本发明专利技术公开了一种电池辅助装置及电池工作方法，属于用于直接转变化学能为电能的方法或装置技术领域。该辅助装置包括方程建立模块、数据采集模块和在线求解模块；本发明专利技术方法包括如下步骤：进行参数辨识；对参数进行判断并执行不同的动作；本发明专利技术通过方程建立模块，建立锂电池RC模型，确定待辨识参数及模型输入输出关系；对电池进行充放电操作测试，获得电池电流电压数据，实时采样数据，获得电池端电压和电池输出电流并获得剩余电量，确定电池的开路电压与剩余电量的关系；通过在线求解模块，建立基于电池模型的优化方程，设置滚动时域窗口大小，根据实时采样的电池电流电压数据及电池的开路电压，应用扩展卡尔曼滤波实现未知参数的在线估计。知参数的在线估计。知参数的在线估计。
【技术实现步骤摘要】
一种电池辅助装置及电池工作方法
[0001]本专利技术属于用于直接转变化学能为电能的方法或装置
，具体涉及一种电池辅助装置及电池工作方法。
技术介绍
[0002]对于动力电池，电化学反应过程复杂，影响因素多且具有不确定性，其数学建模是一个多领域和多学科问题，也一直是学术界和工业界研究的重点和难点。而更准确地描述动力电池的外特性，涉及针对新型电池可靠的动力电池状态估计算法，开发出最优的新能源汽车能量管理系统，精确的电池模型必不可少。为了克服等效电路模型和电化学模型的缺点，通过电化学阻抗谱数据建立RC模型。
[0003]针对上述RC模型现有的参数辨识方法，列举如下：经典最小二乘：此方法对电池模型的输入输出数据采用批处理的方式进行拟合，基于最小方差指标进行寻优，得到参数估计值。该方法的特点是：拟合精度高，但是需要对大量的数据进行批处理，需要占用大量的存储空间，不适合在线应用。
[0004]带遗忘因子的递归最小二乘算法：该方法基于最小方差指标思想，构造递推形式，适合在线应用。并引入遗忘因子，使算法具备持续跟踪变化参数的能力。该方法的缺点是，在系统激励较低的情况下，没有足够的新息输入系统，而协方差矩阵持续的除以遗忘因子，从而造成了巨大的辨识误差。
[0005]多个/向量遗忘因子递归最小二乘法：这个方法针对电池模型中不同的环节具有不同的时间常数，即动态特性不同，采用多个遗忘因子，避免增益矩阵内各个系数之间的相互耦合。该方法同样不能抑制数据波动和数据异常对辨识结果的影响。
[0006]专利技术人发现，以上电池模型辨识方法都存在共同的缺点：在电池中，电路元件解析模型中的多项式系数存在较为敏感的特点，随着环境变化，电池原件系数将会发生变化，从而导致模型失配问题。经实际测试，一般电池管理系统在高低温、电磁干扰环境下，电池电压采集偏差 可达到5mV，电压采集波动最大达到10mV。敏感度分析实验表明，5mV的采集噪声将造成不同 模型参数6％
‑
11％的辨识误差。
[0007]在电池管理系统内，电压电流采集不同步现象影响严重。电流电压采集不同步现象是指用于辨识算法的电压和电流数据并不是在同一时刻测量得到的。这会对辨识结果产生巨大的影响。
[0008]以上两个问题是电池管理系统在实际应用中广泛存在而且不可避免的。对于现有的线性最小方差类的辨识算法，该问题会在算法每次的迭代过程中，引入较大的预测误差，即参数辨识过程中的残差过大。
[0009]综上所述，现有的最小二乘类辨识算法，虽然具有迭代运算，计算量小等优点，但是在实际应用中并不能有效的同时解决电路元件敏感度和采集不同步两个问题。
技术实现思路
[0010]针对现有技术中存在的上述技术问题，本专利技术提出了一种电池辅助装置及电池工作方法，设计合理，克服了现有技术的不足，具有良好的效果。
[0011]为了实现上述目的，本专利技术采用如下技术方案：一种电池辅助装置，包括方程建立模块、数据采集模块和在线求解模块；方程建立模块：被配置用于建立电池模型，确定待辨识参数及模型输入输出关系；数据采集模块：被配置为用于对电池进行充放电操作测试，获得电池电流电压数据，实时采样数据，获得电池端电压和电池输出电流并获得剩余电量，确定电池的开路电压与剩余电量的关系；在线求解模块：被配置用于基于滚动时域优化思想建立基于电池模型的优化方程，设置滚动时域窗口大小，根据实时采样的电池电流电压数据及电池的开路电压，应用扩展卡尔曼滤波实现未知参数的在线估计。
[0012]此外，本专利技术还提到一种电池工作方法，该方法采用如上所述的一种电池辅助装置，具体包括如下步骤：步骤1：进行参数辨识；步骤2：对步骤1中参数进行判断并执行不同的动作。
