压，i
L,k
为k时刻的电流值，c
i
为与等效电路模型参数相关的系数，Φ
n,k
为辨识模型的数据变量，θ
n,k
为辨识模型的参数变量，k为当前时刻，n为等效电路模型的阶数；
[0015]步骤2.2、基于RLS算法即带遗忘因子的最小二乘递推方法，得到与数据变量Φ
n,k
对应的最小二乘法增益和协方差：其中μ为遗忘因子，K
Ln,k
为算法的增益，P
Ln,k
为状态估计值的误差协方差矩阵，y
k
为等效电路模型的传递函数；
[0016]步骤2.3、基于最小二乘法增益和协方差，得到辨识模型为：y
k
＝Φ
n,k
θ
n,k
，通过辨识模型实时对等效电路模型中的各参数进行辨识。
[0017]优选地，所述步骤3具体步骤包括：
[0018]步骤3.1、分别对辨识得到的等效电路模型中各参数与历史剩余容量数据的关系进行拟合，确定出电池剩余容量与等效电路模型中各参数的函数关系f
i
(X
i
)；
[0019]步骤3.2、将电池剩余容量作为因变量，等效电路模型中各参数作为自变量，综合等效电路模型中的各个参数建立多因子评估模型C＝∑α
i
f
i
(X
i
)，对电池剩余容量进行联合估计，其中C为联合估计的电池剩余容量，X
i
为等效电路模型中的参数，α
i
为加权系数。
[0020]优选地，所述步骤3.2中加权系数的获取步骤包括：基于电池历史剩余容量数据和f
i
(X
i
)数据，采用最小二乘递推方法，对多因子评估模型中的加权系数α
i
进行标定，取误差最小的一组加权系数组合作为多因子评估模型中的加权系数组合。
[0021]优选地，所述步骤2.2中，通过改变μ的取值调整历史数据对于递推结果的影响程度，获得稳定的递推结果估计值，其中μ的取值范围为[0.9,1]。
[0022]优选地，所述步骤2.3中辨识模型实时对健康因子进行辨识的具体步骤为：通过辨识模型实时对参数变量进行辨识，基于参数变量的辨识结果，对等效电路模型中的各参数进行解析，实现等效电路模型中各参数的辨识。
[0023]优选地，所述步骤2中等效电路模型中的参数包括欧姆内阻、极化电阻和极化电容。
[0024]优选地，所述步骤4中电池的实时数据包括电池管理系统所监测的电池电压、电流、温度数据。
[0025]由上述方案可知，本专利技术提供的一种电池剩余容量的获取方法，将电池运行的数据利用RLS算法进行参数辨识；基于电池模型参数进行剩余容量健康度评估；在电池运行参数方面；本方法通过建立电池等效电路模型，然后利用带遗忘因子的最小二乘法参数辨识，从而在电池正常运行状态建立准确的电池模型；在电池剩余容量估算方面，本方法通过建立的电池模型和历史运行数据，计算模型参数与寿命的相应关系，综合电池多因子建立健康度评估的模型，实时在线监测电池状态。本专利技术解决现在技术所存在的精确识别对电池造成一定的破坏性，且工作量大，实际运行中难以实现；算法确定后无法在线修改完善，通用性不强；电池概率模型的参数提取工作量大，且模型的准确性有待考量的问题，作用效果显著，适于广泛推广。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池剩余容量的获取方法，其特征在于，具体步骤包括：步骤1、根据电池的工作状态情况，建立电池的等效电路模型；步骤2、基于RLS算法建立等效电路模型中参数的辨识模型，实时对等效电路模型中的各参数进行辨识；步骤3、基于电池历史运行数据和历史剩余容量数据，辨识出等效电路模型中各参数与电池剩余容量的关系，进而建立多因子评估模型；步骤4、将多因子评估模型应用于在线运行场景中，多因子评估模型中接入电池的实时数据，辨识各个健康因子并对电池剩余容量进行计算，实现电池剩余容量的实时、在线评估。2.根据权利要求1所述的一种电池剩余容量的获取方法，其特征在于，所述步骤2具体步骤包括：步骤2.1、将输入辨识模型的电池数据作为辨识模型的数据变量，构建辨识模型的数据矩阵和参数矩阵：其中U
OC,k
为k时刻的电池开路电压，U
t,k
为k时刻的端电压，i
L,k
为k时刻的电流值，c
i
为与等效电路模型参数相关的系数，Φ
n,k
为辨识模型的数据变量，θ
n,k
为辨识模型的参数变量，k为当前时刻，n为等效电路模型的阶数；步骤2.2、基于RLS算法即带遗忘因子的最小二乘递推方法，得到与数据变量Φ
n,k
对应的最小二乘法增益和协方差：其中μ为遗忘因子，K
Ln,k
为算法的增益，P
Ln,k
为状态估计值的误差协方差矩阵，y
k
为等效电路模型的传递函数；步骤2.3、基于最小二乘法增益和协方差，得到辨识模型为：y
k
＝Φ
n,k
θ
n,k
，通过辨识模型实时对等效电路模型中的各参数进行辨识。3.根据权利要求2所述的一种电池剩余容量的获取方法，其特征在于，所述步骤3具体步骤包...

【专利技术属性】
技术研发人员：周奎，梁惠施，史梓男，贡晓旭，孙爱春，杨一飞，
申请(专利权)人：北京西清能源科技有限公司，
类型：发明
国别省市：