电池模型的参数的确定方法和装置、存储介质、计算机设备制造方法及图纸

本发明专利技术实施例提供了一种电池模型的参数的确定方法和装置、存储介质、计算机设备，电池模型的参数的确定方法包括：对电池模型的电压和电流进行采样；根据电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据差值确定电池模型的参数。本发明专利技术实施例提供的技术方案能够快速准确地确定电池模型参数。

Determination method and device of parameters of battery model, storage medium and computer equipment

【技术实现步骤摘要】
电池模型的参数的确定方法和装置、存储介质、计算机设备
本专利技术涉及能源领域，尤其涉及一种电池模型的参数的确定方法和装置、存储介质、计算机设备。
技术介绍
传统能源的日益枯竭和世界环境污染的加剧，促使各国都在大力发展新能源产业，如可再生能源发电、电力系统储能等。而储能技术作为新能源产业的核心领域也得到了各国政府的大力支持，其中电池储能凭借适用场景广阔、能量密度高、稳定性高、低损耗等优点成为应用最广泛的储能手段。电池储能系统是一种典型的黑箱系统，在使用或研究过程中，需要借助能够准确反映其工作状态和特性的模型进行分析。常用的电池模型有等效电路模型和电化学模型，而等效电路模型中的Thevenin模型能够很好的模拟电池性能，而且结构简单，因此被广泛应用于电池的研究和分析中。但是，电池模型参数无法直接测量得到，为保证研究和分析的可靠性以及电池模型本身的安全，需要一种准确快速的方法辨识出电池模型参数。传统的电池模型参数辨识方法主要有最小二乘法、卡尔曼滤波法、神经网络法、遗传算法和粒子滤波法等，但是这些方法均无法实现电池开路电压(OpenCircuitVoltage，OCV)的在线辨识。OCV是估算SOC、SOH等指标的重要参数。目前OCV的获取方法主要还是通过长时静置法、小电流充放法、恒流充放电间歇法等方法测量，这些方法均非常耗时，而且无法获得电池在线状态的OCV实时数据。准确的辨识OCV，可实现高精度的SOC、SOP和SOH的实时在线辨识，保证电池的安全运行。目前需要一种的方法，快速准确地确定电池模型参数。
技术实现思路
有鉴于此，本专利技术实施例提供了一种电池模型的参数的确定方法和装置、存储介质、计算机设备，用以快速准确地确定电池参数。本专利技术实施例提供了一种电池模型的参数的确定方法，所述方法包括：对电池模型的电压和电流进行采样；根据所述电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据所述差值确定所述电池模型的参数。进一步地，所述方法还包括：确定所述电池模型的参数的初始值，所述根据所述电流的采样值预测电压值，包括：根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值。进一步地，所述电池模型的参数包括：欧姆内阻、电池开路电压、极化电阻和极化电容。进一步地，所述根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值，包括：根据所述电流的采样值、所述欧姆内阻的初始值、所述电池开路电压、所述极化电阻和所述极化电容的初始值预测电压值。进一步地，所述根据所述差值确定所述电池模型的参数，包括：根据所述差值确定所述参数的修正系数；根据所述修正系数对所述参数进行修正；将修正后的参数作为所述电池模型的参数。本专利技术实施例提供了一种电池模型的参数的确定装置，所述装置包括：采样单元，用于对电池模型的电压和电流进行采样；预测单元，用于根据所述电流的采样值预测电压值；计算单元，用于计算预测的电压值和采样得到的电压值之间的差值；第一确定单元，用于根据所述差值确定所述电池模型的参数。进一步地，所述装置还包括：第二确定单元，用于确定所述电池模型的参数的初始值，所述预测单元用于：根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值。进一步地，所述电池模型的参数包括：欧姆内阻、电池开路电压、极化电阻和极化电容。进一步地，所述预测单元用于：根据所述电流的采样值、所述欧姆内阻的初始值、所述电池开路电压、所述极化电阻和所述极化电容的初始值预测电压值。进一步地，所述第一确定单元包括：第一确定子单元，用于根据所述差值确定所述参数的修正系数；修正子单元，用于根据所述修正系数对所述参数进行修正；第二确定子单元，用于将修正后的参数作为所述电池模型的参数。本专利技术实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的方法。本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现上述方法的步骤。在本专利技术实施例中，对电池模型的电压和电流进行采样；根据电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据差值确定电池模型的参数，达到了快速准确地确定电池模型参数的效果。【附图说明】为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例提供的Thevenin模型的示意图；图2是本专利技术实施例提供的一种基于模型参考自适应控制理论的结构图；图3是本专利技术实施例提供的一种电池模型的参数的确定方法的流程图；图4是本专利技术实施例提供的一种电池模型的参数的确定方法的流程图；图5是本专利技术实施例提供的一种电池模型的参数的确定装置的示意图；图6是本专利技术实施例提供的一种计算机设备的示意图。【具体实施方式】为了更好的理解本专利技术的技术方案，下面结合附图对本专利技术实施例进行详细描述。应当明确，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。本专利技术实施例提出了一种电池模型的参数的确定方法，该方法基于模型参考自适应控制理论，把OCV独立地表达在模型输出方程里，从而实现了Thevenin模型(请参见图1)参数的辨识。本方法适用于任意电池的Thevenin模型参数的在线或离线辨识。请参见图1，VO为电池的开路电压，R0是欧姆内阻，RP是极化内阻，CP为极化电容。系统状态方程：其中VP为极化电压，y为电池端电压，I为电流，a和b为系统参数，与极化电阻和极化电容的关系如下：其中电池端电压y和电流I可直接测量得到，a、b、V0、R0为待辨识参数，定义待辨识系统的参数矩阵为θ。θ＝[abR0Vo]T(3)选取基于模型参考自适应控制理论的参数辨识方法，图2为基于模型参考自适应控制理论的参数辨识结构图。其中待辨识系统为以公式(1)表达的实际电池Thevenin模型；参考模型和待辨识系统具有相同的结构和输入，其状态方程为定义参考模型的参数矩阵为θmθm＝[ambmRmVom]T(5)e(t)为待辨识系统的输出与参考模型输出的误差，e(t)＝y(t)-ym(t)(6本文档来自技高网...

【技术保护点】
1.一种电池模型的参数的确定方法，其特征在于，所述方法包括：/n对电池模型的电压和电流进行采样；/n根据所述电流的采样值预测电压值；/n计算预测的电压值和采样得到的电压值之间的差值；/n根据所述差值确定所述电池模型的参数。/n

【技术特征摘要】
1.一种电池模型的参数的确定方法，其特征在于，所述方法包括：
对电池模型的电压和电流进行采样；
根据所述电流的采样值预测电压值；
计算预测的电压值和采样得到的电压值之间的差值；
根据所述差值确定所述电池模型的参数。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述电池模型的参数的初始值，
所述根据所述电流的采样值预测电压值，包括：
根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值。


3.根据权利要求2所述的方法，其特征在于，所述电池模型的参数包括：欧姆内阻、电池开路电压、极化电阻和极化电容。


4.根据权利要求3所述的方法，其特征在于，所述根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值，包括：
根据所述电流的采样值、所述欧姆内阻的初始值、所述电池开路电压、所述极化电阻和所述极化电容的初始值预测电压值。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述差值确定所述电池模型的参数，包括：
根据所述差值确定所述参数的修正系数；
根据所述修正系数对所述参数进行修正；
将修正后的参数作为...

【专利技术属性】
技术研发人员：孙力，井元彬，林鹏，金鹏，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京;11