【技术实现步骤摘要】
本专利技术属于锂离子电池等效电路模型建模，具体涉及一种锂离子电池模型参数多层在线辨识方法及系统。
技术介绍
1、锂离子电池由于其高能量密度，高循环寿命和无记忆效应的优点被广泛应用在电动汽车、新能源发电和移动电子设备等领域。模型参数辨识是电池建模的重要步骤，辨识结果的准确性直接影响模型的精确性。而模型参数直接影响现有电池故障诊断效果和电池状态估计精度，因此，实现精确的参数辨识对于电池管理至关重要。
2、目前锂离子电池模型参数辨识方法可分为在线辨识和离线辨识。在线辨识是根据电池模型，能实时辨识电池模型参数，减少辨识模型参数时的计算时间和计算步骤；离线辨识是根据电池模型，推导电池端电压与电池模型中电阻、电容的关系式，通过实验得到电池电压的测试数据，将理论推导的关系式与真实测试数据进行拟合，从而得到电池模型中电阻、电容值。离线辨识方法主要有：测量法、最小二乘法、粒子群算法和遗传算法等。由电池特性实验可知，电池在充放电过程中各个模型参数不断变化，易受到放电倍率、放电电量、放电电压等因素影响，并且在此阶段电池内部电化学反应非常复杂，采用离线辨识法不能实时获取电池模型参数值，因此为了能实时辨识电池模型参数，减少辨识模型参数时的计算时间和计算步骤，常采用在线辨识对模型参数进行辨识。
3、常用的在线参数辨识方法有：带遗忘因子递推最小二乘法和扩展卡尔曼滤波算法。
4、扩展卡尔曼滤波算法(ekf)将电池系统非线性部分进行泰勒公式展开，将锂电池的非线性进行线性化处理，以此得到雅克比矩阵，最后使用标准的卡尔曼滤波算法递
5、带遗忘因子递推最小二乘法(ffrls)可以对工作状态下的锂电池进行参数辨识，同时可以避免递推最小二乘法(rls)中出现的“数据饱和”，通过加入代价函数，可以对模型中的时变参数进行跟踪，进而可以不断提高辨识精度，因此ffrls精度相对较高，但是只适用于模型参数变化缓慢的情况，模型参数剧烈变化时不能够同时满足较快追踪参数和缩小误差的要求。
技术实现思路
1、本专利技术的目的在于提供一种锂离子电池模型参数多层在线辨识方法及系统，以解决现有的在线辨识方法在模型参数剧烈变化时辨识精度不高的问题。
2、为了解决上述技术问题，本专利技术采用如下技术方案：
3、第一方面，本专利技术提供一种锂离子电池模型参数多层在线辨识方法，包括以下步骤：
4、获取锂离子电池状态数据，所述锂离子电池状态数据包括：锂离子电池电压和锂离子电池电流；
5、根据锂离子电池状态数据对锂离子电池模型参数进行多层在线辨识，得到辨识参数值；
6、对辨识参数值进行自适应优化调整，得到最终辨识参数值；
7、输出最终辨识参数值。
8、可选的，所述获取锂离子电池状态数据的步骤中，使用光纤光栅传感器对锂离子电池状态数据进行在线实时测量，获取锂离子电池状态数据。
9、可选的，所述根据锂离子电池状态数据对锂离子电池模型参数进行多层在线辨识，得到辨识参数值的步骤，具体包括：
10、采用ffrls算法对锂离子电池模型参数进行多层在线辨识：
11、依据锂离子电池模型，计算k时刻的协方差矩阵p(k)和增益矩阵k(k)，并计算k时刻的电压误差e(k)，公式如下：
12、
13、式中：i为单位矩阵；为k时刻的输入矩阵，由锂离子电池状态数据组成；p(k-1)为k-1时刻的协方差矩阵；λ为遗忘因子；y(k)为k时刻的锂离子电池电压；θ(k-1)为k-1时刻的参数矩阵；
14、其中，的公式如下：
15、
16、式中：i(k)为k时刻的锂离子电池电流；i(k-1)为k-1时刻的锂离子电池电流；ul(k-1)为k-1时刻开路电压与端电压的差值；
17、确定参数辨识的层数l(k)，公式如下：
18、l(k)＝round(lmin+(lmax-lmin)hε(k))
19、式中：lmax为最大层数；lmin为最小层数；h为大于0且小于1的随机数；ε(k)为敏感系数；
20、辨识第i层的参数，得到第i层的循环辨识参数θ'i(k)，公式如下：
21、θ'i(k)＝θ(k)+k(k)ei(k)
22、式中：θ(k)为k时刻的参数矩阵；ei(k)为第i层的参数的电压误差；
23、将第i层的参数的电压误差作为第i+1层的参数的电压误差的目标值，计算第i+1层的参数的电压误差，公式如下：
24、
25、得到第i+1层的参数的电压误差后，辨识第i+1层的参数，得到第i+1层的循环辨识参数；循环进行辨识，当第l(k)层的参数辨识结束时，得到每一层的循环辨识参数；
26、将得到的每一层的循环辨识参数进行累加，得到辨识参数值θ”(k)，公式如下：
27、
