【技术实现步骤摘要】
一种基于变遗忘因子在线参数辨识和SOC联合估计方法
[0001]本专利技术涉及锂电池荷电状态估计领域,具体来说是一种基于变遗忘因子在线参数辨识和SOC联合估计方法。
技术介绍
[0002]随着科技的进步,为了顺应可持续发展的时代理念,寻求清洁绿色能源代替传统化石能源成为全球共识;因此电动汽车得到快速发展,而锂电池作为电动汽车能源核心,对锂电池的监控不仅可以保障汽车运行安全,而且可以有效提高电池寿命。
[0003]目前,锂电池SOC估计主要有传统基于电池特性方法、基于数据驱动的方法、基于电池模型和观测器技术的方法,基于模型和观测器技术方法研究的最为广泛,主要采用的锂电池的等效电路模型结合卡尔曼滤波技术估计电池SOC,该方法电池模型参数通常是离线情况下通过优化算法辨识得到,离线参数辨识得到的模型精度较高,但是并不契合锂电池工作过程体现的特性,在复杂工况下,随着电流的剧烈变化,电池参数会发生变化,若还以离线辨识的模型估计SOC误差就会增大,因此在线参数辨识必不可少。
[0004]目前在线参数辨识,主要包括双卡尔曼滤波算法,递推最小二乘法系列,针对遗忘因子递推最小二乘法的遗忘因子不能随着工况变化而变化,采用变遗忘因子递推最小二乘法对电池模型进行在线参数辨识,结合扩展卡尔曼滤波算法估计电池SOC,提高复杂工况下电池模型和SOC估计精度。
技术实现思路
[0005]针对现有技术的不足,本专利技术提出了一种基于变遗忘因子在线参数辨识和SOC联合估计方法。
[0006]本专利技术所采用的技术方
【技术保护点】
【技术特征摘要】
1.一种基于变遗忘因子在线参数辨识和SOC联合估计方法,主要包括以下步骤:S1:建立锂电池二阶等效电路模型;S2:确定等效电路各参数与SOC的函数关系,建立基于锂电池在线参数的状态空间方程;S3:初始化SOC状态变量和参数状态变量,微观时间尺度下,用扩展卡尔曼滤波算法估计锂电池SOC;S4:当锂电池SOC估计达到预设时间后,切换为宏观时间尺度,用变遗忘因子递推最小二乘法辨识等效电路参数;S5:更新锂电池等效电路参数和状态空间方程,返回S3进行下一轮计算。2.根据权利要求1所述的一种基于变遗忘因子在线参数辨识和SOC联合估计方法,其特征在于:S1所建立的锂电池二阶等效电路模型为整数阶等效电路模型,其电路参数包括欧姆内阻R0,极化电阻R1、R2,极化电容C1、C2。3.根据权利要求1所述的一种基于变遗忘因子在线参数辨识和SOC联合估计方法,其特征在于:S2中,通过脉冲放电实验确定锂电池开路电压U
oc
与SOC的关系:S2.1:以30A的定电流对充满电的电池进行放电,每次放电3min即0.5个SOC值,放电结束后将电池静置2h,记录电池开路电压,重复上述操作20次;S2.2:根据实验测得20组U
oc
与SOC关系的数据点,将SOC作为变量,通过公式(4)对U
oc
与SOC的数据点做八阶拟合,从而得到U
oc
与SOC的函数:y(x)=p1x8+p2x7+p3x6+p4x5+p5x4+p6x3+p7x2+p8x+p9S2.3:根据锂电池等效电路模型与回路电压关系,表示出各参数与SOC的关系:观测方程:U0=U
oc
(SOC)
‑
R0I
‑
U1‑
U2U0为端电压,T
s
为采样时间,Q
n
为电池容量;S2.4:将步骤2.3中方程差分离散化:
S2.5:进一步简化得到:式中输出矩阵结合锂电池参数变化,得到基于锂电池参数的状态空间方程:式中参数状态变量θ=[R
0 R
1 C
1 R
2 C2]
T
,w
k
、v
k
为系统的过程噪声和观测噪声,ρ
k
为模型参数过程噪声。4.根据权利要求3所述的一种基于变遗忘因子在线参数辨识和SOC联合估计方法,其特征在于:基于锂电池参数的状态空间方程,SOC状态变量初始化:x
0,0
=E(x
0,0
),参数状态变量初始值为离线参数辨识结果。5.根据权利要求1所述的一种基...
【专利技术属性】
技术研发人员:卢云帆,邢丽坤,张梦龙,郭敏,
申请(专利权)人:安徽理工大学,
类型:发明
国别省市:
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。