[发明专利]一种基于多新息最小二乘算法的锂电池参数辨识方法

摘要

本发明公开了一种基于多新息最小二乘算法的锂电池参数辨识方法。针对在锂电池参数辨识过程中，目前参数辨识方法收敛速度和辨识精度有限，导致不能对锂电池参数进行实时快速跟踪的问题，提出一种锂电池参数辨识方法。该方法基于多新息最小二乘算法，将锂电池辨识模型中标量新息扩展为向量新息或者新息矩阵，在迭代计算过程中可以更充分地利用每一时刻的新息，提高数据利用效率，加速算法收敛，提高参数辨识精度。通过建模与仿真，验证了该方法有效提升锂电池参数辨识收敛速度和辨识精度。

主权项

1.一种基于多新息最小二乘算法的锂电池参数辨识方法，其特征在于：该方法包括以下步骤：(1)采集一定时间内的锂电池端电压、工作电流数据，确定数据总时间断面数k_max；初始化待辨识参数θ和待辨识参数的协方差矩阵P；设k＝1，k表示当前时刻；设定参数辨识终止条件；所述参数辨识终止条件是指遍历所有时刻，即k＝k_max；根据锂电池一阶RC等效电路模型建立锂电池电气量关系；所述待辨识参数θ表示如下：θ＝[a₁,a₂,a₃]^T  (1)式中，a₁,a₂,a₃表示待辨识参数向量的元素；(2)对步骤(1)中锂电池电气量关系进行拉式变换，得到锂电池系统的传递函数，对传递函数进行Z变换，得到该系统的差分方程，表示如下：U(k)＝a₁U(k‑1)+a₂I(k)+a₃I(k‑1)  (6)式中，U(k)、U(k‑1)分别为经过Z变换后的k时刻和k‑1时刻锂电池端口电压；I(k)、I(k‑1)分别为经过Z变换后的k时刻和k‑1时刻锂电池工作电流；(3)根据锂电池差分方程建立锂电池参数辨识的ARX模型(Autoregressive model with eXogenous input)，模型表示如下：式中，y(k)为k时刻ARX模型的输出，为k时刻信息向量，θ为待辨识参数向量；(4)根据步骤(3)所述模型构造锂电池系统标量新息，表示如下：式中，v(k)为k时刻新息，为k‑1时刻待辨识参数向量估计值；(5)根据多新息理论，将步骤(4)所述标量新息扩展为新息向量，表示如下：式中，V(p,k)为k时刻新息向量，p表示新息长度；(6)根据步骤(5)所述新息向量建立锂电池系统多新息最小二乘算法辨识模型：Y(p,k)＝φ^T(p,k)θ(k‑1)+V(p,k)  (10)Y(p,k)＝[y(k),y(k‑1),...,y(y‑p+1)]^T  (11)式中，Y(p,k)表示辨识模型k时刻输出向量；φ^T(p,k)表示k时刻信息矩阵；(7)根据采集到的锂电池端电压、工作电流数据，结合多新息最小二乘算法参数辨识模型对锂电池等效电路参数即待辨识参数θ进行递推辨识，直到满足参数辨识终止条件，得出锂电池待辨识参数θ的辨识结果；(8)根据步骤(7)输出的参数θ的辨识结果求得锂电池电气参数：锂电池的内阻R₀、锂电池极化电阻R₁、锂电池极化电容C，参数辨识结束。