【技术实现步骤摘要】
一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法
本专利技术涉及电池模型参数辨识与SOC估计，特别是涉及一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法。
技术介绍
电池管理系统(BatteryManagementSystem,BMS)需要准确估计电池的各项状态参数，其中荷电状态(StateofCharge,SOC)是BMS中的一项关键状态，SOC对于电池系统的安全与高效应用尤为重要。然而SOC无法直接测量，是BMS设计的难点之一。基于模型的SOC观测器以其高精度和鲁棒性，应用较广，其中基于等效电路模型的状态观测器应用最为广泛，例如基于等效电路模型的卡尔曼滤波法、滑模状态观测器、粒子滤波法等。目前这类方法多基于静态模型，即使用恒定的模型参数。然而模型参数随电池SOC、温度、充放电倍率、电池老化状态等因素影响，不确定性高，基于静态模型的SOC估计精度有待提高。为解决模型参数的不确定性，目前提出了模型参数与SOC联合估计方法，实现了模型的在线自适应，其中模型参数辨识部分大多基于最小二乘方法(Leastsqua
【技术保护点】
1.一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法，其特征在于：包括以下步骤：/nS1.在额定工况下对锂离子电池进行充电至SOC达到100％，进行间歇性放电-静置实验，并拟合确定SOC-OCV关系表达式；/nS2.采用电压传感器和电流传感器，对k时刻的锂离子电池端电压和电流进行实时采集；/nS3.建立电池的等效电路模型和用于模型辨识的离散域回归方程，利用k时刻的端电压值、电流值输入，实现实时的噪声方差估计和模型参数的无偏辨识；/nS4.将k时刻通过S3获得的模型参数对电池模型进行更新，并建立相应的状态空间方程，根据状态空间方程构建状态观测器，将步骤S2中采集的k时刻...
【技术特征摘要】
1.一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法，其特征在于：包括以下步骤：
S1.在额定工况下对锂离子电池进行充电至SOC达到100％，进行间歇性放电-静置实验，并拟合确定SOC-OCV关系表达式；
S2.采用电压传感器和电流传感器，对k时刻的锂离子电池端电压和电流进行实时采集；
S3.建立电池的等效电路模型和用于模型辨识的离散域回归方程，利用k时刻的端电压值、电流值输入，实现实时的噪声方差估计和模型参数的无偏辨识；
S4.将k时刻通过S3获得的模型参数对电池模型进行更新，并建立相应的状态空间方程，根据状态空间方程构建状态观测器，将步骤S2中采集的k时刻电流、端电压值输入至状态观测器，实时估计k时刻的SOC。
2.根据权利要求1所述的一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法，其特征在于：所述步骤S1中，SOC-OCV关系表达式为：
其中Voc为电池开路电压OCV；z为电池SOC；np为拟合多项式阶数，ci为拟合系数。
3.根据权利要求1所述的一种具有噪声免疫特性的电池模型参数辨识与SOC估计方法，其特征在于：所述步骤S3包括以下子步骤：
S301.建立等效电路模型：
CpdVp(t)/dt+Vp(t)/Rp＝I(t)
Vt(t)＝Voc(t)-Vp(t)-I(t)Rs
其中，t为时间，I为负载电流，相应的I(t)为t时刻的负载电流，Vp为极化电压，Vt为路端电压，η为电池的库伦效率，Q为电池的额定容量，Rs、Rp和Cp是待求取的模型参数，具体的说：Rs为欧姆内阻，Rp为极化电阻，Cp为极化电容；
构造用于模型辨识的离散域回归方程：
S302.利用k-1时刻得到的后验SOC估计值和k时刻电流值，通过安时积分计算得到k时刻的SOC先验估计值，并依据拟合确定的SOC-OCV关系式，获得k时刻的OCV先验估计值；
S303.定义待辨识的参数向量θ，且θk＝[akbkT]T，其中ak和bk定义为：ak＝[a1,k]，bk＝[...
【专利技术属性】
技术研发人员：魏中宝，何洪文，胡鉴，丁光林，阮浩凯，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
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。