申请/专利权人：安徽理工大学

申请日：2021-04-12

公开（公告）日：2024-03-29

公开（公告）号：CN113030752B

主分类号：G01R31/388

分类号：G01R31/388;G01R31/367

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.07.13#实质审查的生效;2021.06.25#公开

摘要：本发明公开了一种基于遗忘因子在线参数辨识和SOC联合估计方法，该方法包括建立锂电池二阶等效电路模型；确定电路各参数与SOC的函数关系，建立锂电池的状态空间方程；首先对SOC状态变量和参数状态变量初始化，在微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC；当锂电池SOC估计达到预设时间后，切换为宏观时间尺度，用变遗忘因子递推最小二乘法辨识等效电路参数，最后更新锂电池等效电路参数和状态空间方程，进行下一轮计算；本发明通过变遗忘因子递推最小二乘法对锂电池模型进行在线参数辨识，并结合扩展卡尔曼滤波算法估计锂电池SOC，解决了遗忘因子递推最小二乘法中遗忘因子固定的问题，实现锂电池参数在线更新，提高了锂电池SOC估计的精度。

主权项：1.一种基于变遗忘因子在线参数辨识和SOC联合估计方法，主要包括以下步骤：S1：建立锂电池二阶等效电路模型，其电路参数包括：欧姆内阻R0，极化电阻R1、R2，极化电容C1、C2；S2：确定等效电路各参数与SOC的函数关系，建立基于锂电池在线参数的状态空间方程，具体步骤如下：S2.1：以30A的定电流对充满电的电池进行放电，每次放电3min即0.5个SOC值，放电结束后将电池静置2h，记录电池开路电压，重复上述操作20次；S2.2：根据实验测得20组Uoc与SOC关系的数据点，将SOC作为变量，通过公式4对Uoc与SOC的数据点做八阶拟合，从而得到Uoc与SOC的函数：yx＝p1x8+p2x7+p3x6+p4x5+p5x4+p6x3+p7x2+p8x+p9S2.3：根据锂电池等效电路模型与回路电压关系，表示出各参数与SOC的关系： 观测方程：U0＝UocSOC-R0I-U1-U2U0为端电压，Ts为采样时间，Qn为电池容量；S2.4：将步骤2.3中方程差分离散化： S2.5：进一步简化得到： 式中输出矩阵结合锂电池参数变化，得到基于锂电池参数的状态空间方程： 式中参数状态变量θ＝[R0R1C1R2C2]T，wk、vk为系统的过程噪声和观测噪声，ρk为模型参数过程噪声；S3：初始化SOC状态变量和参数状态变量，微观时间尺度下，用扩展卡尔曼滤波算法估计锂电池SOC，具体步骤如下：S3.1：划分时间尺度，宏观尺度L＝60s，微观尺度l∈1～L，计算每个微观尺度下的状态滤波器，即围观时间尺度序列l＝1:L时，计算该时间尺度下状态变量预测值和状态变量预测误差协方差 S3.2：测量更新阶段，分别计算出扩展卡尔曼增益更新得到状态变量估计值和状态变量误差协方差估计值 得到结果返回S3.1；S4：当锂电池SOC估计达到预设时间后，切换为宏观时间尺度，用变遗忘因子递推最小二乘法辨识等效电路参数，具体步骤如下：S4.1：S2.3中公式通过拉普拉斯变换，得到二阶等效电路模型的频域传递函数： S4.2：通过双线性变换法则，将s平面的传递函数转换到z平面： θ1、θ2、θ3、θ4、θ5分别为各次项系数，若令a1＝R0，a2＝τ1τ2，a3＝τ1+τ2，a4＝R0+R1+R2,a5＝R0τ1+τ2+R1τ2+R2τ1，则公式6中各次项系数如下： S4.3：再通过z的逆变换离散化到时域：Uot-Uoct＝θ1[Uot-1-Uoct-1]+θ2[Uot-2-Uoct-2]+θ3It+θ4It-1+θ5It-2令E＝Uo-Uoc，得到二阶等效电路模型离散化后的结果： yk为系统的输出，为系统的输入量，θk为需要辨识的参数向量；S4.4:设置算法参数：遗忘因子最大值λmax、遗忘因子最小值λmin、敏感因子ρ、滑动窗口长度N；S4.5:计算遗忘因子： S4.6:递推最小二乘流程，更新参数向量： S4.7:求得二阶等效电路具体参数值： S5：更新锂电池等效电路参数和状态空间方程，返回S3进行下一轮计算。

全文数据：

权利要求：

百度查询： 安徽理工大学 一种基于变遗忘因子在线参数辨识和SOC联合估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD