一种基于动态函数改进的多新息最小二乘参数辨识方法技术

本发明专利技术公开了一种基于动态函数改进的多新息最小二乘参数辨识方法：采用递推最小二乘算法对锂电池等效电路模型参数进行辨识，数据利用率低；且当系统脉冲电流变化率较大时，算法的跟踪效果不理想，参数辨识误差较大；为了解决这一问题，将递推最小二乘算法中的标量新息扩展为向量新息，并依据单侧极限思想，引入动态函数对原新息进行权重约束。本发明专利技术通过综合考虑数据利用率和计算复杂度，实现了锂电池等效电路模型参数的高效准确辨识，为锂电池的能源管理提供理论依据，属于新能源测控领域。属于新能源测控领域。

【技术实现步骤摘要】
一种基于动态函数改进的多新息最小二乘参数辨识方法


[0001]本专利技术涉及了一种基于动态函数改进的多新息最小二乘参数辨识方法：采用递推最小二乘算法对锂电池等效电路模型参数进行辨识，当系统脉冲电流变化率较大时，算法的跟踪效果不理想，参数辨识误差较大；为了解决这一问题，将标量新息扩展为向量新息，将数据向量扩展为信息矩阵，通过在线迭代的方式辨识出系统的参数；将单侧极限思想应用于该离散型系统中，通过引入动态函数对原新息进行权重约束；同时考虑噪声对辨识精度的影响，提出了一种基于动态函数改进的多新息最小二乘算法，加快算法收敛速度；该方法是一种基于现代控制理论的锂电池模型参数在线监测方法，属于新能源测控领域。

技术介绍

[0002]近年来，随着电动汽车产业的飞速发展，电池储能技术得到了越来越多的重视，且已经展现出了较高的实际应用价值；锂电池具有能量密度高、循环寿命长、高输出电压和可快速充放电等优点，成为当前应用最为广泛的动力电池。电池的荷电状态（State of Charge, SOC）估算是电池管理系统（Battery Management System, BMS）的基础，其估计精度是判断电池管理系统优劣的重要依据，精确的SOC估算有利于电池的充分、合理使用，延长电池的寿命，并提高电池的安全性；而精确的锂离子电池模型以及精确的参数辨识结果是提高SOC估算精度的前提；因此，提高基于电池等效电路模型的参数辨识精度是提升BMS性能的关键；锂离子电池的参数辨识方法包括离线参数辨识方法以及在线参数辨识方法。离线参数辨识方法一般是从经验角度出发，其优点是可以深入细致的研究电池模型参数之间的具体物理意义，进而研究锂离子电池等效模型各参数之间的耦合关系。在线参数辨识一般是研究者从数学角度出发，所辨识的结果往往物理意义不太明显，但其鲁棒性更高且在线参数辨识的结果往往精度要高于离线参数辨识；最小二乘算法是在线参数辨识的常用方法，该类算法的收敛比较依赖基础参数的设置，即参数初值初始化越接近真实真，算法收敛速度就越快，且算法在参数辨识中易出现数据饱和及数据利用率低等问题，因此迫切需要对传统最小二乘算法的迭代计算过程进行优化。

