[发明专利]全电荷区域内锂电池等效电路模型参数辨识与优化方法

说明书

本发明涉及一种全电荷区域内锂电池等效电路模型参数辨识与优化方法，将全电荷区域划分为带电荷20%‑100%的高电荷区域与带电荷0%‑20%的低SOC区域，在高电荷区域与低电荷区域分别选用不同的等效电路模型及与之相适应的模型参数辨识算法；将两区域划再分为若干子区间，在子区间内分别对模型参数进行辨识，在整个电荷区域内得到多组模型参数；多组模型参数与相适应的模型共同构成了全电荷区域内锂电池的等效电路模型，不同电荷状态的锂电池用对应电荷区域内锂电池的等效电路模型进行电池状态估计。对模型结构及模型辨识算法进行合理的选择，对模型参数的辨识区间进行细分，有效地提高等效电路模型的精度与可靠性。

技术领域

本发明涉及一种电池辨识技术，特别涉及一种全电荷区域内锂电池等效电路模型参数辨识与优化方法。

背景技术

锂电池是目前电动汽车及手机、笔记本电脑等电子产品的首选动力来源。锂电池的状态估计的常见的方法都是基于电池模型的，目前应用较多的锂电池模型为等效电路模型。等效电路模型具有多种结构形式，目前常用的等效电路模型有PNGV、GNL以及由RC电路网络构成的nRC模型(n为RC网络的阶数)等。如图1所示nRC模型的结构图，如图2所示PNGV模型的结构图。选择合适的模型及匹配的模型参数对提高模型精度具有至关重要的作用。一般地，采用模型结构简单的模型具有参数少、计算速度快等优点，缺点是精度不高；采用模型结构复杂的模型具有精度高等优点，但是具有参数多、计算量大等缺点。另外，众多文献表明，等效电路模型在低SOC区域内的精度比高SOC区域内的精度要低很多，因此，在低SOC区域内选择合适的模型与模型参数是十分重要的。基于以上分析可知，在全SOC 区域(0%-100%)内只选择一种等效电路模型是不合适的，模型精度有待提高。因此，本发明专利在模型选择时，在高SOC区域与低SOC区域分别采用与之相适应的等效电路模型及匹配的模型参数辨识方法，提高等效电路模型的精度。

对于模型参数来说，由于电池的动态特性，根据实验数据在整个SOC区间内辨识得出一组模型参数与相应的模型来作为锂电池的模型也是不合适的，模型的精度有待提高。为了提高模型的精度与可靠性，将整个SOC区间分为多个子区间，在各子小区间内分别对模型参数进行辨识，得到每个子区间上的模型参数，各组模型参数与相对应的模型一起构成了锂电池的等效电路模型。

发明内容

本发明是针对不分电荷区域锂电池等效电路模型参数辨识不合理的问题，提出了一种全电荷区域内锂电池等效电路模型参数辨识与优化方法，对模型结构及模型辨识算法进行合理的选择，对模型参数的辨识区间进行细分，有效地提高等效电路模型的精度与可靠性。

本发明的技术方案为：一种全电荷区域内锂电池等效电路模型参数辨识与优化方法，

将全电荷区域划分为带电荷20%-100%的高电荷区域与带电荷0%-20%的低SOC区域，在高电荷区域与低电荷区域分别选用不同的等效电路模型及与之相适应的模型参数辨识算法；将两区域划再分为若干子区间，在子区间内分别对模型参数进行辨识，在整个电荷区域内得到多组模型参数；多组模型参数与相适应的模型共同构成了全电荷区域内锂电池的等效电路模型，不同电荷状态的锂电池用对应电荷区域内锂电池的等效电路模型进行电池状态估计。

所述在低电荷区域采用的等效电路模型选择PNGV模型结构，辨识算法选择基于精确求解的fminsearch 函数。

所述在高电荷区域锂电池处于离线状态，等效电路模型选择4RC或比4RC更高阶的RC模型结构，辨识算法选择Firefly algorithm 算法；在高电荷区域锂电池处于在线状态，等效电路模型选择2RC模型结构，辨识算法选择PSO算法。