[0013]优选地，在步骤1中，具体包括如下步骤：步骤1.1：通过方程建立模块，建立锂电池RC模型，确定待辨识参数及模型输入输出关系；步骤1.2：通过数据采集模块，对电池进行充放电操作测试，获得电池电流电压数据，实时采样数据，获得电池端电压和电池输出电流并获得剩余电量，确定电池的开路电压与剩余电量的关系；步骤1.3：通过在线求解模块，建立基于电池模型的优化方程，设置滚动时域窗口大小，根据实时采样的电池电流电压数据及电池的开路电压，应用扩展卡尔曼滤波实现未知参数的在线估计。
[0014]本专利技术所带来的有益技术效果：本专利技术通过对电路元件解析模型中的多项式系数实施敏感性分析，选取常数项系数作为模型更新参数，构建增广的非线性状态空间模型，以同步进行状态估计和参数更新，有效提高了参数辨识的准确性；所提方法有效性分别在电池不一致性条件下和工况特性差异条件下进行了验证和评价；具体如下： 1、将滚动时域思想应用于参数估计算法中，使参数估计误差达到最优，即误差最小； 2、滚动时域的应用有效解决了电池模型中多项式系数敏感度问题； 3、所提参数估计辨识算法可在线实现对模型的参数辨识，有效提高参数辨识速率。
附图说明
[0015]图1为参数辨识算法流程图；图2为状态更新流程图；图3为电池一阶模型示意图；图4为HPPC工况下的Uocv
‑
SOC拟合曲线示意图；图5为端电压辨识结果示意图；图6为模型精度示意图。
具体实施方式
[0016]下面结合附图以及具体实施方式对本专利技术作进一步详细说明：实例1：本实施例提供了一种基于滚动时域的锂电池参数辨识系统，包括方程建立模块、数据采集模块和在线求解模块；方程建立模块：被配置用于建立锂电池模型，确定待辨识参数及模型输入输出关系；数据采集模块：被配置为用于对电池进行充放电操作测试，获得电池电流电压数据，实时采样数据，获得电池端电压和电池输出电流并获得剩余电量，确定电池的开路电压与剩余电量的关系；在线求解模块：被配置用于基于滚动时域优化思想建立基于电池模型的优
化方程，设置滚动时域窗口大小，根据实时采样的电池电流电压数据及电池的开路电压，应用扩展卡尔曼滤波实现未知参数的在线估计。
[0017]实施例2：在上述实施例的基础上，本专利技术还提到一种基于滚动时域的锂电池参数辨识方法（如图1和图2所示），包括如下步骤：步骤1：进行参数辨识；具体包括如下步骤：步骤1.1：通过方程建立模块，建立锂电池RC模型，确定待辨识参数及模型输入输出关系；步骤1.2：通过数据采集模块，对电池进行充放电操作测试，获得电池电流电压数据，实时采样数据，获得电池端电压和电池输出电流并获得剩余电量，确定电池的开路电压与剩余电量的关系；步骤1.3：通过在线求解模块，建立基于电池模型的优化方程，设置滚动时域窗口大小，根据实时采样的电池电流电压数据及电池的开路电压，应用扩展卡尔曼滤波实现未知参数的在线估计；步骤2：对步骤1中参数进行判断并执行不同的动作。
[0018]本实例提出了基于滚动时域的电池模型参数辨识方法，通过对电路元件解析模型中的多项式系数实施敏感性分析，选取常数项系数作为模型更新参数；接着，构建增广的非线性状态空间模型，以同步进行状态估计和参数更新，有效提高了参数辨识的准确性本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电池辅助装置，其特征在于：包括方程建立模块、数据采集模块和在线求解模块；方程建立模块：被配置用于建立电池模型，确定待辨识参数及模型输入输出关系；数据采集模块：被配置为用于对电池进行充放电操作测试，获得电池电流电压数据，实时采样数据，获得电池端电压和电池输出电流并获得剩余电量，确定电池的开路电压与剩余电量的关系；在线求解模块：被配置用于基于滚动时域优化思想建立基于电池模型的优化方程，设置滚动时域窗口大小，根据实时采样的电池电流电压数据及电池的开路电压，应用扩展卡尔曼滤波实现未知参数的在线估计。2.一种电池工作方法，其特征在于：采用如权利要求1所述的一种电池辅助装置，具体包括如下步...
【专利技术属性】
技术研发人员：赵子亮，孙焕丽，朱庆林，孙雪同，赵军，
申请(专利权)人：中国第一汽车股份有限公司，
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。