本申请提供一种电池参数辨识方法及装置，该方法包括：获取集总参数电特性模型和HPPC实验数据；根据集总参数电特性模型和HPPC实验数据进行模型参数辨识，得到辨识参数数据；根据辨识参数数据对集总参数电特性模型进行模型重构，得到重构后的目标模型；对目标模型进行优化，得到优化模型；基于优化模型进行重采样，得到最终的辨识参数。可见，实施这种实施方式，能够在原来辨识的结果上，重新建立点与点之间的联系，从而能够消除函数上的断点，充分保留辨识结果的信息，进而使得模型算法能够更加地稳定和准确。稳定和准确。稳定和准确。
【技术实现步骤摘要】
一种电池参数辨识方法及装置
[0001]本申请涉及汽车电池领域，具体而言，涉及一种电池参数辨识方法及装置。
技术介绍
[0002]目前，电动汽车电池管理系统一般采取集总参数电特性模型进行建模，最常用的是等效电路模型。采取这种建模方式的首要任务是，对模型的参数进行辨识。模型和参数的结合才能得到完整的电池模型。电池模型的特性具有多时间尺度和时变特性，即时间常数随温度及SOC变化。因此实际应用中采用HPPC测试，即在不同的温度、SOC、电流工况下进行测试，采集测试数据，并根据测试数据进行参数辨识，从而得到电池的电特性模型。
[0003]但是，这种办法存在一个不容忽视的缺点，即每组参数的辨识，是在一个个独立的工况下进行的，是在一定的温度、SOC、电流的下进行拟合的。其结果便是，由于测试数据中噪声成分的影响，导致辨识出来的参数往往存在数学意义上的断点，这与现实世界的连续性是矛盾的。依据这样的辨识结果进行的计算，其结果往往无法收敛。
技术实现思路
[0004]本申请实施例的目的在于提供一种电池参数辨识方法及装置，能够在原来辨识的结果上，重新建立点与点之间的联系，从而能够消除函数上的断点，充分保留辨识结果的信息，进而使得模型算法能够更加地稳定和准确。
[0005]本申请实施例第一方面提供了一种电池参数辨识方法，包括：
[0006]获取集总参数电特性模型和HPPC实验数据；
[0007]根据所述集总参数电特性模型和所述HPPC实验数据进行模型参数辨识，得到辨识参数数据；
[0008]根据所述辨识参数数据对所述集总参数电特性模型进行模型重构，得到重构后的目标模型；
[0009]对所述目标模型进行优化，得到优化模型；
[0010]基于所述优化模型进行重采样，得到最终的辨识参数。
[0011]在上述实现过程中，该方法可以优先获取集总参数电特性模型和HPPC实验数据；然后，根据集总参数电特性模型和HPPC实验数据进行模型参数辨识，得到辨识参数数据；再根据辨识参数数据对集总参数电特性模型进行模型重构，得到重构后的目标模型；再后，对目标模型进行优化，得到优化模型；最后，基于优化模型进行重采样，得到最终的辨识参数。可见，实施这种实施方式，能够在原来辨识的结果上，重新建立点与点之间的联系，从而能够消除函数上的断点，充分保留辨识结果的信息，进而使得模型算法能够更加地稳定和准确。
[0012]进一步地，所述根据所述集总参数电特性模型和所述HPPC实验数据进行模型参数辨识，得到辨识参数数据，包括：
[0013]根据所述集总参数电特性模型确定待辨识参数；
[0014]基于所述HPPC实验数据对所述待辨识参数进行辨识，得到辨识参数数据。
[0015]进一步地，所述对所述目标模型进行优化，得到优化模型，包括：
[0016]通过曲线拟合的方式消除所述目标模型的不连续断点，得出函数变量之间的关系和变化趋势；
[0017]根据所述函数变量之间的关系和变化趋势对所述目标模型进行优化，得到优化模型。
[0018]进一步地，所述通过曲线拟合的方式消除所述目标模型的不连续断点，得出函数变量之间的关系和变化趋势，包括：
[0019]通过降维迭代的方式将所述目标模型转化为互相迭代的一元非线性函数簇；
[0020]通过曲线拟合的方式对所述一元非线性函数簇进行拟合，得到拟合数据；
[0021]根据所述拟合数据消除不连续断点，得出函数变量之间的关系和变化趋势。
[0022]本申请实施例第二方面提供了一种电池参数辨识装置，所述电池参数辨识装置包括：
[0023]获取单元，用于获取集总参数电特性模型和HPPC实验数据；
[0024]辨识单元，用于根据所述集总参数电特性模型和所述HPPC实验数据进行模型参数辨识，得到辨识参数数据；
[0025]重构单元，用于根据所述辨识参数数据对所述集总参数电特性模型进行模型重构，得到重构后的目标模型；
[0026]优化单元，用于对所述目标模型进行优化，得到优化模型；