技术实现思路

[0003]本专利技术所要解决的技术问题是：针对传统最小二乘算法中易出现数据饱和及数据利用率低等问题，提供一种基于动态函数改进的多新息最小二乘参数辨识方法；本专利技术采用的技术方案如下：S1，将递推最小二乘算法中的标量新息扩展为向量新息；S2，依据单侧极限思想，引入动态函数对原新息进行权重约束；进一步的，所述步骤S1中，将递推最小二乘算法中的标量新息扩展为向量新息，提高数据利用率，具体步骤如下：S1
‑
1，根据所选锂电池等效电路模型，得到锂离子电池可用于在线参数辨识的外源性自回归模型如下式所示：
式中，y(k)为系统输出序列；u(k)为系统输入序列；e(k)为零均值高斯白噪声；A(z
‑
1)和B(z
‑
1)为延迟算子多项式，分别为n
a
阶和n
b
阶，其表达式如下；S1
‑
2：计算系统离散传递函数如下式所示；S1
‑
3：将离散传递函数转化为差分方程形式；S1
‑
4：取θ作为模型的系数矩阵，其形式如下；进而获得系统的标量新息如下式所示；式中，为当前时刻的数据向量，为前一时刻系数矩阵的估计值；S1
‑
5：进一步将标量新息进行扩展，扩展后的向量新息如下式所示；式中，n
p
为新息的长度；S1
‑
6：计算多新息最小二乘参数辨识方法的系统输出模型；式中，Y(n
p，
k)为新息修正后的系统输出向量；进一步的，所述步骤S2中，依据单侧极限思想，引入动态函数对原新息进行权重约束，解决了BMS状态突变时参数辨识误差较大的问题，具体步骤如下：S2
‑
1：定义系统输入电流的单侧极限如下式所示：式中，为连续两个步长内的电流单侧变化率；S2
‑
2：判断系统电流变化率大小，如果系统电流变化率较高，即满足以下约束条
件：则改进后的新息矩阵如下式所示：式中，为动态函数中的常数因子；为动态函数中的底数因子，其取值范围为；g(I)为权重约束因子，为避免软调节以及过调节的发生，其值取最佳；为电流变化率的倒数，在电流突变的情况其值为；利用指数函数形式的权重约束因子对方法的收敛速度及调节大小进行自适应干涉，突变初始时的增益较大，可以加快收敛速度，然后减小增益，可以减小收敛速度，从而可以实现动态增益校正；S2
‑
3：进一步可构造动态函数改进后的多新息矩阵和数据矩阵，如下式所示，S2
‑
4：则适用于基于动态函数改进的多新息最小二乘参数辨识方法的模型表示如下式所示；式中，为改进后的新息矩阵；S2
‑
5：构造基于动态函数改进的多新息最小二乘参数辨识方法的迭代循环体；(1) 初始化系数矩阵和协方差矩阵，获取当前端电压和工作电流测量值；(2) 计算基于动态函数改进的多新息最小二乘参数辨识方法的增益矩阵如下所示；式中，K(k)为增益矩阵，P(k
‑
1)为协方差矩阵，为n
p
阶单位矩阵；(3) 更新协方差矩阵如下所示；(4) 更新系数矩阵如下所示；
(5) 迭代体循环直接到结束，基于动态函数改进的多新息最小二乘参数辨识方法辨识锂电池等效电路模型中的全参数；综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术综合考虑数据利用率和计算复杂度，实现了锂电池等效电路模型参数的高效准确辨识；所提出的基于动态函数改进的多新息最小二乘算法，通过将传统参数迭代辨识算法中的标量新息扩展为向量新息，优化了传统递推最小二乘算法中新息的计算迭代方式提高了参数辨识的数据利用率；通过引入动态函数对原新息进行权重约束策略，解决了传统算法可能出现的数据饱和问题以及在系统输入变化巨大时算法收敛速度较慢的问题，为电池管理中模型参数的高准确性及高鲁棒性辨识提供了有益的参考与借鉴。
附图说明
[0004]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图；图1为新息矩阵改进原理框图。
[0005]以上所述仅为本专利技术的较佳实施例而已，并不用以限制本专利技术，凡在本专利技术的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态函数改进的多新息最小二乘参数辨识方法，其特征在于，包括：S1，将递推最小二乘算法中的标量新息扩展为向量新息；S2，依据单侧极限思想，引入动态函数对原新息进行权重约束。2.根据权利要求1所述的一种基于动态函数改进的多新息最小二乘参数辨识方法，其特征在于，...

【专利技术属性】
技术研发人员：时浩添，王顺利，于春梅，杨潇，徐文华，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：