[发明专利]一种基于可变时间域提高电池模型精度的方法

说明书

本发明公开了一种基于可变时间域提高电池模型精度的方法，根据参数辨识精度与不同温度、不同时间域存在的变化规律，通过建立温度与最优时间域的耦合关系，确定某个温度下的最优时间域，代替固定时间域进行模型参数辨识，再将辨识的模型参数代入建立的基础等效电路模型中进行仿真。有益效果：本发明解决了以固定时间域辨识模型参数存在的辨识精度不稳定、不精确等问题，从而提高电池模型的精度。

技术领域

本发明涉及一种提高电池模型精度的方法，特别涉及一种基于可变时间域提高电池模型精度的方法，属于动力电池技术领域。

背景技术

随着全世界经济的快速增长以及汽车行业的飞速发展，全球汽车保有量不断增加，庞大的汽车保有量也导致了严重的燃油短缺问题和环境污染问题。因此，必须大力发展新能源汽车作为传统燃油汽车的替代品，来应对当前面临的环境和资源问题。纯电动汽车具有动力性好、能耗小、污染低的优点，大力发展纯电动汽车是解决上述面临问题的良好手段。

锂离子电池因其较高的比能量密度、比功率大、无记忆效应、寿命长等优点，现在已成为电动汽车用动力的主流。但车用动力电池组通常是由成百上千的单体电池串并联构成，各单体间的差异可能对电池组的寿命、安全性能带来严重影响。为保证电动汽车动力电池组的安全性，需配备电池管理系统(Battery Management System，BMS)对电池组进行状态评估。模型驱动型方法是状态估计常用方法之一，具有闭环估计的特点，并且在计算成本和估计精度之间可以取得很好的平衡，这种方法的核心是建立准确的模型及精确的模型参数。因此，寻求合适的描述电池模型，准确辨识电池模型参数成为目前研究的重点。

基于电池模型的参数辨识主要分为离线参数辨识和在线参数辨识。与离线参数辨识相比，在线参数辨识具有实时性、精确度高、鲁棒性好的特点，尤其是在电动车运行工况变化时，在线参数辨识更具有优势。虽然在线参数辨识已经成为目前的主流研究方向，但在线参数辨识多基于递推最小二乘法(Recursive Least-squares,RLS)等优化算法，参数辨识的准确性受制于辨识参数数目、参数辨识限定范围等，多个参数同时辨识时或初始参数范围超界等问题易导致辨识参数偏移准确值或辨识算法发散。

离线参数辨识，尤其是通过混合脉冲功率特性测试(Hybrid Pulse PowerCharacteristic,HPPC)试验对电池模型参数进行离线参数辨识的方法，能够快速探索特定工况下电池参数变化规律及其与电池性能间的关联性，也可以为在线参数辨识提供参考，所以离线参数辨识仍然是电池建模及特性研究不可或缺的方法。

现有的离线参数辨识的技术中，多为采用固定的时间域进行模型极化参数辨识，这种固定时间域辨识模型参数存在辨识精度不稳定、辨识精度较差等问题。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供了一种基于可变时间域提高电池模型精度的方法。本发明根据参数辨识精度与不同温度、不同时间域存在的变化规律，通过建立温度与最优时间域的耦合关系，确定某个温度下的最优时间域，代替固定时间域进行模型参数辨识，从而提高电池模型的精度。

技术方案：一种基于可变时间域提高电池模型精度的方法，包括以下步骤：

步骤一、搭建基础等效电路模型，根据基础等效电路模型确定待辨识模型参数；

步骤二、在不同设定温度下，每间隔一定比例的荷电状态(State of Charge,SOC)对电池进行一次脉冲功率测试，对待辨识模型参数进行辨识，并建立模型参数与荷电状态(SOC)之间的关系；

步骤三、在步骤二的每次脉冲功率测试中选取设定时间的放电阶段，在所述的阶段截取不同的时间域进行模型参数辨识，并建立模型参数与荷电状态(SOC)之间的关系；