[发明专利]一种电池参数辨识方法及系统

说明书

本发明公开了一种电池参数辨识方法，包括根据电池OCV‑SOC曲线和戴维宁等效电路模型，确定电池端电压误差函数；将电池端电压误差作为预设改进DQN模型的输入，获得电池端电压误差函数的最优遗忘因子；基于最优遗忘因子，利用选权迭代最小二乘法，对电池戴维宁等效电路模型的参数进行辨识。同时公开了相应的系统。本发明采用改进DQN模型优化遗忘因子，通过选权迭代最小二乘法辨识参数，解决了复杂工况下的参数辨识问题，并且提高了辨识精度和鲁棒性。

技术领域

本发明涉及一种电池参数辨识方法及系统，属于电池领域。

背景技术

锂离子电池具有工作电压高、体积小、循环寿命长、自放电率低、无记忆效应等众多优点，已经成为动力储能装置的首选。为了保证电池安全可靠地运行，需要对电池进行健康管理，首先需要实现的就是电池建模。参数辨识算法的好坏直接决定了模型的精确度和鲁棒性。目前最小二乘法应用最多，此外还有极大似然法、预报误差法等，由于电池是时变系统，工况复杂，传统参数辨识不够准确。

发明内容

本发明提供了一种电池参数辨识方法及系统，解决了传统辨识方法不准确的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

一种电池参数辨识方法，包括，

根据电池OCV-SOC曲线和戴维宁等效电路模型，确定电池端电压误差函数；

将电池端电压误差作为预设改进DQN模型的输入，获得电池端电压误差函数的最优遗忘因子；

基于最优遗忘因子，利用选权迭代最小二乘法，对电池戴维宁等效电路模型的参数进行辨识。

根据电池OCV-SOC曲线和戴维宁等效电路模型，确定电池端电压误差函数，具体过程为，

根据电池充放电实验数据，拟合电池OCV-SOC曲线；

根据电池OCV-SOC曲线和戴维宁等效电路模型，构建电池端电压函数；

根据电池端电压函数和实际电池端电压，确定电池端电压误差函数。

改进DQN模型中的行为状态函数等于状态值函数和行为优势差值函数之和；其中，行为优势差值函数等于行为优势函数减去当前状态下所有行为优势函数的均值。

改进DQN模型中的行为状态函数公式为，

其中，Q(s_t,a)为s_t状态时采取a行为的行为状态值，s_t为t时刻状态，a为行为，V(s_t)为状态值，A(s_t,a)为s_t状态时采取a行为的优势值，A(s_t,a′)为s_t状态时采取a′行为的优势值，a′为a行为所引起的下一个状态时采取的行为，A为优势函数数量。

改进DQN模型中，利用时间差分方法对行为状态函数进行更新，求得最优行为状态值矩阵，获得优化后的遗忘因子。

时间差分方法的目标公式为，

Y_t^Q＝R+γmax_aQ(S_t+1,a)

其中，Y_t^Q为时间差分方法的目标，R为奖惩值，γ为衰减因子，Q(S_t+1,a)为s_t+1状态时采取a行为的行为状态值。

基于最优遗忘因子，利用选权迭代最小二乘法，对电池戴维宁等效电路模型的参数进行辨识，具体过程为，