【技术实现步骤摘要】
本专利技术涉及电池管理，特别是涉及一种基于递推曲线重构的电池组一致性在线诊断方法。
技术介绍
1、锂电池作为一种电能的存储和转化的载体，能够在无污染物排放的同时以极高的效率转化为能量，其中，对锂电池组内各单体电池的容量一致性和荷电状态(stateofcharge，soc)一致性进行诊断，是保证高电压电池系统安全高效运行的重要手段。现有的方法主要包括直接测量法、状态估计法和信息融合法。
2、其中，直接测量法以离线方式对电池组进行测试，使用满充满放方式对电池组内单体电池容量和soc进行测定，但是该方法耗时长，只能在实验室环境下进行，无法实际应用。状态估计法借助各类状态估计算法，例如基于电池模型的soc估计和容量估计算法，对电池组内所有单体电池的容量和soc状态进行估计，进而实现一致性的诊断，但是该方法计算量大，特别是在高电压应用场景下，串联电池数量众多，对所有电池执行状态估计算法，其计算复杂度对电池管理系统挑战巨大。信息融合法通过选取一个或多个一致性指标来评估串联一致性，但是该方法需要获取完整的一致性指标，需要占用大量内存，不适用于实时电池管理系统应用。因此，设计一种基于递推曲线重构的电池组一致性在线诊断方法是十分有必要的。
技术实现思路
1、本专利技术的目的是提供一种基于递推曲线重构的电池组一致性在线诊断方法，以减少单次ocv的计算量和内存需求，并提高诊断的鲁棒性和可靠性。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种基于递推曲线重构的
4、获取电池组等效电路，并根据等效电路计算得到单体电池的ocv；
5、根据ocv得到ocv和soc的曲线关系；
6、对曲线关系进行曲线重构，得到单体电池的一致性参数；
7、通过均值漂移跟踪算法对一致性参数进行跟踪，得到跟踪结果。
8、可选地，根据等效电路计算得到单体电池的ocv，具体步骤包括：
9、根据等效电路将单体电池的端电压与电池组端电压之比看作是单体电池的ocv与电池组的ocv之比；
10、通过带遗忘因子递推最小二乘算法得到电池组的ocv；
11、根据电池组的ocv和单体电池的ocv与电池组的ocv之比得到单体电池的ocv。
12、可选地，带遗忘因子递推最小二乘算法的计算公式为：
13、
14、其中，kk为更新增益，yk为电池组端电压，为回归向量，为回归向量的转置矩阵，εk为预测误差，pk为当前时刻的误差协方差，pk-1为上一时刻的误差协方差，λk为遗忘因子，i为电流大小，θk为当前时刻的未知参数向量，θk-1为上一时刻的未知参数向量。
15、可选地，曲线关系的表达式为：
16、zi-1＝z0+qah,i/ci；
17、其中，uoc为ocv，z为soc，f()为z和uoc的曲线关系，ai为多项式系数，zi-1为第i-1个电池的soc，z0为电池开始放电时的初始soc，qah,i为放电过程累计放出的电量，ci为单体电池的容量。
18、可选地，对曲线关系进行曲线重构，得到单体电池的一致性参数，具体步骤为：将曲线关系表示为目标函数，并通过扩展卡尔曼滤波算法对目标函数进行求解；
19、目标函数表达式为：其中，jt(ω)为目标函数，为一致性参数，uoc,i为第i个单体电池的ocv，t为时间，qah,i为放电过程累计放出的电量；
20、扩展卡尔曼滤波算法的计算公式为：pt+1＝pt-kthtpt+qt；其中，为一致性参数，kt为卡尔曼滤波增益，pt为当前时刻的误差协方差矩阵，pt+1为下一时刻的误差协方差矩阵，ht为观测矩阵，为观测矩阵的转置矩阵，rt为测量方差，qt为系统方差，yt为实时的ocv，ω为待求解的一致性参数，ωt+1为下一时刻的估计值，ωt为当前时刻的估计值，x为取偏导数时第i个单体电池的ocv和qah,i的实时值。
21、可选地，一致性参数包括：电池容量估计值和初始soc估计值。
22、可选地，通过均值漂移跟踪算法对一致性参数进行跟踪，得到跟踪结果，具体步骤为：将电池容量估计值和初始soc估计值均作为均值漂移跟踪算法中的数据点，选取任意数据点为起点，并通过均值漂移跟踪算法对起点进行逐步跟踪，直至跟踪到概率密度最高的数据点中心。
23、可选地，逐步跟踪的表达式为：xt＝xt+1+mh；其中，xt为当前时刻的数据点，xt+1为下一时刻的数据点，mh为漂移向量；漂移向量的计算公式为：其中，k为当前时刻有效数据集内的数据点数量，xi为第i节单体电池的一致性参数。
24、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的基于递推曲线重构的电池组一致性在线诊断方法，该方法包括：获取电池组等效电路，并根据等效电路计算得到单体电池的ocv；根据ocv得到ocv和soc的曲线关系；对曲线关系进行曲线重构，得到单体电池的一致性参数；通过均值漂移跟踪算法对一致性参数进行跟踪，得到跟踪结果。该方法减少了单次ocv的计算量和内存需求，并提高了诊断的鲁棒性和可靠性。
本文档来自技高网...【技术保护点】
1.一种基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，根据所述等效电路计算得到单体电池的OCV，具体步骤包括：
3.根据权利要求2所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，所述带遗忘因子递推最小二乘算法的计算公式为：
4.根据权利要求1所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，所述曲线关系的表达式为：
5.根据权利要求4所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，对所述曲线关系进行曲线重构，得到单体电池的一致性参数，具体步骤为：将所述曲线关系表示为目标函数，并通过扩展卡尔曼滤波算法对所述目标函数进行求解；
6.根据权利要求5所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，所述一致性参数包括：电池容量估计值和初始SOC估计值。
7.根据权利要求6所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，通过均值漂移跟踪算法对所述一致
8.根据权利要求7所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，所述逐步跟踪的表达式为：xt＝xt+1+Mh；其中，xt为当前时刻的数据点，xt+1为下一时刻的数据点，Mh为漂移向量；所述漂移向量的计算公式为：其中，k为当前时刻有效数据集内的数据点数量，xi为第i节单体电池的一致性参数。
...【技术特征摘要】
1.一种基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，根据所述等效电路计算得到单体电池的ocv，具体步骤包括：
3.根据权利要求2所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，所述带遗忘因子递推最小二乘算法的计算公式为：
4.根据权利要求1所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，所述曲线关系的表达式为：
5.根据权利要求4所述的基于递推曲线重构的电池组一致性在线诊断方法，其特征在于，对所述曲线关系进行曲线重构，得到单体电池的一致性参数，具体步骤为：将所述曲线关系表示为目标函数，并通过扩展卡尔曼滤波算法对所述目标函数进行求解；
6.根据权利要求5所述的基于递推曲线重...
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。