[发明专利]一种考虑非充分激励的锂电池参数在线辨识方法及系统

说明书

本发明公开了一种考虑非充分激励的锂电池参数在线辨识方法及系统，包括：基于电路理论，建立锂电池RC等效电路模型的动态方程，并在动态方程中引入电池端电压的测量噪声项；将动态方程离散化，得到离散方程，并转换成回归形式，采用电池内部电压损耗的后验误差信息表示电池端电压的测量噪声，构建得到锂电池的ARMAX模型；根据实时采集的电池充放电电流和端电压，采用基于方向遗忘因子的递推增广最小二乘算法辨识上述ARMAX模型中的锂电池参数值；通过遗忘因子保持算法对参数变化的敏感度，使得算法能够实时追踪参数的变化，且只在有信息激励的方向上进行遗忘，保证算法即使在非充分激励的条件下也保持参数估计的稳定性和准确性。

技术领域

本发明属于电池检测技术领域，更具体地，涉及一种考虑非充分激励的锂电池参数在线辨识方法及系统。

背景技术

锂电池由于其能量密度高，自放电速率低，使用寿命长等优点而被广泛地应用于各种微电网、电动汽车、可再生能源并网等场景中。锂电池通常以串并联结合的方式集结成组来满足各种不同的储能需求，实际使用中，各个电池本身特性不完全相同，电池组内的各电池会出现放电不平衡的情况以及短路风险，轻则引起电池的寿命下降，加剧电池的老化，重则造成电池组自燃，危及人们的生命财产安全。

为了保证电池组的安全运行，提高电池使用寿命，电池管理系统(Battery managesystem,BMS)需要实时监控电池的荷电状态(State of charge,SOC)，一个精确的模型对于BMS准确监控SOC具有重大意义。

目前的电池模型可分为电化学模型和等效电路模型，等效电路模型由于其结构简单，计算简便，参数意义明确而被广泛应用于电池管理系统中。Thevenin模型的结构简单，模型的精度能满足大部分场景所需，因此得到广泛的应用。在现有的锂电池参数辨识方法中，一种方法通过脉冲响应和静置的方式来估算电池内部的参数，但是电池实际工作的放电情况复杂，基于脉冲放电的辨识算法通常要求静置一段时间，在线场景往往不能够满足此条件，难以实时获得电池内部参数。为了能够实现在线辨识，第二种方法通过将一阶RC等效电路建模成ARX(Autoregressive model with exogenous input)模型，不单单考虑单个时刻的信息，而是将多个时刻的信息组成信息矩阵，采用递推最小二乘(recursive leastsquares,RLS)来对参数进行辨识；但是该方法只考虑了等效电路模型中参数不变的情况，由于在电池使用的过程中，模型的参数并不是恒定的，而是时变参数，实际上等效电路模型中的参数并不是固定值，故该方法难以准确的辨识电池动态。为了能够辨识时变参数，第三种方法将一阶RC等效电路建模成ARX，然后基于指数遗忘(Exponential forgetting,EF)的递推最小二乘算法来辨识时变的等效电路系统参数，该算法通过遗忘旧有的信息，通常能有效的跟踪时变参数，而且算法的计算量小，适用于在线算法；但是指数遗忘算法的有效性要求满足充分激励条件，而电池实际工作情况往往并不能满足充分激励。在非充分激励条件下，由于遗忘的作用，基于指数遗忘的最小二乘算法在低激励条件下辨识结果的方差会很大，辨识得出的参数不可靠。除此之外，上述将电池的等效电路模型转化成ARX模型，并将相应的模型误差简化为白噪声来处理的方法，忽略了模型误差的复杂性，只考虑到了当前时刻的测量噪声，而忽略了实际上回归因子中之前时刻的测量噪声也会对参数辨识的准确性造成影响的问题，导致有偏的参数估计。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种考虑非充分激励的锂电池参数在线辨识方法，其目的在于解决现有技术在非充分激励条件不能稳定准确的在线辨识时变的锂电池参数的技术问题。

为实现上述目的，本发明提供了一种考虑非充分激励的锂电池参数在线辨识方法，包括以下步骤：

S1、基于电路理论，建立锂电池RC等效电路模型的动态方程，并在动态方程中引入电池端电压的测量噪声项；