一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统技术方案

本发明专利技术涉及一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统。使用自适应权重方法计算不同模型以不同的权重或进行模型工作模式的切换，确保输出的融合模型或选中模型在任意使用条件下均能够以最优模式工作，最终实现对关键参数和性能进行精确、可靠的预测和跟踪，提升控制性能的整体品质。通过深入分析不同电池模型在多工况、多环境、多阶段下的精度、稳定性、计算量和存储空间等性能特点，实现了在线的不断更新的多模型融合建模，解决了现有模型性能难以满足电池系统在全寿命周期和不确定动态工况和环境等内外因素下的精确预测和功能单一无法满足全部使用要求等难题。

【技术实现步骤摘要】
一种基于自适应权重方法的电池多模型融合建模方法和电池管理系统
：本专利技术涉及动力电池管理
，尤其是动力电池系统建模与状态估计领域，本专利技术还涉及电池管理系统。
技术介绍
：动力电池广泛应用于新能源汽车领域，是新能源汽车的核心零部件，同时也是决定新能源汽车使用寿命、安全性和经济性的关键因素。动力电池系统是一类具有强时变非线性非均一特点的动态系统，随着对电池安全、热管理和寿命等问题的日趋重视，准确地获得电池的荷电、能量、健康、安全、峰值功率等状态信息和实时剩余寿命、剩余时间等的预测是电池使用过程中关注的核心问题和电池管理系统的核心功能。因此，往往需要一些特殊的传感器和检测设备去观察电池关键变量的变化，然而由于某些关键质量变量的传感器价格昂贵、可靠性差或者具有很大的测量滞后性等缺点，导致一些重要的过程变量不能实时有效地测量。为了解决这些问题，基于模型的电池管理方法得到广泛发展和使用，其中建立精确的电池仿真模型是实现电池状态估计与预测等功能的核心与前提。现有电池模型按照建立的理论依据的区别，主要可分为电化学原理模型、等效电路模型和经验模型三类。电化学原理模型从电池本质电化学机理的角度分析电池运行过程中的性能变化规律，该类模型在SOH估计、RUL预测、热监控等方面具有一定优势，但模型极为复杂，参数众多，所需计算量大，同时SOC估计方面表现欠佳。等效电路模型通过对大量状态数据的分析，基于系统工作原理搭建电气元件构成的电路模型，对系统动态特性进行等效或近似，该类模型主要用于SOC估计，模型较为简单，计算量小，但难以实现SOH估计、RUL预测和热监控，同时在电池低电荷状态时有失效的趋势。经验模型不考虑锂离子电池内部的电化学反应及工作过程，直接从电池性能测试数据和状态监测数据(电压、电流、温度、阻抗等)挖掘其中隐含的电池状态信息及其演变规律，该类模型在一定程度上可以克服模型动态精度较差及普适性较差的问题，但需要大量数据进行训练，同时易受数据不确定性和不完整性的影响，鲁棒性和适应性较差。可以看出，虽然现有的各种电池模型相关理论已经较为成熟，但各种模型互有优劣，均只能够实现电池管理系统的一部分功能，在其余方面表现差甚至根本无法实现部分功能，或者在某些条件下失效，尚没有一种电池模型在多工况、多环境、多阶段下均能实现电池管理系统所需的全部功能。基于此，本专利技术提出了一种基于自适应权重方法的电池多模型融合建模方法。通过深入分析不同电池模型在多工况、多环境、多阶段下的精度、稳定性、计算量和存储空间等性能特点，使用自适应权重方法赋予不同模型以不同权重或进行模型工作模式的切换，确保输出的融合模型或选中模型在任意使用条件下均能够以最优模式工作，最终实现对关键参数和性能进行精确、可靠的预测和跟踪，提升控制性能的整体品质。本专利技术还提出了使用上述基于自适应权重方法的电池多模型融合建模方法的电池管理系统。
技术实现思路
：本专利技术涉及一种基于自适应权重方法的电池多模型融合建模方法。首先，依据电池系统模型的相关理论，建立多种单一电池模型；其次，依据所述单一模型的特点，为其选取合适的参数辨识方法，利用所获实验数据进行参数辨识；然后，依据已建立的单一电池模型，在多种工况条件下、外界环境下对所述电池模型进行仿真，将仿真值与实验数据进行对比，分析各模型在各条件下的精度、稳定性、鲁棒性等综合性能；最后，依据所述分析，对所建立的模型进行融合，使用自适应算法为各模型在不同条件下赋予不同的权重，确保该条件下占优模型具有更高权重；必要时进行工作模式的切换，确保所述融合模型在任意使用条件下均能够以最优模式工作，最终实现了多工况、多状态下的多状态联合精确估计。优选地，所述电池模型包括并不仅包括：伪二维电化学模型、n阶RC等效电路模型、交流阻抗模型。优选地，所述参数辨识方法包括并不仅包括：卡尔曼滤波、H无穷卡尔曼滤波、遗传算法、粒子群算法、递推最小二乘算法、最小均方根算法。本专利技术还涉及一种电池管理系统，包括：传感器，实时采集电池系统信号，将所述信号输入至各单一电池模型；单一电池模型，所述单一电池模型至少两种，所述各单一电池模型独立完成电池管理系统的至少一类功能，并分别输出状态量；数据中心，接受各状态量，对其归纳整理后输入至融合中心；融合中心，依据环境因素对每一类所述功能确立融合规则；电池状态估计中心,对于每个所述功能，将多个所述状态量按照所述融合规则进行融合，输出该功能的融合后的电池状态估计值。优选地，所述融合后的电池状态估计值反馈至融合中心，融合中心根据电池状态实时对融合规则进行调整。优选地，将融合后的电池状态估计值反馈至各单一电池模型，各单一电池模型依据当前电池状态对各单一电池模型进行调整优选地，所述信号包括电流、端电压、温度的至少一个。优选地，各单一电池模型使用各自的参数辨识方法对当前电池的参数进行辨识，并对当前的电池状态进行估计，分别得到各自的状态量。优选地，环境因素包括当前温度、工况、电池工作区间、电池老化程度中的至少一种或多种。优选地，所述融合规则是对各单一电池模型的每类功能设置权重因子。本专利技术所提出的联合估计方法与传统方法相比具有以下优势：(1)能够实现电池管理系统所需的全部功能，包括并不仅包括SOC估计、SOH估计、剩余寿命预测、电池热失控预测等；(2)适用范围广，在所有工况条件、所有外界环境、所有电池状态下均能够实现电池管理系统所需的全部功能。附图说明：图1动力电池系统多状态联合估计融合模型流程图；图2电化学模型原理示意图；图3为n阶RC等效电路模型示意图；图4遗传算法流程图；图5算例1各模型SOC估计结果；图6算例2各模型端电压仿真结果；具体实施方式：如本领域公知的，本专利技术的动力电池系统包括动力电池单体、动力电池包、或者成组后的动力电池。本专利技术使用OCV代表开路电压，SOC代表电池荷电状态，SOH代表电池健康状态，RUL代表电池剩余寿命，SOE表示电池能量状态，SOP表示电池功率状态。本专利技术的电池管理系统的功能包括但不限于：SOC估计、SOH估计、RUL预测、SOE估计、SOP估计、电池热监控。本专利技术所述的一种动力电池系统多状态联合估计融合模型流程如附图1所示。本专利技术所述的动力电池系统多状态联合估计融合模型的建立方法包括：单一电池模型的建立、单一电池模型参数辨识和状态估计、单一电池模型评价、融合模型的建立四个部分。下面分别对上述四个部分进行详细叙述：1、单一电池模型的建立现有电池模型按照建立的理论依据的区别，主要可分为电化学原理模型、等效电路模型和经验模型三类。对于电池管理系统的不同功能而言，在不同外界条件以及不同工况下，不同模型表现互有优劣。为了得到在任意状态下均能实现电池管理系统所需的全部功能的融合模型，需要建立多个单一电池模型。建立所述融合模型用到的单一电池模型数量越多、种类越全，最终获得的融合模型的性能越全面。所用的单一电池模型种类和数量，可由使用要求、使用条件综合决定。本专利技术以伪二维电化学模型、n阶RC等效电路模型、交流阻抗模型为例，三种模型的具体建立过程如下：步骤①：基于各单一电池模型的理论依据，建立各单一电池模型对应的数学方程，对电池充放电行为进行描述。如图2示出电化学模型原理示意图。放电过程中，锂离子由负极材料粒子中扩散到表面本文档来自技高网...

