[发明专利]全钒液流电池等效电路模型参数识别方法

说明书

本发明涉及全钒液流电池等效电路模型参数识别方法，包含步骤：采集全钒液流电池的开路电压、端电压和电流；获取输入序列和输出序列；计算得到信息向量；计算开始时刻的协方差矩阵的初始值和辨识参数向量的观测值的初始值；引入时变遗忘因子；计算增益向量和协方差矩阵；计算辨识参数向量在当前时间的观测值；计算辨识参数向量中辨识参数的值；计算得到全钒液流电池等效电路模型参数。本发明适用非直线系统参数辨识，拟合结果更加接近实际曲线，辨识结果的波动更小；输出的误差更小，计算精度更高；能迅速跟踪参数变化，收敛速度更高，适于对电池状况进行在线监控。

技术领域

本发明涉及电池等效电路模型参数识别技术领域，具体地涉及全钒液流电池等效电路模型参数识别方法。

背景技术

如今环境污染和能源危机的日益严重，新能源技术的发展已经成为了当下的热门话题，随着新能源的发展，对于储能技术水平的要求也越来越高，通过蓄电池储能可以有效缓解新能源发电带来的问题。因此，发展储能技术至关重要，对于能源的高效利用有着潜在的促进作用，对于解决能源危机是一条可行的道路。

全钒液流电池作为一种大规模储能装置，与目前较为常见的铅酸蓄电池、锂离子电池相比，具有安全性高、循环寿命长、可靠性高、操作和维修费用少等优点。但是，随着全钒液流电池循环次数不断增加，电池老化和离子互混等因素将导致电池容量衰减以及电池内阻的增加，电池的模型参数将发生变化。因此，等效电路模型在线参数辨识技术对提高电池荷电状态估算精度，监测电池健康状态具有重要意义。

当前传统的全钒液流电池在线参数辨识方法普遍采用递推最小二乘法(RLS)，其存在以下缺陷：

1.递推最小二乘法适用于直线拟合，但是全钒液流电池的参数可能会随着时间缓慢变化，导致被拟合的曲线不是直线，从而造成辨识结果易波动。

2.由于辨识结果的波动，会在最终拟合输出上放大，导致计算精度不高。

发明内容

本发明针对上述问题，提供全钒液流电池等效电路模型参数识别方法，更适用于非直线系统的参数辨识，减小辨识结果的波动；减小输出的误差，提高计算精度。

为解决上述问题，本发明提供的技术方案为：

全钒液流电池等效电路模型参数识别方法，适用于在线监测全钒液流电池的等效电路模型参数，包含以下步骤：

S100.在采集时间内按采集频率采集全钒液流电池的开路电压、全钒液流电池的端电压和电流；获取输入序列和输出序列；

S200.根据输入序列和输出序列计算得到信息向量；

S300.计算开始时刻的协方差矩阵的初始值和辨识参数向量的观测值的初始值；所述辨识参数向量包含辨识参数；

S400.引入时变遗忘因子；根据信息向量和时变以往因子计算得到增益向量和协方差矩阵；

S500.计算辨识参数向量在当前时间的观测值，按下式计算：

其中，θ为辨识参数向量，θ＝[m₁ m₂ m₃ m₄ m₅]，m既是辨识向量，也是全钒液流电池等效电路模型的离散表达式的各项式系数，m∈(m₁,m₂,m₃,m₄,m₅)；为在当前时间的辨识参数向量θ的观测值；t为当前时间；为在上一时间辨识参数向量的观测值；L(t)为增益向量；

S600.根据辨识参数向量在当前时间的观测值计算辨识参数向量中辨识参数的值；

S700.根据辨识参数的值计算得到全钒液流电池等效电路模型参数。