[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

说明书

本发明涉及一种动力电池模型在线参数的辨识方法、系统及存储介质。其中，辨识方法包括如下步骤：获取动力电池在第k个采样时刻的端电压测量值U_m,k；获取动力电池模型在第k个采样时刻的输出电压U_t,k；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。本发明中的动力电池模型在线参数辨识方法，面向多阶次的动力电池模型，应用超稳定性理论，可以实现动力电池在多变应用工况下的模型参数稳定辨识，辨识得到的参数可以应用于动力电池的状态估计与优化控制算法，保障动力电池算法体系的稳定有效。

技术领域

本发明涉及动力电池技术领域，尤其涉及一种动力电池模型在线参数的辨识方法、系统及存储介质。

背景技术

近年来，新能源技术在交通运输领域得到了广泛的应用，尤其是电动汽车取得了迅猛发展。动力电池为电动汽车的核心能量部件，决定着电动汽车的安全可靠应用，因此必须对动力电池进行有效管理。对动力电池进行能量和健康状态的估计、充放电的优化控制是动力电池管理技术的重要组成部分，而动力电池的准确建模是进行电池状态估计和优化充放电控制的基础。电池的等效电路模型因为其结构简单、便于集成算法、易于工程实现的优点，得到了广泛的应用。通常情况下，电池模型阶次越高，模型越准确，但模型精度也受到应用工况的影响，在某些工况条件下会出现低阶次模型精度优于高阶次模型的情况。因此，在实际应用的多变工况条件下，不存在始终最优的模型阶次，需要对动力电池进行多阶次建模。

当前，动力电池模型参数辨识的技术方案主要分为两类：离线参数辨识方法和在线参数辨识方法。其中，动力电池模型离线参数辨识方法是基于动力电池的实验测试数据，应用蚁群算法、遗传算法、粒子群算法等智能优化算法，实现特定动力电池测试工况下的模型参数辨识。由于动力电池的实际应用工况具有高度的随机特性，实验测试工况难以实现实际应用工况的穷举，因此基于离线参数辨识算法的动力电池模型在实际应用中存在精度不高的缺点；此外，应用于动力电池模型离线参数辨识的智能算法计算过程复杂，需要大量的计算资源，不能实现快速收敛。而动力电池模型在线参数辨识方法是基于动力电池的实时工况数据，应用相关数学优化技术实现动力电池模型参数的实时获取，辨识方法主要包括最小二乘法、梯度矫正法、极大似然估计法及相关扩展算法。但现有的相关数学优化算法存在“数据饱和”问题，应用于动力电池模型在线参数辨识时，不能实现对快速变化工况的有效跟踪，使模型精度降低。针对上述“数据饱和”问题发展的带遗忘因子的在线参数辨识算法，虽然提高了模型精度，但会导致辨识的动力电池模型参数产生频繁突变现象，这会引起基于该模型的状态估计与优化控制算法的失效，稳定性较差。

发明内容

鉴于上述的分析，本发明旨在提供一种动力电池模型在线参数的辨识方法、系统及存储介质，以解决现有的在线参数辨识算法稳定性较差的问题。

本发明的目的主要是通过以下技术方案实现的：

一个方面，本发明提出了一种动力电池模型在线参数的辨识方法，该方法包括如下步骤：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。

进一步地，上述动力电池模型在线参数的辨识方法中，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：