一种动力电池的多新息最小二乘在线参数辨识方法技术

本发明专利技术涉及了一种适用于动力电池的多新息最小二乘在线参数辨识方法，包括：将递推最小二乘算法中的标量新息扩展为向量新息，解决当系统脉冲电流变化率较大时，算法的跟踪效果不理想，数据利用率低且参数辨识误差较大的问题；依据单侧极限思想，引入动态函数对原新息进行权重约束，使得新息可自适应匹配系统输入变化率，进而对新息产生不同的权重约束，使得算法的收敛速度更快。本发明专利技术通过综合考虑数据利用率和计算复杂度，实现了动力电池等效电路模型参数的高效准确辨识，为动力电池的能源管理提供理论依据。理提供理论依据。理提供理论依据。

【技术实现步骤摘要】
一种动力电池的多新息最小二乘在线参数辨识方法


[0001]本专利技术属于新能源测控领域，具体涉及一种适用于动力电池的多新息最小二乘在线参数辨识方法。

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]为了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，本专利技术提供了一种适用于动力电池的多新息最小二乘在线参数辨识方法，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。
[0004]本专利技术采用的技术方案如下：
[0005]本专利技术提供了基于上述适用于动力电池的多新息最小二乘在线参数辨识系统的方法，具体包括：
[0006]S1：将递推最小二乘算法中的标量新息扩展为向量新息；
[0007]S2：基于单侧极限思想，引入动态函数对原新息进行权重约束；
[0008]S3：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
[0009]采用上述技术方案，通过将标量新息扩展为向量新息，将数据向量扩展为信息矩阵，提高数据利用率；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，同时引入动态函数对原新息进行权重约束，引入动态函数对原新息进行权重
约束，使得新息可自适应匹配系统输入变化率，进而对新息产生不同的权重约束。解决了BMS状态突变时参数辨识误差较大的问题；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。
[0010]优选的技术方案中，所述步骤S1具体包括：
[0011]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；
[0012]S1
‑
2：基于外源性自回归模型，计算系统离散传递函数；
[0013]S1
‑
3：将离散传递函数转化为差分方程形式；
[0014]S1
‑
4：取θ作为模型的系数矩阵，得到系统的标量新息；
[0015]S1
‑
5：将标量新息进行扩展，得到扩展后的向量新息；
[0016]S1
‑
6：基于多新息最小二乘参数辨识方法的系统输出模型，对扩展后的向量新息进行修正，得到新息修正后的系统输出向量。
[0017]优选的技术方案中，所述步骤S2具体包括：
[0018]S2
‑
1：定义系统输入电流的单侧极限；
[0019]S2
‑
2：基于上述系统输入电流的单侧极限，判断系统电流变化率大小；
[0020]S2
‑
3：如果系统电流变化率较高，即基于变化率约束条件，对新息矩阵进行改进；
[0021]S2
‑
4：基于改进后的新息矩阵，构造动态函数改进后的多新息矩阵和数据矩阵；
[0022]优选的技术方案中，所述步骤S3具体包括：
[0023]S3
‑
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；
[0024]S3
‑
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；
[0025]S3
‑
3更新协方差矩阵；
[0026]S3
‑
4更新系数矩阵；
[0027]S3
‑
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。
[0028]采用上述优选的技术方案，通过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。
[0029]优选的技术方案中，所述多新息矩阵和数据矩阵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。
[0030]由于采用了上述技术方案，本专利技术的有益效果是：
[0031]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；所提出的一种适用于动力电池的多新息最小二乘在线参数辨识方法，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
[0032]本专利技术将通过例子并参照附图的方式说明，其中：
[0033]图1是本专利技术实施例提供的适用于动力电池的多新息最小二乘在线参数辨识方法的总体流程图；
[0034]图2是本专利技术实施例提供的所述步骤S1具体步骤流程示意图；
[0035]图3是本专利技术实施例提供的所述步骤S2具体步骤流程示意图；
[0036]图4是本专利技术实施例提供的所述步骤S3具体步骤流程示意图。
具体实施方式
[0037]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动力电池的多新息最小二乘在线参数辨识方法，其特征在于，包括以下过程：S1：将递推最小二乘算法中的标量新息扩展为向量新息；S2：基于单侧极限思想，引入动态函数对原新息进行权重约束；S3：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。2.根据权利要求1所述的一种动力电池的多新息最小二乘在线参数辨识方法，其特征在于，所述步骤S1具体包括：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；S1
‑
2：基于外源性自回归模型，计算系统离散传递函数；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，得到系统的标量新息；S1
‑
5：将标量新息进行扩展，得到扩展后的向量新息；S1
‑
6：基于多新息最小二乘参数辨识方法的系统输出模型，对扩展后的向量新息进行修正，得到新息修正后的系统输出向量。3.根据权利要求1所述的一种动力电池的多新息最小二乘在线参数辨识方法，其特征在于，所述步骤S2具体包括：S2
‑

【专利技术属性】
技术研发人员：王顺利，时浩添，侯燕，于春梅，朱永杰，陈蕾，黄燕，谢滟馨，侯萍，乔家璐，杨潇，金思宇，
申请(专利权)人：四川新智绿能测控技术有限公司，
类型：发明
国别省市：