[发明专利]一种基于randls模型的电池参数在线辨识方法

说明书

一种基于randls模型的电池参数在线辨识方法，包括：根据电路模型拓扑结构，建立输入输出传递函数；然后对电池模型进行离散化；最后采用递推增广最小二乘法对模型参数进行迭代辨识。本发明能够预测每一采样时刻的系统噪声，以此来改善算法的预测精度。同时本发明具有较高的辨识精度和较低的运算复杂度，能够很好地满足实际应用的需求。

技术领域

本发明涉及一种电池参数在线辨识方法。

背景技术

在电池模型参数辨识算法研究方面，传统的方法是首先通过电池离线实验，获得电池的输入/输出数据。然后基于实验数据，采用物理意义推导、数据拟合以及最优化算法(如神经网络算法、模糊逻辑、粒子群算法等)等方式对模型的参数进行离线辨识。最后，基于离线辨识得到的电池模型，采用数字滤波算法(如卡尔曼滤波)对电池的实时状态进行估计。然而，电池模型实际上是一个非线性参数时变系统。在电池的实际使用过程中，随着电池荷电状态(SOC)和健康状态(SOH)的不断变化，电池模型的参数以及参数与电池状态之间的关系并不是不变的。因而，通过离线辨识算法得到的电池模型，在实时的使用环境下并不能保证系统的精度要求。因此，通过在线迭代辨识算法对电池模型的参数进行实时估算，是当前的研究趋势。

国内目前对于参数辨识的方法的专利主要还是集中在对电池模型个别参数的修正上，如专利201110127479.1“一种电池模型参数与剩余电量联合异步在线估计方法”，通过卡尔曼滤波方法对电池模型的内阻进行修正。这种方式不能全面有效的在线辨识电池模型参数。同时这种方法具有辨识精度低和运算复杂度较高，不能够很好地满足实际应用的需求。

发明内容

本发明的目的是为了解决随着电池荷电状态(SOC)和健康状态(SOH)的变化，电池模型参数变化问题，提出一种电池模型参数在线辨识方法。本发明能够预测每一采样时刻的系统噪声，改善算法的预测精度。同时本发明具有较高的辨识精度和较低的运算复杂度，能够很好地满足实际应用的需求。

本发明基于randls电池模型，首先根据电池模型拓扑结构，建立输入输出传递函数；然后对电池模型离散化；最后采用递推增广最小二乘法(RELS)对模型参数进行迭代辨识。

所述的基于randls模型的电池参数在线辨识方法步骤如下：

第一步，根据randls电池模型拓扑结构，建立输入输出传递函数。

randls电池模型参数包括欧姆内阻R_o、极化内阻R_n、极化电容C_b、容量电容C_n。极化内阻R_n与容量电容C_n串联连接后跨接在m、n两端，极化电容C_b跨接在m、n两端，欧姆内阻R_o一端接m端，一端接输出u_out。模型的输入为电流i，模型输出为电池模型两端的电压u_out，该电池模型s域形式的输入输出传递函数H(s)为：

公式(1)中，U(s)为电池端电压s域形式，I(s)为输入电流s域形式，a，b，c，d的含义如公式(2)所示，欧姆内阻R_o、极化内阻R_n、极化电容C_b、容量电容C_n为电池模型物理参数。

第二步，对randls电池模型传递函数H(s)进行离散化；

采用脉冲响应不变变换对式(1)所述的randls电池模型传递函数H(s)进行离散化，得到如下z域形式的传递函数：

根据z域和时域变换原理，公式(3)进而可以写成如下离散迭代形式：