一种基于分数阶模型的动力电池系统健康状态估计方法技术方案

本发明专利技术提供了一种基于分数阶模型的动力电池系统健康状态估计方法，其基于分数阶模型获取电池开路电压，并进一步结合容量增量法进行健康状态的在线估计，克服了现有的动力电池寿命评估方法难以实现在线估计电池容量的问题，无需特别对电池进行小电流充放电或长时间静置等操作即可在线获取电池的开路电压，进一步结合容量增量法实现健康状体(SOH)的在线估计，所获取的开路电压也可以用于(SOC)标定。

A method for estimating health state of power battery system based on fractional order model

The present invention provides a method for the estimation of the health state of power battery system based on fractional model, the fractional order model for the open circuit voltage of the cell based on online estimation and further binding capacity increment method to overcome the health status, life evaluation methods for existing power battery to realize on-line estimation of battery capacity, without open circuit voltage especially the battery charge discharge current or long time standing and can operate online access to the battery, further binding capacity increment method to achieve a healthy body (SOH) online estimation, the open circuit voltage (SOC) can also be used for calibration.

【技术实现步骤摘要】
一种基于分数阶模型的动力电池系统健康状态估计方法
本专利技术涉及车载动力电池系统领域，尤其涉及车载动力电池系统的建模与健康状态估计技术。
技术介绍
现有的电池开路电压常用以下两种方式获取：1.近似认为小电流充放电时的电池端电压是开路电压；2.采用充放电后长时间静置的方法获取不同SOC点的开路电压值。然而，以上两种方式对电池充放电电流大小和静置时间的要求均较为苛刻，耗时长导致难以实车应用。传统等效电路模型使用理想电路元件模拟动力电池特性，但这种模型相对于电池内部复杂的化学反应缺少理论支撑，精度不高；交流阻抗模型能从频域角度解析电化学阻抗谱(EIS)，其电路元件电化学意义明确，但难以应用于时域。通过将交流阻抗模型推广为时域的分数阶模型，并结合分数阶微积分理论和基于遗忘因子的最小二乘法(ForgettingFactoralgorithm)可以进行动力电池开路电压的在线辨识。开路电压(OCV)作为锂离子电池的一项重要参数，可以用来估计电池荷电状态(SOC)，同时随着电池健康状态(SOH)退化，开路电压曲线也会发生明显变化，由此衍生出的容量增量法也被广泛应用于评价电池健康状态，预测电池寿命。通过建立IC曲线峰值和电池剩余容量的关系，可以使用在线获取的OCV-SOC曲线进行电池剩余容量估计，识别电池寿命衰退行为，克服现有的动力电池寿命评估方法很难实现在线估计电池容量的缺陷。
技术实现思路
针对上述现有技术中电池开路电压获取方法和等效电路模型的不足，本专利技术提出了一种动力电池系统健康状态估计方法，其基于分数阶模型获取电池开路电压，并进一步结合容量增量法进行健康状态的在线估计。方法具体包括以下步骤：1).建立动力电池系统的分数阶模型，并对所述模型进行离散化处理；2).进行实车数据采集，使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识；3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数。4).使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计。进一步地，所述步骤1)中所述的建立动力电池系统的分数阶模型，并对所述模型进行离散化处理包括如下步骤：(1-1).确定所述分数阶模型及其传递函数；(1-2).对所述传递函数进行反拉氏变换，变换为微分方程；(1-3).计算所述微分方程中的分数阶微分。进一步地，所述步骤(1-1)中确定的所述分数阶模型由一个等效电化学极化内阻Rct并联一个常相位角元件Q1后，与等效欧姆内阻Ri以及电压源OCV串联组成，模型中I代表电流，以充电为正，Vt代表电池端电压。其中，常相位角元件包含大小Q1和微分阶次α两个参数。其阻抗传递函数表达式为其中OCV是电压源的开路电压值，s是拉氏变换的算子；根据基尔霍夫定律以及拉氏变换建立所述分数阶模型的数学表达：得到所述传递函数为：Vt(s)-OCV(s)+RctQ1sα(Vt(s)-OCV(s))＝(Rct+Ri)I(s)+RctRiQ1sαI(s)(3)对所述步骤(1-2)中得到的传递函数进行反拉氏变换，得到微分方程：Vt(t)-OCV(t)+RctQ1D(α)(Vt(t)-OCV(t))＝(Rct+Ri)I(t)+RctRiQ1D(α)I(t)(4)其中，D(α)表示对变量求α次微分，α为有理数：在第k个采样点满足：Vt(k)＝(Rct+Ri)I(k)+RctRiQ1D(α)I(k)+OCV(k)+RctQ1D(α)(OCV(k)-Vt(k))(5)将其整理成矩阵参数矩阵和数据矩阵相乘的形式，即为：进一步地，所述步骤(1-3)中所述微分方程的分数阶微分基于Grunwald-Letnikov定义求解得到：其中，L为自行选取的记忆长度(memorylength)，Ts为采样间隔。进一步地，所述步骤2)中所述的实车数据采集具体包括：在电动汽车运行时，通过动力电池系统中的电池管理系统BMS数据采集器实时采集动力电池单体和动力电池组的电压、电流和温度信息，并存储于相应的存储器，建立完整的动力电池系统处理基础数据源。进一步地，所述步骤2)中的使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识采用以下迭代过程：式中，μ为遗忘因子，yk为模型输出，Φk为数据矩阵，为参数矩阵，KLs,k为算法的增益，PLs,k为状态估计值的误差协方差矩阵。进一步地，采用以下公式实现所述步骤3)中所述的从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数：进一步地，所述步骤4)中所述使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计具体包括如下步骤：(4-1).通过测试建立动力电池的容量保持率与容量增量(IC)曲线峰值的关系；其中，所述容量保持率是指某一老化状态下电池剩余容量与初始容量的比值，所述容量增量曲线是指电量对开路电压值的导数与开路电压值的关系曲线；(4-2).根据采集的所述实车数据获取容量增量曲线及其归一化峰值；(4-3).通过步骤所述(4-1)中建立的容量保持率与容量增量曲线峰值的关系预测电池剩余容量。根据本专利技术所提供的方法使用电动汽车实际运行工况中采集的电压电流数据，结合分数阶微积分理论通过车载计算机进行电池开路电压的在线参数辨识，能够实现无需特别对电池进行小电流充放电或长时间静置等操作即可在线获取电池的开路电压的技术效果。同时，所获取的开路电压可以结合容量增量法实现SOH估计，或用于SOC估计等方面。附图说明图1是基于动力电池分数阶模型的开路电压获取及应用方法，图2是分数阶模型，图3是DST工况的电流激励，图4是端电压相对误差，图5是参数矩阵的辨识结果，图6是开路电压的辨识结果，图7是开路电压实验的电压电流曲线，图8是测试流程图，图9是OCV-SOC拟合结果图，图10是2号电池容量增量曲线与容量保持率的关系图，图11是2号电池归一化容量增量曲线峰值与容量保持率的关系，图12是1号电池的容量保持率估计结果和误差。具体实施方式上述仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，以下结合附图与具体实施方式对本专利技术作进一步的详细说明。本专利技术所提供的动力电池系统健康状态估计方法，如附图1所示，具体包括以下步骤：1).建立动力电池系统的分数阶模型，并对所述模型进行离散化处理；2).进行实车数据采集，使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识；3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数。4).使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计。在本申请的一个优选实施例中，建立动力电池系统的分数阶模型，并结合分数阶微积分理论对所述模型进行离散化处理包括如下步骤：(1-1).确定所述分数阶模型及其传递函数；(1-2).对所述传递函数进行反拉氏变换，变换为微分方程；(1-3).计算所述微分方程中的分数阶微分。在本申请的一个优选实施例中，所述步骤(1-1)中确定的所述分数阶模型如附图2所示，其由一个等效电化学极化内阻Rct并联一个常相位角元件Q1后，与等效欧姆内阻Ri以及电压源OCV串联组成，模型中I代表电流，以充电为正，Vt代表电池端电压。其中，常相位角元件包含大小Q1和微分阶次α两个参数。其阻抗传递函数表达式为其中OCV是电压源的开路电本文档来自技高网...

