[发明专利]一种动力锂电池模型参数辨识和剩余电量的估计方法

说明书

本发明公开了一种动力锂电池模型参数辨识和剩余电量的估计方法，步骤1：建立锂电池的二阶阻抗电容模型的状态空间方程；步骤2：建立端电压与开路电压关于电流的关系的回归模型；步骤3：对回归模型进行基于迭代学习的递推最小二乘法的参数辨识；步骤4：利用满足步骤3参数辨识过程对放电电流条件的实验数据进行基于迭代学习的递推最小二乘辨识方法得到预测误差，通过预测误差收敛得到状态空间方程的参数中的非线性函数和参数集合；步骤5：验证步骤4得到的非线性函数和参数集合构成的电池模型精度；步骤6：采集电流和电压数据，通过扩展卡尔曼滤波进行剩余电量的估计；本发明模型参数辨识精确度高，剩余电量估计值误差小，具有良好应用前景。

技术领域

本发明涉及新能源汽车电池管理技术领域，具体涉及一种动力锂电池模型参数辨识和剩余电量的估计方法。

背景技术

在国务院“十三五”国家科技创新规划中，发展新能源汽车是建立健全交通运输核心技术体系的第一项目。我国在新能源汽车发展上主推纯电动汽车，动力锂电池是纯电动汽车的核心能量来源。锂电池的剩余电量，即可用容量占额定容量的百分比，是保证锂电池安全工作，延长可用寿命的一个重要参数。锂电池内部电化学反应的复杂性，造成了电池系统的强非线性。目前也没有传感器能够直接测量剩余电量。所以，研究动力锂电池电池剩余电量的估计系统和估计方法，对于电动汽车发展是必要的。

在以往的剩余电量估计研究中，一般都使用基于模型的方法。一个准确的电池模型，在剩余电量的估计中扮演很重要的角色。因为其简便性和有效性，锂电池的等效电路模型被广泛地用来模拟电池的动态性能。对于等效电路模型参数的辨识方法，可以被大致分为离线辨识和在线辨识两类。其中离线辨识方法有曲线拟合法，离线最小二乘法等。离线方法通常用来处理新电池，且辨识的模型在电池寿命周期内是固定的。但是，总所周知的是电池的动态性能与它的温度，剩余电量和老化程度有关。因此，在线的辨识方法被提出来解决这些问题，如在线最小二乘法，双扩展卡尔曼滤波法等。通常，这些在线辨识方法只能辨识时不变和缓时变的模型参数。不过对于锂电池，因为内部的强非线性特性，其模型参数必然不会是时不变和缓时变的，上述在线辨识方法就会存在由于只能辨识时不变和缓时变的模型参数，导致建模精度下降的问题，进而成为造成剩余电量估计不准的主要因素。

发明内容

本发明提供一种通过观测电池之前的动态行为，在下一步迭代过程中提高辨识的精度，能够有效地辨识非线性电池模型参数，提高模型精度和剩余电量估计精度的动力锂电池模型参数辨识和剩余电量的估计方法。

本发明采用的技术方案是：一种动力锂电池模型参数辨识和剩余电量的估计方法，包括以下步骤：

步骤1：建立锂电池的二阶阻抗电容模型的状态空间方程；

步骤2：根据步骤1得到的模型建立端电压与开路电压关于电流的关系的回归模型；

步骤3：对步骤2得到的回归模型进行基于迭代学习的递推最小二乘法的参数辨识；

步骤4：利用满足步骤3参数辨识过程对放电电流条件的实验数据进行基于迭代学习的递推最小二乘辨识方法得到预测误差，通过预测误差收敛得到状态空间方程的参数中的非线性函数和参数集合；

步骤5：验证步骤4得到的非线性函数和参数集合构成的电池模型精度；

步骤6：采集电流和电压数据，通过扩展卡尔曼滤波进行剩余电量的估计。

进一步的，所述步骤1的具体过程包括以下步骤：

S11：建立被控对象的等效电路模型：将电阻R₀、R₁、R₂依次串联在电池包U_OC的输出端，并将电容C₁与电阻R₁并联，电容C₂与电阻R₂并联；