电气模型参数的辨识方法及装置制造方法及图纸

本申请公开了电气模型参数的辨识方法和装置，其方法包括：将混合动力脉冲能力特性HPPC实验数据转化成可识别的数据集；根据预设间隔将数据集分割为多个子数据集；将各子数据集分别分割为阶段数据集；根据各阶段数据集与HPPC实验不同阶段的对应关系，从各阶段数据集确定出各子数据集对应的电气模型参数特征值；根据电气模型参数特征值确定各子数据集对应的电气模型参数；汇总各子数据集对应的电气模型参数，得到电气模型参数。本申请的方法具有自动化、批量化、处理速度快的特点，普适性强，可兼容不同厂家、不同型号的电池系统，显著提供了对电气模型参数的辨别效率；且数据及结果方便管理和维护。方便管理和维护。方便管理和维护。

【技术实现步骤摘要】
电气模型参数的辨识方法及装置


[0001]本申请涉及电池系统制造
，具体涉及一种电气模型参数的辨识方法及装置。

技术介绍

[0002]在汽车电动化、电化学储能应用越来越广泛的时代背景下，锂离子动力电池得到快速推广应用，其中电池的荷电状态值(State of Charge,SOC)的评估愈发显得重要，基于电池电气模型的卡尔曼滤波算法逐渐成为SOC计算的主流算法，而电池系统的电气模型参数的获得是该算法实现的基本前提。
[0003]以戴维南模型二阶RC电路为例，电池系统的电气模型参数通常通过混合动力脉冲能力特性(Hybrid Pulse Power Characteristic，HPPC)实验获取，HPPC实验会产生海量的实验数据，通常以Excel文档方式存储。
[0004]在一些方案中，从上述的Excel文档中辨识出SOC计算时所需要的参数，通常采用人工的方式，由于数据量极大，人工通过excel表格提取参数极其困难，如工作量巨大，高重复性，耗时久，以8个样本为例，完成高温、常温、低温下各一次充放电过程中的参数辨识需要对48个样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电气模型参数的辨识方法，其特征在于，包括：将混合动力脉冲能力特性HPPC实验数据转化成可识别的数据集；根据预设间隔将所述数据集分割为多个子数据集；将各所述子数据集分别分割为阶段数据集，所述阶段数据集包括HPPC实验的静置阶段数据集、充/放电阶段数据集和静置恢复阶段数据集；根据各所述阶段数据集与HPPC实验不同阶段的对应关系，从各所述阶段数据集确定出各所述子数据集对应的电气模型参数特征值；根据所述电气模型参数特征值确定各子数据集对应的电气模型参数；汇总所述各子数据集对应的电气模型参数，得到电气模型参数。2.根据权利要求1所述的方法，其特征在于，还包括：汇总并分析对一个电池系统进行多次平行的HPPC实验获得的电气模型参数，得到所述电池系统的电气模型参数典型值。3.根据权利要求1所述的方法，其特征在于，所述方法是基于python语言的pandas数据分析包实现的；所述将混合动力脉冲能力特性HPPC实验数据转化成可识别的数据集包括：读取存储有HPPC实验数据的Excel表中目标sheet中的数据；提取所述目标sheet中的目标列和目标行的数据；将所述目标列和目标行的数据转化为DataFrame类型的数据集。4.根据权利要求1所述的方法，其特征在于，所述预设间隔为HPPC实验中，进行充/放电的SOC间隔；所述根据预设间隔将所述数据集分割为多个子数据集包括：根据所述SOC间隔将所述数据集分割为多个子数据集。5.根据权利要求1所述的方法，其特征在于，所述子数据集包括HPPC实验的各阶段起始工步序号，所述各阶段起始工步序号分别对应HPPC实验的静置阶段、充/放电阶段和静置恢复阶段；所述将各所述子数据集分别分割为阶段数据集包括：根据所述各阶段起始工步序号将所述各所述子数据集分别分割为静置阶段数据集、充/放电阶段数据集和静置恢复阶段数据集。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：赵腾起，任展辉，陈顺达，
申请(专利权)人：智光研究院广州有限公司，
类型：发明
国别省市：