28、可选的，所述对辨识参数值进行自适应优化调整，得到最终辨识参数值的步骤，具体包括：
29、1)将辨识参数值θ”(k)与辨识参数值变化量δθ(k)进行相加后的结果作为锂离子电池模型参数导入锂离子电池模型中；
30、其中，辨识参数值变化量δθ(k)为：模糊控制器依据k时刻锂离子电池模型输出电压ys(k)与锂离子电池电压y(k)之间的偏差，按照模糊控制规则输出的控制量；初始时刻δθ(k)为0；
31、向锂离子电池模型输入锂离子电池电流，得到模型输出电压ys(k)；
32、计算模型输出电压ys(k)与锂离子电池电压y(k)之间的偏差e(k)，公式如下：
33、e(k)＝|y(k)-ys(k)|
34、2)将e(k)与设定阈值进行比较：
35、当e(k)小于设定阈值时，辨识参数值为最终辨识参数值；
36、当e(k)大于或等于设定阈值时，对e(k)进行模糊量化，再应用模糊控制规则建立输入和输出模糊变量之间关系，然后根据模糊控制规则和误差变量大小进行模糊决策；并将模糊决策得到的模糊集合进行去模糊化，最后完成控制量的输出，得到辨识参数值变化量δθ(k)，并回到步骤1)。
37、第二方面，本专利技术提供一种锂离子电池模型参数多层在线辨识系统，包括：
38、数据获取模块，用于获取锂离子电池状态数据，所述锂离子电池状态数据包括：锂离子电池电压和锂离子电池电流；
39、辨识模块，用于根据锂离子电池状态数据对锂离子电池模型参数进行多层在线辨识，得到辨识参数值；
40、优化调整模块，用于对辨识参数值进行自适应优化调整，得到最终辨识参数值；
41、输出模块本文档来自技高网...
【技术保护点】
1.一种锂离子电池模型参数多层在线辨识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种锂离子电池模型参数多层在线辨识方法，其特征在于，所述获取锂离子电池状态数据的步骤中，使用光纤光栅传感器对锂离子电池状态数据进行在线实时测量，获取锂离子电池状态数据。
3.根据权利要求1所述的一种锂离子电池模型参数多层在线辨识方法，其特征在于，所述根据锂离子电池状态数据对锂离子电池模型参数进行多层在线辨识，得到辨识参数值的步骤，具体包括：
4.根据权利要求3所述的一种锂离子电池模型参数多层在线辨识方法，其特征在于，所述对辨识参数值进行自适应优化调整，得到最终辨识参数值的步骤，具体包括：
5.一种锂离子电池模型参数多层在线辨识系统，其特征在于，包括：
6.根据权利要求5所述的一种锂离子电池模型参数多层在线辨识系统，其特征在于，所述获取锂离子电池状态数据的步骤中，使用光纤光栅传感器对锂离子电池状态数据进行在线实时测量，获取锂离子电池状态数据。
7.根据权利要求5所述的一种锂离子电池模型参数多层在线辨识系统，其特征在于
8.根据权利要求7所述的一种锂离子电池模型参数多层在线辨识系统，其特征在于，所述对辨识参数值进行自适应优化调整，得到最终辨识参数值的步骤，具体包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至4中任意一项所述的一种锂离子电池模型参数多层在线辨识方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至4中任意一项所述的一种锂离子电池模型参数多层在线辨识方法。
...【技术特征摘要】
1.一种锂离子电池模型参数多层在线辨识方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种锂离子电池模型参数多层在线辨识方法，其特征在于，所述获取锂离子电池状态数据的步骤中，使用光纤光栅传感器对锂离子电池状态数据进行在线实时测量，获取锂离子电池状态数据。
3.根据权利要求1所述的一种锂离子电池模型参数多层在线辨识方法，其特征在于，所述根据锂离子电池状态数据对锂离子电池模型参数进行多层在线辨识，得到辨识参数值的步骤，具体包括：
4.根据权利要求3所述的一种锂离子电池模型参数多层在线辨识方法，其特征在于，所述对辨识参数值进行自适应优化调整，得到最终辨识参数值的步骤，具体包括：
5.一种锂离子电池模型参数多层在线辨识系统，其特征在于，包括：
6.根据权利要求5所述的一种锂离子电池模型参数多层在线辨识系统，其特征在于，所述获取锂离子电池状态数据的步骤...
【专利技术属性】
技术研发人员：黄晓华，马伯杨，李国栋，刘盛终，吴晓康，何海航，徐翀，
申请(专利权)人：中国电力科学研究院有限公司，
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。