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个样本进行1008次HPPC实验数据处理分析，人工提取数据不够客观，且容易出错，影响SOC计算结果的准确性；另有一些诸如利用Matlab进行数据处理的手段，不能够兼容不同厂家、不同信号、不同种类的电池系统，需要针对不同的电池系统进行计算逻辑的设计，普适性差。
[0005]需要说明的是，这里的陈述仅提供与本申请有关的背景信息，而不必然地构成现有技术。

技术实现思路
r/>[0006]鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的电气模型参数的辨识方法及装置。
[0007]依据本申请的第一方面，提供了一种电气模型参数的辨识方法，包括：
[0008]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；
[0009]根据预设间隔将数据集分割为多个子数据集；
[0010]将各子数据集分别分割为阶段数据集，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；
[0011]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；
[0012]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；
[0013]汇总各子数据集对应的电气模型参数，得到电气模型参数。
[0014]可选的，上述的方法还包括：
[0015]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
电池系统的电气模型参数典型值。
[0016]可选的，上述方法是基于python语言的pandas数据分析包实现的；
[0017]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：
[0018]读取存储有HPPC实验数据的Excel表中目标sheet中的数据；
[0019]提取目标sheet中的目标列和目标行的数据；
[0020]将目标列和目标行的数据转化为DataFrame类型的数据集。
[0021]可选的，在上述的方法中，预设间隔为HPPC实验中，进行充/放电的SOC间隔；
[0022]根据预设间隔将数据集分割为多个子数据集包括：
[0023]根据SOC间隔将数据集分割为多个子数据集。
[0024]可选的，在上述的方法中，子数据集包括HPPC实验的各阶段起始工步序号，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；
[0025]将各子数据集分别分割为阶段数据集包括：
[0026]根据各阶段起始工步序号将各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。
[0027]可选的，在上述的方法中，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包括：
[0028]对各阶段数据集进行以下的至少一项：索引、切片、判断、求取平均值，得到各子数据集对应的直流内阻特征值、开路电压特征值、二阶RC电路特征值。
[0029]可选的，在上述的方法中，根据电气模型参数特征值确定所述电气模型参数包括：
[0030]根据直流内阻特征值确定直流内阻值；
[0031]根据开路电压特征值确定开路电压值；
[0032]对二阶RC电路特征值进行曲线拟合，确定RC参数值，RC参数值包括：第一电阻值、第一电容值、第二电阻值、第二电容值。
[0033]依据本申请的第二方面，提供了一种电气模型参数的辨识方法，包括：
[0034]将电气模型参数输入至卡尔曼滤波算法的电气模型中，以确定电池系统的荷电状态值；其中，电气模型参数是根据上述任一的方法确定的。
[0035]依据本申请的第三方面，提供了一种电气模型参数的辨识装置，包括：
[0036]转化单元，用于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；
[0037]分割单元，用于根据预设间隔将数据集分割为多个子数据集；用于将各子数据集分别分割为阶段数据集，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；
[0038]参数确定单元，用于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；用于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；
[0039]汇总单元，用于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。
[0040]可选的，汇总单元，还用于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，得到电池系统的电气模型参数典型值。
[0041]可选的，上述装置是基于python语言的pandas数据分析包实现的；转化单元，用于读取存储有HPPC实验数据的Excel表中目标sheet中的数据；提取目标sheet中的目标列和
目标行的数据；将目标列和目标行的数据转化为DataFrame类型的数据集。
[0042]可选的，在上述的装置中，预设间隔为HPPC实验中，进行充/放电的SOC间隔；分割单元，用于根据SOC间隔将数据集分割为多个子数据集。
[0043]可选的，在上述的装置中，子数据集包括HPPC实验的各阶段起始工步序号，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；分割单元，用于根据各阶段起始工步序号将各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。
[0044]可选的，在上述的装置中，参数确定单元，用于对各阶段数据集进行以下的至少一项：索引、切片、判断、求取平均值，得到各子数据集对应的直流内阻特征值、开路电压特征值、二阶RC电路特征值。
[0045]可选的，在上述本文档来自技高网...

【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：