一种基于改进初值带遗忘因子递推最小二乘法的锂电池参数辨识方法技术

本发明专利技术公开了一种基于改进初值带遗忘因子递推最小二乘法的锂电池参数辨识方法。该方法包括建立锂电池二阶戴维宁等效电路模型；通过HPPC工况确定各参数与SOC的函数关系，通过间歇恒流放电工况确定开路电压与SOC的函数关系；测量初始开路电压获得初始的SOC；将初始SOC带入参数拟合表达式得到此SOC对应的参数值；将各参数反带入递推公式得到改进初值带遗忘因子递推最小二乘法的初值；最后采用改进初值带遗忘因子递推最小二乘法进行参数辨识。本发明专利技术解决了带遗忘因子递推最小二乘法的初值选取困难的问题，提高了参数辨识的精度，具有实用意义。实用意义。实用意义。

【技术实现步骤摘要】
一种基于改进初值带遗忘因子递推最小二乘法的锂电池参数辨识方法


[0001]本专利技术涉及锂电池领域，尤其涉及锂电池的参数辨识方法

技术介绍

[0002]目前，可再生能源与电动汽车的发展已经成为能源领域的亮点。其中，电池储能技术在电动汽车领域有广阔的发展前景。锂电池是电动汽车的核心装置，它具有高能量密度、长循环寿命、安全可靠、适应性强，没有记忆效应等优点而被广泛使用。锂电池内部状态的估计需要准确的模型，通常采用等效电路模型描述电池的电化学过程。
[0003]锂电池参数辨识算法决定了辨识精度。常用的参数辨识方法主要有电路分析法(CA)、粒子群算法(PSO)、遗传算法(GA)和递推最小二乘算法(RLS)。电路分析法是离线辨识方法，计算简单，但是不能实时辨识参数并且参数辨识精度较低。粒子群算法辨识精度比较高，但是需要对参数进行反复辨识，计算速度慢，计算结果与初始粒子的选取有关。遗传算法对电池进行参数辨识的效果较好，但其迭代次数过多，算法复杂、计算量大，且结果对于初始种群的依赖度较高。RLS 算法辨识精度高，可以进行在线辨识，但是随着协方差矩阵的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进初值带遗忘因子递推最小二乘法的锂电池参数辨识方法，主要包括以下步骤：步骤1：建立锂电池二阶戴维宁等效电路模型；步骤2：通过HPPC工况确定各参数与SOC的函数关系，通过间歇恒流放电工况确定开路电压与SOC的函数关系；步骤3：测量初始开路电压获得初始的SOC；步骤4：将初始SOC带入参数拟合表达式得到此SOC对应的参数值；步骤5：将各参数反带入递推公式得到改进初值带遗忘因子递推最小二乘法的初值；步骤6：采用改进初值带遗忘因子递推最小二乘法进行参数辨识。2.根据权利1所述的一种基于改进初值带遗忘因子递推最小二乘法的锂电池参数辨识方法，其特征在于：步骤1所建立的锂电池二阶戴维宁等效电路模型的参数包括R0、R1、R2、C1、C2以及开路电压U
oc
。3.根据权利1所述的一种基于改进初值带遗忘因子递推最小二乘法锂电池参数辨识方法，其特征在于：步骤2中通过HPPC工况确定各参数与SOC的函数关系，通过间歇恒流放电工况确定开路电压与SOC的函数关系；步骤2.1：HPPC工况：(1)对电池进行恒流恒压充电至满容量并充分静置；(2)以1C电流脉冲放电，持续时间10s；放电结束后静置40s。(3)以1C电流脉冲充电，持续10s，充电后静置3min；(4)以0.5C电流恒流放电12min，使SOC降低10％，放电结束后静置20min。(5)循环步骤(1)～(4)，直到SOC降到10％以下。步骤2.2：通过HPPC工况求得SOC每变化10...

【专利技术属性】
技术研发人员：王文，史华泽，黎隆基，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：