【技术实现步骤摘要】
锂电池的半在线参数辨识方法、系统、设备及存储介质
[0001]本专利技术涉及电池参数识别
,具体涉及一种锂电池的半在线参数辨识方法、系统、设备及存储介质。
技术介绍
[0002]随着锂电池的应用日益广泛,锂电池的参数辨识是锂电池的性能评估的重要环节,其中电池管理系统对锂电池参数辨识的准确性直接影响对锂电池的性能评估结果。
[0003]锂电池的参数辨识问题是一个多模态问题,而递归最小二乘法(RLS)、递归最小平方法与滑动窗口差异遗忘因子的递归最小二乘法(SDFF
‑
RLS)、可变遗忘因子算法(VFF
‑
RLS)不能解决具有许多局部最优的非凸性优化问题。此外,RLS及其衍生算法不是全局搜索算法,无法寻找全局最优参数。扩展卡尔曼滤波(EKF)将非线性的状态空间模型进行线性化,然后再进行估算。无迹卡尔曼滤波(UKF)算法改变了EKF强制把非线性转化为线性的机制,利用无迹变换来处理均值和协方差的非线性传递问题。其估计精度、稳定性和鲁棒性都要优于UKF和EKF。上述的卡尔曼滤波算法都是基于电池开路电压准确辨识的基础上进行的并且在估算某时刻SOC时假设电池开路电压是常数,但是在实际情况下电池开路电压是不稳定的。在低SOC区间,SOC和电池开路电压的关系曲线变化非常剧烈,造成系统的过程噪音统计特性和观测噪音统计特性变化较大,使衍生的卡尔曼滤波算法精度和稳定性下降。协同进化(CC)框架对问题空间的划分,破坏了参数间的耦合关系。若具有耦合关系的变量没有被分在同一个子种群,破坏变量间的耦合 ...
【技术保护点】
【技术特征摘要】
1.一种锂电池的半在线参数辨识方法,其特征在于,包括:建立锂电池的一阶等效电路模型并确定待测参数类型;初始化采样参数,基于所述采样参数进行数据采集操作,采集第K个半在线辨识周期内锂电池充/放电过程中的电压和电流数据;基于采集的电压和电流数据,采用分段辨识方法和数据遗忘机制进行数据关联操作,构建第K个半在线辨识周期内的辨识向量和目标函数;基于自适应协同差分进化算法和计算资源动态分配策略对所述辨识向量进行迭代优化操作,得到第K个半在线辨识周期内锂电池对应的全局最优解参数;判定锂电池当前充/放电过程是否结束,若是,则半在线参数辨识过程结束,输出所述第K个半在线辨识周期内锂电池对应的全局最优解参数;若否,直到锂电池当前充/放电过程结束,开始第K+1个半在线辨识周期,基于所述数据采集操作、数据关联操作和迭代优化操作,得到并输出所述第K+1个半在线辨识周期内锂电池对应的全局最优解参数;其中,所述全局最优解参数的类型与所述待测参数类型对应。2.根据权利要求1所述的锂电池的半在线参数辨识方法,其特征在于,所述采样参数包括:半在线辨识周期、电压电流采集频率和计时变量。3.根据权利要求1所述的锂电池的半在线参数辨识方法,其特征在于,所述半在线辨识周期和电压电流采集频率根据电池充/放电速率和SOC的变化速率进行设定:若电池充/放电速率和SOC变化速率快,则所述半在线辨识周期和电压电流采集频率较小;若电池充/放电速率和SOC变化速率慢,则所述半在线辨识周期和电压电流采集频率较大。4.根据权利要求1所述的锂电池的半在线参数辨识方法,其特征在于,所述分段辨识方法,包括:将锂电池的SOC进行划分,得到多个SOC区间;将所述采集的电压和电流数据分别分配到对应的所述多个SOC区间作为所述多个SOC区间的单元片段数据。5.根据权利要求4所述的锂电池的半在线参数辨识方法,其特征在于,所述构建第K个半在线辨识周期内的辨识向量和目标函数,包括:根据第K个半在线辨识周期之前的采样数据确定历史已优化辨识向量和新增优化辨识向量;基于所述历史已优化辨识向量和新增优化辨识向量构建所述第K个半在线辨识周期内的辨识向量:X
K
=[X
K,1
,X
K,2
]=[X
K,1
,R
0+
,R0‑
,R1,D1,U
init
,U
OCV
(1),U
OCV
(2),
…
,U
OCV
(m)]以估算电压和采集的电池端电压差值最小为优化目标,建立第K个半在线辨识周期的目标函数:
其中,X
K
为辨识向量,X
K,1
为历史已优化辨识向量,X
K,2
为新增优化辨识向量,U
OCV
为开路电压,m为第K
‑
1个半在线辨识周期内以电压电流采集频率采集的数据点数量,R
0+
、R0‑
、R1、C1、U
init
分别为充电内阻、放电内阻、极化电阻、极化电容和数据起始点RC网络...
【专利技术属性】
技术研发人员:唐若笠,张世汉,张尚煜,张鹏,王海金,张彦,
申请(专利权)人:武汉理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。