一种动力电池的分数阶KiBaM模型参数辨识方法及系统技术方案
【技术实现步骤摘要】
一种动力电池的分数阶KiBaM模型参数辨识方法及系统
本专利技术属于动力电池建模领域，尤其涉及一种动力电池的分数阶KiBaM模型参数辨识方法及系统。
技术介绍
随着世界技术的革新，面临石油消耗的危机和大气环境污染的加剧，增加了对混合动力汽车、纯电动汽车、燃料电池汽车等电动汽车研发的投入与政策的扶持力度成为各国能源发展战略的重要举措。在新能源发展体系中，动力电池作为电动汽车动力系统、光伏电站和储能电站能源存储的关键部分，如何更好降低动力电池的生产成本，延长动力电池寿命和充分使用电池可用容量便成为了当前的研究热点。电池荷电状态估计是电动汽车车用动力电池系统研究的难点之一，电池剩余电量估算的精度直接关系到电动汽车的使用性能，而电池模型的建立是电池荷电状态估计的基础。电池模型描述了电池内部状态变量与外部特性之间的特定关系，准确的电池荷电状态估计是需要建立一个有效的电池模型作为保障的。现有常用的动力电池模型有两种：无量纲的电化学模型和有量纲的等效电路模型。电化学模型对应电池内部微观尺度的动力学信息，即使应用首性原理(firstprinciple)仍很难与电压、电流等外特性量...
【技术保护点】
一种动力电池的分数阶KiBaM模型参数辨识方法，所述动力电池的分数阶KiBaM模型由一个非线性静态环节与线性动态环节串联构成；线性动态环节为动力的电池时间常数构成的线性参数向量，非线性静态环节为动力电池的非线性放电特性相关的非线性参数向量；其特征在于，所述动力电池的分数阶KiBaM模型参数辨识方法包括：步骤1：初始化线性参数向量，利用迭代学习辨识方法来辨识所述分数阶KiBaM模型的分数阶阶次，得到分数阶阶次初值，由此辨识非线性参数向量；步骤2：利用辨识的非线性参数向量，再结合分数阶阶次，辨识线性参数向量，进而确定出动力电池的分数阶KiBaM模型；步骤3：采集动力电池的实际输...
【技术特征摘要】
1.一种动力电池的分数阶KiBaM模型参数辨识方法，所述动力电池的分数阶KiBaM模型由一个非线性静态环节与线性动态环节串联构成；线性动态环节为动力的电池时间常数构成的线性参数向量，非线性静态环节为动力电池的非线性放电特性相关的非线性参数向量；其特征在于，所述动力电池的分数阶KiBaM模型参数辨识方法包括：步骤1：初始化线性参数向量，利用迭代学习辨识方法来辨识所述分数阶KiBaM模型的分数阶阶次，得到分数阶阶次初值，由此辨识非线性参数向量；步骤2：利用辨识的非线性参数向量，再结合分数阶阶次，辨识线性参数向量，进而确定出动力电池的分数阶KiBaM模型；步骤3：采集动力电池的实际输出，计算并判断所确定的动力电池的分数阶KiBaM模型输出与采集的动力电池实际输出偏差的范数是否达到最小值，若是，则结束辨识，得到动力电池的分数阶KiBaM模型的最优参数；否则，返回步骤1。2.如权利要求1所述的一种动力电池的分数阶KiBaM模型参数辨识方法，其特征在于，在所述步骤1中，利用最小二乘辨识方法辨识非线性参数向量。3.如权利要求1所述的一种动力电池的分数阶KiBaM模型参数辨识方法，其特征在于，在所述步骤2中，利用最小二乘辨识方法辨识线性参数向量。4.一种动力电池的分数阶KiBaM模型参数辨识系统，所述动力电池的分数阶KiBaM模型由一个非线性静态环节与线性动态环节串联构成；线性动态环节为动力的电池时间常数构成的线性参数向量，非线性静态环节为动力电池的非线性放电特性相关的非线性参数向量；其特征在于，所述动力电池的分数阶KiBaM模型参数辨识系统包括：非线性参数向量辨识模块，其用于初始化线性参数向量，利用迭代学习辨识方法来辨识所述分数阶KiBaM模型的分数阶阶次，得到分数阶阶次初值，由此辨识非线性参数向量；线性参数向量辨识模块，其用于利用辨识的非线性参数向量，再结合分数阶阶次，辨识线性参数向量，进而确定出动力电池的分数阶KiBaM模型；模型最优参数获取模块，其用于采集动力电池的实际输出，计算并判断所确定...
【专利技术属性】
技术研发人员：李岩，赵阳，张承慧，段彬，周忠凯，李泽元，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。