基于两阶段梯度迭代算法的分数阶锂电池参数辨识算法制造技术

在当今世界能源结构中，石油、天然气和煤炭等化石能源仍然是人们利用的主要能源。为了实现可持续发展，就必须构建人与自然和谐共生的关系。新能源的研究和发展就成为了时代的主流。锂离子电池作为一种新能源，其需求越来越高，所以需要对锂电池管理系统(BMS)进行能量优化。其中电池荷电状态(SOC)估计是电池管理系统的核心功能，所以，高精度的SOC估算可以有效地降低所需要的锂电池成本。从锂电池的等效电路模型入手，以分数阶可辨识数学模型仿真为主线，快速准确的提取模型参数，进而估计SOC和待辨识参数，利用递阶辨识原理，并将其分为两个子辨识模型。本发明专利技术旨在用一种两阶段梯度迭代算法对分数阶锂电池参数进行辨识。代算法对分数阶锂电池参数进行辨识。

【技术实现步骤摘要】
基于两阶段梯度迭代算法的分数阶锂电池参数辨识算法


[0001]本专利技术涉及一种基于两阶段梯度迭代算法应用于分数阶锂电池的参数估计。

技术介绍

[0002]在当今世界能源结构中，石油、天然气和煤炭等化石能源仍然是人们利用的主要能源。然而，随着科学技术的进一步发展，能源问题和环境问题的日益突出，为了实现可持续发展，就必须构建人与自然和谐共生的关系。新能源的研究和发展就成为了时代的主流。锂离子电池作为一种新能源，由于具有高电压、高能量密度、高安全性、低自放电率等的优点，具有远大的应用前景和巨大的市场需求。
[0003]在实际生活中，对于锂电池的续航能力需求越来越高，所以需要对锂电池管理系统(BMS)进行能量优化。其中电池荷电状态(SOC)估计是电池管理系统的核心功能，如果没有精确的SOC，加再多的保护功能也无法使BMS正常工作，所以，高精度的SOC估算可以有效地降低所需要的锂电池成本。SOC估算的基础是锂电池的模型与参数辨识。常见的电池模型有等效电路模型、电化学反应机理模型及多物理场模型等。电化学反应机理模型虽然精确但涉及的数学方程过多，计算太复杂，制约了其在电池管理系统中的应用。等效电路模型简单且实用价值高，常用在电池管理系统中。从工程实际角度出发，电容实际上是分数阶的，采用分数阶等效电路模型能更好的模拟电池的极化效应。本专利技术提出了一种两阶段梯度迭代算法，运用了梯度辨识的原理，将原有的模型分为两个子模型，大大减少了计算量，提高了运算效率，最终高效对电池进行参数辨识。