[0027]采样单元，用于基于所述优化模型进行重采样，得到最终的辨识参数。
[0028]在上述实现过程中，该装置可以通过获取单元获取集总参数电特性模型和HPPC实验数据；通过辨识单元来根据集总参数电特性模型和HPPC实验数据进行模型参数辨识，得到辨识参数数据；通过重构单元来根据辨识参数数据对集总参数电特性模型进行模型重构，得到重构后的目标模型；通过优化单元对目标模型进行优化，得到优化模型；通过采样单元来基于优化模型进行重采样，得到最终的辨识参数。可见，实施这种实施方式，能够在原来辨识的结果上，重新建立点与点之间的联系，从而能够消除函数上的断点，充分保留辨识结果的信息，进而使得模型算法能够更加地稳定和准确。
[0029]进一步地，所述辨识单元包括：
[0030]确定子单元，用于根据所述集总参数电特性模型确定待辨识参数；
[0031]辨识子单元，用于基于所述HPPC实验数据对所述待辨识参数进行辨识，得到辨识参数数据。
[0032]进一步地，所述优化单元包括：
[0033]消除子单元，用于通过曲线拟合的方式消除所述目标模型的不连续断点，得出函数变量之间的关系和变化趋势；
[0034]优化子单元，用于根据所述函数变量之间的关系和变化趋势对所述目标模型进行优化，得到优化模型。
[0035]进一步地，所述消除子单元包括：
[0036]转化模块，用于通过降维迭代的方式将所述目标模型转化为互相迭代的一元非线性函数簇；
[0037]拟合模块，用于通过曲线拟合的方式对所述一元非线性函数簇进行拟合，得到拟合数据；
[0038]消除模块，用于根据所述拟合数据消除不连续断点，得出函数变量之间的关系和变化趋势。
[0039]本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的电池参数辨识方法。
[0040]本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的电池参数辨识方法。
附图说明
[0041]为了更清楚地说明本申请实施例的技术方案，下面将对本申请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申请的某些实施例，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。
[0042]图1为本申请实施例提供的一种电池参数辨识方法的流程示意图；
[0043]图2为本申请实施例提供的一种电池参数辨识装置的结构示意图；
[0044]图3为本申请实施例提供的一种二阶等效电路模型的电路结构示意图；
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池参数辨识方法，其特征在于，包括：获取集总参数电特性模型和HPPC实验数据；根据所述集总参数电特性模型和所述HPPC实验数据进行模型参数辨识，得到辨识参数数据；根据所述辨识参数数据对所述集总参数电特性模型进行模型重构，得到重构后的目标模型；对所述目标模型进行优化，得到优化模型；基于所述优化模型进行重采样，得到最终的辨识参数。2.根据权利要求1所述的电池参数辨识方法，其特征在于，所述根据所述集总参数电特性模型和所述HPPC实验数据进行模型参数辨识，得到辨识参数数据，包括：根据所述集总参数电特性模型确定待辨识参数；基于所述HPPC实验数据对所述待辨识参数进行辨识，得到辨识参数数据。3.根据权利要求1所述的电池参数辨识方法，其特征在于，所述对所述目标模型进行优化，得到优化模型，包括：通过曲线拟合的方式消除所述目标模型的不连续断点，得出函数变量之间的关系和变化趋势；根据所述函数变量之间的关系和变化趋势对所述目标模型进行优化，得到优化模型。4.根据权利要求3所述的电池参数辨识方法，其特征在于，所述通过曲线拟合的方式消除所述目标模型的不连续断点，得出函数变量之间的关系和变化趋势，包括：通过降维迭代的方式将所述目标模型转化为互相迭代的一元非线性函数簇；通过曲线拟合的方式对所述一元非线性函数簇进行拟合，得到拟合数据；根据所述拟合数据消除不连续断点，得出函数变量之间的关系和变化趋势。5.一种电池参数辨识装置，其特征在于，所述电池参数辨识装置包括：获取单元，用于获取集总参数电特性模型和HPPC实验数据；辨识单元，用于根据所述集总参数电特性模型和所述HPPC实验数据进行模型参数辨识，...
【专利技术属性】
技术研发人员：陈显楚，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。