[发明专利]动力电池模型在线参数的辨识方法、系统及存储介质

权利要求书

1.一种动力电池模型在线参数的辨识方法，其特征在于，包括如下步骤：

预先建立一动力电池多阶次模型，并基于超稳定性理论建立动力电池模型参数的稳定自适应辨识方法；

第一获取步骤，获取动力电池在第k个采样时刻的端电压测量值U_m,k；

第二获取步骤，获取动力电池模型在第k个采样时刻的输出电压U_t,k；

参数确定步骤，根据所述端电压测量值U_m,k和所述输出电压U_t,k的差值，并利用自适应参数辨识算法确定所述动力电池模型在第k个采样时刻的待辨识参数；

其中，动力电池模型在第k个采样时刻输出电压的离散时间域表达式为：

上式中，a_i(i＝1,2,···,2n+1)为动力电池模型的待辨识参数，U_oc,k为动力电池在第k个采样时刻的开路电压，n为动力电池模型阶次，U_t,k-1、U_t,k-2、U_t,k-n分别为动力电池模型在第k-1个、k-2个、k-n个采样时刻的输出电压，i_L,k、i_L,k-1、i_L,k-n分别为动力电池模型在第k个、k-1个、k-n个采样时刻的电流；

还包括对动力电池模型在第k个采样时刻输出电压的离散时间域表达式进行如下处理，以便应用于自适应参数辨识方法：

上式中，θ_k为动力电池模型在第k个采样时刻的参数矩阵，θ_k-1为动力电池模型在第k-1个采样时刻的参数矩阵，Φ_k-1为动力电池模型的数据矩阵，和U_t,k分别为动力电池模型的先验和后验输出电压。则动力电池模型广义输出误差为：

应用线性补偿器产生动力电池模型在第k个采样时刻的广义输出误差的补偿状态量和ζ_k分别为：

上式中，e_k为广义误差矩阵，d_k为广义误差系数矩阵；

基于上述公式，构建动力电池模型参数矩阵和数据矩阵的扩展矩阵如下：

上式中，ξ_k-1＝U_m,k-1-U_t,k-1，ξ_k-n＝U_m,k-n-U_t,k-n；U_m,k-1、U_m,k-n分别为动力电池在第k-1个、k-n个采样时刻的端电压测量值；

所述参数确定步骤包括如下子步骤：

计算子步骤，确定动力电池模型待辨识参数的计算公式如下：

式中：为动力电池模型在第k个采样时刻的扩展参数矩阵的估计值；为动力电池模型在第k-1个采样时刻的扩展参数矩阵的估计值；为动力电池模型的数据矩阵的估计值；表示中元素数，T表示转置，λ＞0.5；

其中，所述动力电池模型待辨识参数的计算公式中：

的表达式为：

的表达式为：

的表达式为：

初值设定子步骤，设定G_k和λ的初始值，其中，G_k的初始值为任意3n+2阶正定对称矩阵；

参数确定子步骤，按照计算子步骤中的公式进行迭代，得到动力电池模型在第k个采样时刻的待辨识参数值。

2.根据权利要求1所述的动力电池模型在线参数的辨识方法，其特征在于，所述第二获取步骤中根据如下公式确定所述动力电池模型在第k个采样时刻的输出电压U_t,k为：

式中：为动力电池模型的待辨识参数，n_c为动力电池模型的电压数据个数，分别为动力电池模型在第k-1个、k-2个……k-n_c个采样时刻的输出电压；

所述动力电池模型待辨识参数的计算公式中：

的表达式为：

的表达式为：

的表达式为：ω_k-1＝U_m,k-1-U_t,k-1，U_m,k-1为动力电池在第k-1个采样时刻的端电压测量值。