[发明专利]一种适用于稀疏数据的动力电池参数辨识方法

说明书

本发明提供了一种适用于稀疏数据的动力电池参数辨识方法，基于集员辨识算法，在实际系统噪声的统计分布特性难以确定时，不需要对系统噪声的统计分布特征作假定，只需知道系统噪声的界，通过传感器进行测量引入的误差，机器数的舍入误差以及建模误差都可以看做有界误差的形式。同时该算法具有识别冗余数据的能力，在电池管理系统采样间隔增大时，也可保证辨识精度，因而特别适用于稀疏数据的情况，具有显著提高动力电池管理系统可靠性等的诸多有益效果。

技术领域

本发明涉及动力电池系统领域，尤其涉及一种车载动力电池的参数辨识技术。

背景技术

动力电池作为新能源汽车中的重要组成部分，其电池剩余容量的估算以及电池老化程度的评估可通过电池管理系统实现，以使电池的SOC和SOH保持在正常的工作水平内，防止由于电池的过充过放、过流对电池造成的永久损伤，从而提高电池的使用寿命，降低电动汽车的使用成本，而精确的动力电池参数辨识估计是确保内部状态准确在线预估的基础。

在线参数辨识通常能够直接利用电流、端电压等信息实时得到相应SOC下的参数值，适用于复杂多变的实车系统，然而现有的基于模型的参数辨识方法稳定性较差，在复杂工况下会产生较大误差，甚至出现发散的现象，且随着车载传感器采样间隔的增大，辨识结果的精度随之降低。常用的基于遗忘因子的递推最小二乘辨识方法，其随机误差需服从零均值、零协方差的正态分布，在实际应用时显然难以得到满足。因此，本领域中尚需要一种不受限于噪声分布，并且在一定程度上能够降低所需数据量的稀疏数据的动力电池参数辨识方法。

发明内容

针对上述本领域中存在的技术问题，本发明提供了一种适用于稀疏数据的动力电池参数辨识方法，具体包括以下步骤：

步骤一、实时在线获取并存储动力电池运行过程中的电流、端电压信息；

步骤二、对所述动力电池建立状态空间模型；

步骤三、基于集员辨识算法对所述状态空间模型进行在线参数辨识和更新；

步骤四、利用由所述在线辨识所得到的前一时刻的OCV估计值与当前时刻的参数向量估计值，得到当前时刻下的OCV估计结果，同时根据OCV-SOC的对应关系插值得到OCV的变化曲线；

步骤五、比较基于所述步骤三得到的OCV在线辨识结果与基于所述步骤四通过插值得到的OCV变化曲线，对所述在线辨识结果进行验证。

进一步地，所述步骤二中对所述动力电池建立状态空间模型，具体包括：基于Thevenin等效电路模型并具有如下输入、输出关系：

其中，U_t,i分别表示端电压、电流，k表示时刻，Φ(k)表示由已知的输入量和输出量构成的观测矢量，θ(k)表示需要辨识的未知参数矢量，e(k)表示模型干扰或噪声序列，U_oc(k)表示k时刻的OCV值，a₁,a₂,a₃为待辨识参数矢量的分量。

进一步地，所述步骤三中基于集员辨识算法对所述状态空间模型进行在线参数辨识和更新，具体包括：

3.1、对所述状态空间模型中的观测矢量Φ(k)，未知参数矢量θ(k)，辨识算法中的协方差矩阵P(k)，以及系统噪声的界限γ和椭球的半径矢量σ²(k)进行初始化，得到观测矢量初始值Φ(0)，未知参数矢量初始值θ(0)，协方差矩阵初始值P(0)以及椭球的半径矢量σ²(0)。通常情况下根据算法的收敛性以及电池的参数特性，可将Φ(0)，θ(0)设为0，将P(0)设为μ为一个较小的正数，一般取值为μ＝10^-4，I表示n维单位矩阵，取椭球的半径大于零，可令σ²(0)＝1，根据实际测量设备及建模误差等因素确定系统噪声界限值γ。