技术实现思路

[0004]本专利技术旨在用一种两阶段梯度迭代算法对分数阶锂电池参数进行辨识。
[0005]技术层面的解决方案为：根据递阶辨识原理，将分数阶锂电池模型分解为两个子模型，以降低计算成本。
[0006]1)构建分数阶锂电池的参数辨识模型：
[0007]为了简化计算量，构建一个CPE单元分数阶锂电池工作的等效电路图，具体步骤如下：
[0008]第一步：构建表示电池荷电状态的SOC和电压特性的分数阶锂电池模型结构如附图1所示：
[0009]第二步：根据此等效电路图，构建分数阶锂电池非线性系统模型表达式如下：
[0010]定义系统模型如下：
[0011]其中，Δ
(α)
＝Δ
α
U
t
(l)
‑
U
t
(l)，Δ
α
是α阶的微分，U
oc
是荷电状态，R
i
，R
ct
，τ＝R
ct
Q.
[0012]第三步：构建单CPE分数阶锂电池模型的虚拟的子系统关系式如下：
[0013]第四步：构建单CPE分数阶锂电池模型的两阶段模型如下：第四步：构建单CPE分数阶锂电池模型的两阶段模型如下：
[0014]第五步：得到分数阶锂电池模型的两阶段辨识模型为：模型的两阶段辨识模型为：
[0015]2)构建两阶段梯度迭代参数辨识估计算法流程：
[0016]迭代方法的主要思想是用分批处理数据刷新参数估计。本节在梯度搜索的基础上，提出了一种基于梯度的两阶段迭代算法来识别模型参数。
[0017]第一步：启动辨识算法；
[0018]第二步，令迭代次数k＝0，设置初始值；
[0019]第三步：获取单CPE分数阶锂电池的电流数据作为输入数据，电压U
t
(l)数据作为输出数据，并且设置数据长度为L；
[0020]第四步：构建
[0021]第五步：构建
[0022]第六步：计算μ
1，k
和μ
2，k
；
[0023]第七步：更新和
[0024]第八步：若令k＝k+1，返回第三步；否则，得到和结束流程。[][0025]其中各变量的定义如下：
[0026]定义输入量I(l)，输出量U
t
(l)，其输入构成的数据组为II(L)，输出构成的数据组为U(L)，L为数据长度；
[0027]定义为相关的信息向量；
[0028]定义θ1和θ2为参数向量；
[0029]定义为第k次迭代的的估计值；为第k次迭代的的估计值；为第k次迭代的估计值；为第k次迭代的估计值；和分别表示Φ1(θ1，l)，Φ2(θ2，l)往第k次迭代的估计值；μ
1，k
，μ
l，k
表示第k次迭代的步长μ1和μ2的估计值。
[0030]3)根据两阶段梯度迭代参数辨识估计算法流程，构建两阶段梯度迭代估计算法：
[0031]步骤(3)中所述两阶段梯度迭代估计算法为：
[0032]定义如下：
[0033]定义如下：
[0034]定义U(L)如下：U(L)＝[U
t
(1)，U
t
(2)，
…
，U
t
(L)]T
，
ꢀꢀꢀ
(10)
[0035]定义如下：
[0036]定义如下：
[0037]定义如下：
[0038]定义如下：
[0039]定义μ
1，k
如下：
[0040]定义μ
2，k
如下：
[0041]定义如下：
[0042]定义如下：
[0043]上述算法的具体步骤：
[0044]1)启动辨识算法，令k＝1，设置初始值：和为随机向量；
[0045]2)获取锂电池的电流I(l)作为输入数据，锂电池输出U
t
(l)作为输出数据；
[0046]3)分别通过式(13)，式(14)，式(11)，式(12)获得
[0047]4)通过式(15)、式(16)计算μ
1，k
，μ
2，k
；
[0048]5)通过式(17)、式(18)刷新迭代所估计的
[0049]6)若另k＝k+1并重复第三步到第七步，否则，得到和结束流程。
[0050]其中各变量的定义如下：
[0051]定义输入量I(l)，输出量U
t
(l)；
[0052]定义输入构成的数据组为II(L)，输出构成的数据组为U(L)，L为数据长度；
[0053]定义为相关的信息向量；
[0054]定义θ1，θ2为参数向量；
[0055]定义为第k次迭代θ1的的估计值；为第K次迭代θ2的的估计值；
[0056]为第k次迭代的估计值；为第k次迭代的估计值；
[0057]和分别Φ1(θ1，l)，Φ2(θ2，l)表示在第k次迭代的估计值；
[0058]μ
1，k
，μ
2，k
表示第k次迭代的步长μ1和μ2的估计值。
[0064]本专利技术计算准确，适用于基于单CPE分数阶锂电池模型的两阶段辨识模型的参数辨识。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.本发明旨在用一种两阶段梯度迭代算法对分数阶锂电池参数进行辨识。其特征在于，首先要构建基于单CPE元件的分数阶锂电池模型的两阶段辨识模型如附图1所示：然后根据所建模型结构，构建单二极管光伏电池模型输出电流表达式如下：其中，
△
(α)
＝
△
α
U
t
(l)
‑
U
t
(l)，
△
α
是α阶的微分，U
oc
是荷电状态，R
i
,R
ct
,τ＝R
ct
Q.继而得到单CPE分数阶锂电池模型的虚拟子系统S1(l)和S2(l)的关系式如下：(l)的关系式如下：构建分数阶锂电池模型的两阶段单CPE模型如下：构建分数阶锂电池模型的两阶段单CPE模型如下：最后要得到的分数阶锂电池模型的两阶段辨识模型为:：最后要得到的分数阶锂电池模型的两阶段辨识模型为:：2.如权利要求1所述的迭代辨识算法，设计出两阶段梯度迭代参数辨识算法流程：第一步：启动辨识算法；第二步：令迭代次数k＝0，设置初始值；第三步：获取单CPE分数阶锂电池的电流数据作为输入数据，电压U
t
(l)数据作为输出数据；第四步：构建和第五步：构建和第七步：计算μ
1,k
和μ
2,k
；第八步：更新和第十步：若否则，得到和结束流程。其中各变量的定义如下：定义输入量I(l)，输出量U
t
(l)；定义其输入构成的数据组为II(L)，输出构成的数据组为U(L)，L为数据长度；定义为相关的信息向量；定义θ1和θ2为参数向量；定义为第k次迭代的的估计值；为第k次迭代的的估计值；为第k次迭代的估计值；为第k次迭代的估计值；和分...

【专利技术属性】
技术研发人员：籍艳，王军伟，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：