一种基于证据理论的动力电池多模型容错融合建模方法技术

本发明专利技术提供了一种基于证据理论的动力电池多模型容错融合建模方法，通过选用三种以上的等效电路分别对锂离子动力电池进行初步建模，相对现有的只采用单一模型的方法，在所需先验信息较少的前提下，使模型的融合效果和鲁棒性得到了显著提高，依托于适合的参数辨识方法对各模型分别完成参数辨识，并在城市道路工况下分析不同模型精度。最后，基于D

【技术实现步骤摘要】
一种基于证据理论的动力电池多模型容错融合建模方法


[0001]本专利技术属于动力电池建模
，具体涉及一种基于证据理论的动力电池多模型容错融合建模方法。

技术介绍

[0002]在动力电池管理与使用过程中，对电池的一些关键参数进行精确的监测与分析，是准确制定充放电控制、均衡管理、安全管理与故障诊断等策略的关键环节。现阶段，对于电池的SoC、SOH等重要参数，尚无法实现直接测量，只能通过传感器监控到的电流、电压和温度数据进行计算或者估计。譬如对于SoC实现估计的现有技术大致可以划分为四类：安时积分法法、OCV查表法、数据驱动法和基于模型的方法，其中基于模型的方法在目前居于主流地位，所建模型的性能也直接影响着对动力电池进行管理的效果。现有的动力电池建模方法大多基于单一模型，并在某一个动态工况、温度等条件下仿真和实验验证，对于动力电池全寿命周期和全工作环境下的状态考虑往往偏离客观情况，而对于某些采用了多模型融合的建模方法，也存在着对经验数据依赖性较高、无法描述电池内部动态特性、适用范围有限且误差较大等缺点。

技术实现思路

[0003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于证据理论的动力电池多模型容错融合建模方法，其特征在于，具体包括以下步骤：步骤一、在实验环境下，利用电池测试系统采集锂离子动力电池的电流和电压数据；步骤二、针对锂离子动力电池建立三种以上等效电路模型，其中各模型的输出状态量包括电池端电压；利用所述电池的电流和电压数据对各等效电路模型进行参数辨识；步骤三、在城市道路工况下，采集锂离子动力电池的电流和电压数据并输入完成参数辨识的各等效电路模型，输出相应的端电压预测值；步骤四、根据城市道路工况下电池端电压预测值与实测值之间的偏差，利用D
‑
S(Dempster
–
Shafer)证据理论计算各模型的基本可信度函数并确定信度函数，针对不同时段和不同SOC区间段为各模型分配相应的加权值；对各模型加权融合完成对锂离子动力电池的建模；步骤五、以当前加权融合模型作为下一阶段初始模型，实现对模型的定期持续更新。2.如权利要求1所述的方法，其特征在于：所述步骤二中分别利用Rint模型、Thevenin模型和降维电化学机理模型，针对锂离子动力电池建立等效电路模型。3.如权利要求1所述的方法，其特征在于：所述步骤三中参数辨识方法可采用：卡尔曼滤波、H无穷卡尔曼滤波、遗传算法、粒子群算法、递推最小二乘算法、最小均方根算法。4.如权利要求2所述的方法，其特征在于：所述步骤四具体包括：针对城市道路工况下采集锂离子动力电池的端电压实测值...

【专利技术属性】
技术研发人员：汤爱华，张东阳，张志刚，龚鹏，谢燚，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：