【技术保护点】
一种基于自适应权重方法的电池多模型融合建模方法，其特征在于：包括步骤①：传感器实时采集所述电池信号；步骤②：将所述信号输入至各单一电池模型，所述单一电池模型至少两种，所述各单一电池模型独立完成电池管理系统的至少一类功能，分别输出状态量；步骤③：将各所述状态量输入至数据中心，数据中心对其处理后输入至融合中心；步骤④：融合中心依据环境因素对每类所述功能确立融合规则；步骤⑤：对于每类所述功能，将各所述状态量按照所述融合规则进行融合，输出该功能的融合后的电池状态估计值。

【技术特征摘要】
1.一种基于自适应权重方法的电池多模型融合建模方法，其特征在于：包括步骤①：传感器实时采集所述电池信号；步骤②：将所述信号输入至各单一电池模型，所述单一电池模型至少两种，所述各单一电池模型独立完成电池管理系统的至少一类功能，分别输出状态量；步骤③：将各所述状态量输入至数据中心，数据中心对其处理后输入至融合中心；步骤④：融合中心依据环境因素对每类所述功能确立融合规则；步骤⑤：对于每类所述功能，将各所述状态量按照所述融合规则进行融合，输出该功能的融合后的电池状态估计值。2.如权利要求1所述的方法，其特征在于：包括步骤⑥：将所述融合后的电池状态估计值反馈至融合中心，融合中心根据电池状态实时对融合规则进行调整。3.如权利要求1所述的方法，其特征在于：包括步骤⑦：将融合后的电池状态估计值反馈至各单一电池模型，各单一电池模型依据当前电池状态对各单一电池模型进行调整。4.如权利要求1至3任一项所述的方法，其特征在于：所述信号包括电流、端电压、温度的至少一个。5.如权利要求1至3任一项所述的方法，其特征在于：各单一电池模型使用各自的参数辨识方...

【专利技术属性】
技术研发人员：熊瑞，李治润，穆浩，杨瑞鑫，何洪文，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11