【技术保护点】
一种动力电池系统健康状态估计方法，其特征在于：具体包括以下步骤：1).建立动力电池系统的分数阶模型，并对所述模型进行离散化处理；2).进行实车数据采集，使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识；3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数；4).使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计。

【技术特征摘要】
1.一种动力电池系统健康状态估计方法，其特征在于：具体包括以下步骤：1).建立动力电池系统的分数阶模型，并对所述模型进行离散化处理；2).进行实车数据采集，使用基于遗忘因子的最小二乘法进行参数矩阵的在线辨识；3).从所述辨识得到的所述参数矩阵中实时提取开路电压和其他阻抗参数；4).使用开路电压曲线结合容量增量法(ICA)进行所述电池系统的健康状态(SOH)估计。2.如权利要求1所述的方法，其特征在于：所述步骤1)中所述的建立动力电池系统的分数阶模型，并对所述模型进行离散化处理具体包括如下步骤：(1-1).确定所述分数阶模型及其传递函数；(1-2).对所述传递函数进行反拉氏变换，变换为微分方程；(1-3).计算所述微分方程中的分数阶微分。3.如权利要求2所述的方法，其特征在于：所述步骤(1-1)中确定的所述分数阶模型由一个等效电化学极化内阻Rct并联一个常相位角元件Q1后，与等效欧姆内阻Ri以及电压源串联组成，模型中I代表电流，以充电为正，Vt代表电池端电压，其中，常相位角元件包含大小Q1和微分阶次α两个参数，其阻抗传递函数表达式为：根据基尔霍夫定律以及拉氏变换建立所述分数阶模型的数学表达：其中OCV是电压源的开路电压值，s是拉氏变换的算子；得到所述传递函数为：(3)Vt(s)-OCV(s)+RctQ1sα(Vt(s)-OCV(s))＝(Rct+Ri)I(s)+RctRiQ1sαI(s)。4.如权利要求3所述的方法，其特征在于：对所述步骤(1-2)中变换为微分方程具体为：Vt(t)-OCV(t)+RctQ1D(α)(Vt(t)-OCV(t))＝(Rct+Ri)I(t)+RctRiQ1D(α)I(t)(4)其中，D(α)表示对变量求α次微分，α为有理数：在第k个采样点满足：Vt(k)＝(Rct+Ri)I(k)+...

【专利技术属性】
技术研发人员：熊瑞，田金鹏，何洪文，孙逢春，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11