[发明专利]一种基于信息评估机制的锂电池模型参数辨识方法

说明书

本发明公开了一种基于信息评估机制的锂电池模型参数辨识方法，首先对处于动态工况的动力锂电池进行信息采集，在本实施例中为量测电流及电压；然后，对采集到的信息进行评估，生成评估系数，最后，根据评估系数引导最小二乘更新参数向量及协方差矩阵，对模型中的参数进行辨识。本发明方法能够在对模型参数进行辨识之前，对数据中所包含的信息量进行预评估，从而滤除无效信息对参数辨识的干扰与影响；能够有效缓解传统的递推最小二乘法受激励不充分和量测噪声等问题的干扰，辨识结果容易出现偏差的问题，提高参数辨识的精确度及稳定性；能够以递推的形式实现，所需计算量低，能够适用于电池管理系统。

技术领域

本发明属于动力锂电池应用领域，具体涉及一种基于信息评估机制的锂电池模型参数辨识方法。

背景技术

动力锂电池因具备高能量密度、无记忆效应和低自放电率等多种优势，已经成为了当前电动汽车和固定式储能的重要解决方案，在锂电池的应用中，为确保电池组的工作性能，防止电池过充过放，电池管理系统的地位至关重要。电池管理系统的基本功能包括电池荷电状态的估算，为提高荷电状态估计的准确性和便捷性，基于模型的估计方法通过预先建立电池状态空间方程，利用粒子滤波、卡尔曼滤波等方法，实现对锂电池荷电状态的在线估计。然而，这些基于模型的方法的性能与准确的电池模型的精度性有很大关系。

常用的电池模型包括等效电路模型，电化学模型，数据驱动模型等。其中等效电路模型结构简单，涉及参数少，能够描述电池的动态性能，得到了广泛的研究与应用。

由于等效电路模型的参数随电流倍率、温度、荷电状态等因素变化，因此需要对等效电路模型的参数进行在线辨识。其中，递推最小二乘法所需的计算量小，能够很好的应用于电池管理系统。然而，递推最小二乘法对量测噪声比较敏感，从而降低等效电路模型的精度。此外，递推最小二乘法的性能还会受到电流激励的影响，当电流激励不足时，递推最小二乘法的稳定性显著降低，从而细小的误差也会使参数辨识结果产生较大的偏移。

等效电路模型参数辨识结果与传感器量测得电流电压等信息量直接相关，通过对这些信息进行预评估，将评估结果应用于参数辨识算法中，能够有效降低量测噪声干扰以及激励不充分的影响，从而提高参数辨识算法的稳定性与可靠性。

发明内容

针对现有技术中的上述不足，本发明提供的基于信息评估机制的锂电池模型参数辨识方法通过对用于参数辨识的数据信息进行预估，将其评估系数应用于递推最小二乘法中，以降低无效数据对参数辨识的影响，从而提高动力锂电池模型参数辨识的准确性。

为了达到上述发明目的，本发明采用的技术方案为：一种基于信息评估机制的锂电池模型参数辨识方法，包括以下步骤：

S1、采集处于动态工况的动力锂电池的信息量；

S2、基于采集的信息量，确定锂电池模型的参数辨识信息的评估系数；

S3、基于评估系数的变化趋势，通过最小二乘法对由采集的信息量计算得到的参数向量和协方差矩阵P_k进行更新，初始化参数P_mem和θ_mem，并判断更新后的锂电池模型对应的评估系数是否降低；

若是，则进入步骤S4；

若否，则进入步骤S5；

S4、将参数向量和协方差矩阵P_k分别记忆为参数P_mem和θ_mem，进入步骤S5；

S5、设定参数辨识的时间尺度T_l，并判断当前时间是否达到时间尺度；

若是，则进入步骤S6；

若否，则返回步骤S1；

S6、基于当前的P_mem和θ_mem对锂电池模型参数进行辨识。