公开/公告号CN114818371A
专利类型发明专利
公开/公告日2022-07-29
原文格式PDF
申请/专利权人 江铃汽车股份有限公司;
申请/专利号CN202210549957.6
申请日2022-05-20
分类号G06F30/20;G06F17/10;G06F119/02;
代理机构南昌大牛知识产权代理事务所(普通合伙);
代理人李梦雅
地址 330000 江西省南昌市南昌县迎宾中大道2111号
入库时间 2023-06-19 16:09:34
法律状态公告日
法律状态信息
法律状态
2022-07-29
公开
发明专利申请公布
技术领域
本发明属于锂离子电池技术领域,具体涉及一种基于双记忆长度的限定记忆法的锂电池参数辨识方法。
背景技术
锂离子电池目前被广泛应用于电动汽车上,它的大量运用能有效的减小汽车对环境的污染。同时锂电池作为一个复杂的非线性系统,它的精确建模与模型参数辨识一直以来也都是研究热点。目前锂离子电池模型一般采用等效电路模型,它是一个变参数系统,运用在线参数辨识可以有效解决参数时变问题。
但锂离子的等效电路模型会存在模型参数具有不同的时间尺度的问题,这就容易导致在采用相同的采样步长时,不同的模型参数辨识效果存在差异。具体来说,当采用较小的采样步长时,端电压变化较慢的参数易辨识不准确。同理,当采用较大的采样步长时,端电压变化较快的参数易辨识不准确。另外,目前存在的大部分辨识算法需要已知OCV曲线,这需要大量的试验时间,也易因为外部温度变化和电池使用时间过久等原因导致最初使用的OCV曲线存在误差。
发明内容
本发明的目的是解决现有技术的不足,提供一种能解决传统的锂电池参数辨识算法中模型参数不同特性所带来的影响的基于双记忆长度的限定记忆法的锂电池参数辨识方法。
本发明提供一种基于双记忆长度的限定记忆法的锂电池参数辨识方法,包括如下步骤:
步骤1):获取锂电池的端电流和端电压信息;
步骤2):根据戴维宁等效电路模型及模型中各参数的特性,将电路模型中的参数进行分类;
步骤3):根据戴维宁等效电路模型得到电路的传递函数,离散化后得到带外加输入的自回归模型;
步骤4):构建双记忆长度的限定记忆法的计算流程,并利用双记忆长度的限定记忆法对自回归模型进行参数辨识,计算出等效电路模型的参数。
进一步地,步骤2)所述的戴维宁等效电路模型包括4个参数,分别为:理想电压源Uoc、电阻R0和R1、电容C1,其中,Uoc代表着电池的开路电压(OCV),R0为电池的内阻,R1、C1为等效电路模型中的一个RC环节。
进一步地,步骤3)具体包括如下步骤:
步骤3.1):根据戴维宁等效电路模型得到传递函数为:
我们令:
得到戴维宁等效电路模型传递函数的离散化形式为:
其中Ts为系统的采样时间,c1、c2和c3为由等效电路模型参数构成的系数,分别为:
其中1=R1C1。
进一步地,步骤3)具体包括如下步骤:步骤3.2):根据离散化后的传递函数得到戴维宁等效电路模型的自回归模型为:
u
又考虑到uoc在单位采样时间内变化较小,故可以认为:
u
则戴维宁等效电路模型的自回归模型可简化为:
u
进一步地,步骤3)具体包括如下步骤:步骤3.3):将简化后的戴维宁等效电路模型的自回归模型写为矩阵形式为:
其中,y(k)为模型k时刻的输出,Φ(k)为模型k时刻的数据向量,θ(k)为模型k 时刻的参数向量。
进一步地,步骤4)具体包括如下步骤:步骤4.1):给定初试给定初始条件(0, 0)和P(0,0),并给定小记忆长度L1和大记忆长度L2,
进一步地,步骤4)具体包括如下步骤:步骤4.2):利用以下的最小二乘递推算法获得初步的参数估计值(0,L1-1),协方差矩阵P(0,L1-1)和增益系数K(0,L1-1)作为限定记忆递推算法的初始状态,此时小记忆长度和大记忆长度共用一套参数,
步骤4.2):当k运行到L1时,将小记忆长度所需参数(0,L1-1),P(0,L1-1)和K(0,L1-1)取出,开始利用下面的公式进行记忆长度为L1的限定记忆参数辨识算法,大记忆长度继续进行最小二乘递推算法,
进一步地,步骤4)具体包括如下步骤:步骤4.3):当k运行到L2时,将大记忆长度所需参数(0,L2-1),P(0,L2-1)和K(0,L2-1)取出,开始利用下面的公式进行记忆长度为L2的限定记忆参数辨识算法,
进一步地,步骤4)具体包括如下步骤:步骤4.4):从L2时刻开始,大记忆长度参数和小记忆长度参数同时进行限定记忆的参数辨识算法。
