[发明专利]基于可变遗忘因子的RLS锂电池模型参数在线辨识方法

说明书

本发明属于锂电池模型辨识领域，公开了一种基于可变遗忘因子的RLS锂电池模型参数在线辨识方法，获取锂电池性能参数信息；建立二阶锂电池等效电路模型，并推导模型辨识向量方程；获得电池在不同温度下的OCV‑SOC特性曲线，拟合出OCV‑SOC的关系表达式；根据可变遗忘因子的RLS方法对模型方程计算当前时刻参数；更新下一时刻遗忘因子值；采集下一时刻的电压与电流值，利用更新的遗忘因子RLS方法，对二阶RC等效电路模型进行下一时刻在线参数辨识。本发明可快速收敛至真实值；且对于时变的锂电池模型参数，与固定遗忘因子的RLS方法相比，有更高收敛速度和辨识精度的在线跟踪能力。

技术领域

本发明属于锂电池模型辨识领域，尤其涉及一种基于可变遗忘因子的RLS锂电池模型参数在线辨识方法。

背景技术

目前，国内外锂电池模型参数辨识，主要采用离线辨识的方法，即利用脉冲方法获得锂电池对脉冲的响应，根据获得的离线数据，对电池模型参数进行辨识。但锂电池模型参数是时变系统，它随着SOC的变化而变化的，离线辨识的参数结果不能满足高精度SOC的需求。近几年，国内外出现3种在线辨识锂电池模型参数的方法包括：最小二乘法(RLS)，遗传基因算法(GA)，群粒子算法(PSO)。GA和PSO算法不仅复杂度极高，而且计算量非常大，因此，工程应用价值不高，不适合于电池管理系统；RLS方法广泛应用于锂电池SOC估算中的模型参数辨识，实现起来也比较简单，大部分情况下，基于RLS的锂电池模型参数辨识能估算出准确统计特性的参数结果。但是，RLS是具有无限记忆长度的算法，对于锂电池系统，RLS在参数辨识过程中旧数据越来越多，会导致结果不能良好的反应新数据的特性，出现“数据饱和”现象。针对此种情况，经文献检索发现，中国专利申请号为CN201710421602.8，名称为：一种带遗忘因子的最小二乘法(FRLS)锂电池模型参数辨识方法，该专利中提出引入遗忘因子克服“数据饱和”现象。但是，FRLS中遗忘因子是人为选择的一个固定值(通常属于(0，1))，它只适用于非时变系统。对于时变系统，如果遗忘因子取值较大，则收敛速度较慢，如果遗忘因子取值较小，则辨识精度较低，其收敛速度和跟踪能力都难以满足要求。而锂电池模型是非线性、时变系统，因此，有必要寻找一种运算复杂度和FRLS算法相当，但收敛速度及辨识精度高于FRLS算法的灵活的锂电池模型参数辨识方法。

综上所述，目前技术存在的问题包括：

不能满足高精度SOC的需求。

计算量大，不适合于电池管理系统。

对于时变系统收敛速度较慢，辨识精度较低。

解决上述技术问题的意义：

本发明的目的在于克服现在技术中的不足，提供一种基于可变遗忘因子的RLS的锂电池模型参数在线辨识方法，使其在未知统计信息的情况下具有估计性能稳健、精度高、鲁棒性强、搞白噪声能力强的特点，且易于实现。

发明内容

针对现有技术存在的问题，本发明提供了一种基于可变遗忘因子的RLS锂电池模型参数在线辨识方法，锂电池SOC是动力电池管理系统最重要的参数，而锂电池模型参数是影响锂电池SOC关键因素，因此急需设计一种精度高、计算量小、速度快的锂电池模型参数估算方法。

本发明是这样实现的，一种基于可变遗忘因子的RLS锂电池模型参数在线辨识方法包括：

步骤一：获取锂电池性能参数信息；

步骤二：建立二阶锂电池等效电路模型，并推导出电压、电流与参数的向量方程；

步骤三：对锂电子电池进行放电-静置实验，为了更准备的辨识锂电池模型参数，获取锂电池在不同温度下的OCV-SOC特性曲线，拟合出OCV-SOC的关系表达式，根据锂电池当前温度选择相应特性曲线在线辨识参数；

步骤四：采集锂电池当前时刻的电压、电流和温度数据；