进一步地,将简化后的戴维宁等效电路模型的自回归模型带入双记忆长度的限定记忆法得到c1、c2、c3和c4,就可以求解出戴维宁等效电路模型的的参数表达式为:
其中,R0、R 1和Uoc由小记忆长度参数计算,C 1由大记忆长度参数计算。
通过本发明的基于双记忆长度的限定记忆法的锂电池参数辨识方法,能解决传统的锂电池参数辨识算法中模型参数不同特性所带来的影响。
附图说明
图1为戴维宁等效电路模型。
图2为本发明的算法结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
本发明所提供的一种锂电池多时间尺度分步参数辨识方法具体结构如图2所示,具体包括以下步骤:
步骤1):实时获取锂电池的端电流和端电压信息,根据本发明的应用场景,指利用电动汽车上的传感器实时测量动力锂电池的端电流和端电压;
步骤2):根据戴维宁等效电路模型及模型中各参数的特性,将电路模型中的各个参数区分为不同的时间尺度;
进一步的,步骤2)所述的戴维宁等效电路模型如图1所示,它包括4个参数,分别为:理想电压源Uoc、电阻R0和R1、电容C1。其中,Uoc代表着电池的开路电压(OCV),R0为电池的内阻,R1、C1为等效电路模型中的一个RC环节。
根据已有的先验知识,R0、R 1被认为具有较快的反应速率。C1被认为具有较慢的反应速率。这是很容易理解的:R0、R 1是电阻,其端电压可以突变。C1为电容,其端电压不能突变,只能渐变。Uoc作为直流电压源,也被认为具有较快的反应速率。
步骤3):根据戴维宁等效电路模型得到电路的传递函数,离散化后得到带外加输入的自回归模型;
进一步的,步骤3)具体包括如下步骤:
步骤3.1):根据图1的戴维宁等效电路模型得到其传递函数为:
我们令:
得到戴维宁等效电路模型传递函数的离散化形式为:
其中Ts为系统的采样时间,c1、c2和c3为由等效电路模型参数构成的系数,分别为:
其中1=R1C1。
步骤3.2):根据离散化后的传递函数得到戴维宁等效电路模型的自回归模型为:
u
又考虑到uoc在单位采样时间内变化较小,故可以认为:
u
则戴维宁等效电路模型的自回归模型可简化为:
u
步骤3.3):将简化后的戴维宁等效电路模型的自回归模型写为矩阵形式为:
其中,y(k)为模型k时刻的输出,Φ(k)为模型k时刻的数据向量,θ(k)为模型k 时刻的参数向量。
步骤4):如图2所示,构建双记忆长度的限定记忆法的计算流程。并利用双记忆长度的限定记忆法对自回归模型进行参数辨识,计算出等效电路模型的参数;
进一步的,步骤4)具体包括如下步骤:
步骤4.1):给定初试给定初始条件(0,0)和P(0,0),并给定小记忆长度L1和大记忆长度L2.
步骤4.2):利用以下的最小二乘递推算法获得初步的参数估计值(0,L1-1),协方差矩阵P(0,L1-1)和增益系数K(0,L1-1)作为限定记忆递推算法的初始状态。此时小记忆长度和大记忆长度共用一套参数。
步骤4.2):当k运行到L1时,将小记忆长度所需参数(0,L1-1),P(0,L1-1)和K(0,L1-1)取出,开始利用下面的公式进行记忆长度为L1的限定记忆参数辨识算法。大记忆长度继续进行最小二乘递推算法。
步骤4.3):当k运行到L2时,将大记忆长度所需参数(0,L2-1),P(0,L2-1)和K(0,L2-1)取出,开始利用下面的公式进行记忆长度为L2的限定记忆参数辨识算法。
步骤4.4):从L2时刻开始,大记忆长度参数和小记忆长度参数同时进行限定记忆的参数辨识算法。
步骤4.5):将简化后的戴维宁等效电路模型的自回归模型带入双记忆长度的限定记忆法得到c1、c2、c3和c4,就可以求解出戴维宁等效电路模型的的参数表达式为:
其中,R0、R 1和Uoc由小记忆长度参数计算,C 1由大记忆长度参数计算。
以上实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施,并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰,均应属于本发明权利要求的涵盖范围。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
机译: 用联想记忆法编辑法律教科书的结构和用联想记忆法学习法律的方法
机译: 立式多关节液压机械手的参数辨识方法,辨识装置及辨识程序
机译: 立式多关节液压机械手的参数辨识方法,辨识装置及辨识程序