CN111308373A - 一种电池的Thevenin模型参数的辨识方法及其应用 - Google Patents

Abstract

一种电池的Thevenin模型参数的辨识方法及其应用，适用于单个电池或/和整个电池组的电池模型参数估计，也适用于电池组中串联和/或并联中单个电池的模型参数辨识，建立Thevenin模型、离散化以及变换、辨识算法等方法的结合，实现快速、实时以及精确的估计电池的模型参数的方法，其简单、实用、高效，进而为电池的各种状态估计，可以为SOC（荷电状态，state of charge）、SOP（功率状态，state of power）和SOH（健康状态，state of health）等电池状态的估计提供了基础。

Description

一种电池的Thevenin模型参数的辨识方法及其应用

技术领域

本发明为电池技术领域，涉及电池的等效电路模型及模型的参数辨识，具体的说是电池的Thevenin模型参数的辨识方法及其应用。

背景技术

电池的出现促进了各行各业的发展，如手机、电脑、可穿戴设备、电动工具等。虽然电池可以提高设备的灵活性，促使设备更加小巧，但若不加以合理的使用，极易发生危险事故。若电池发生过度充电或者过度放电时，使得电池内部发生析锂，并引起锂枝晶，这不仅加速了电池寿命的衰减，也会引起电池的热失控，继而发生***等安全事故。

因此，若要保证电池始终处于安全合理的运行范围之内，必须对电池进行快速、实时、精确、有效的监测以及状态参数的估计。建立精确的锂电池模型是提高估算精度的关键，目前常用的锂电池等效电路模型有Rint模型、RC模型、 Thevenin模型和PNGV模型等，其中Thevenin模型具有物理意义明确、模型参数辨识实验容易执行等优点，被广泛应用于电池的数学建模中，目前常用的、传统的Thevenin模型参数的辨识方法为曲线拟合，但这种方法只适合参数的离线辨识，不利于实际使用，所以对于如何实现快速、实时以及精确的估计电池的模型参数并没有简单、快捷的方法。

发明内容

为了解决上述问题，本发明提供了一种高效、快速、实时以及精确估计电池的Thevenin模型参数的方法，进而为电池的多种状态估计，包含但不仅限于SOC(荷电状态，state of charge)、SOP(功率状态，state of power)和SOH (健康状态，state of health)提供了基础。

本申请的技术方案为：

一种电池的Thevenin模型参数的辨识方法，其特征在于，所述方法包括以下步骤：

(1)建立Thevenin模型，并且规定充电时电流为正，所述Thevenin模型用下式表示：

其中U为Thevenin模型中电池的端电压、U_p为极化电压、RI为欧姆压降和U_o为开路电压；

(2)公式一经过离散化以及变换，可表示为公式二：

进而得到：

其中：T_s为采样时间；

(3)对待估算参数进行估算，令y_k＝U(k)，待估计参数

采用辨识算法对θ进行估计，建立状态方程为：

公式二可写成如下形式：

其中：ε(k)为噪声。

进一步的，所述辨识算法包含但不仅限于递推最小二乘算法(RLS)、带遗忘因子的递推最小二乘算法。

本申请的有益效果为：

本申请提供实现快速、实时以及精确的估计电池的模型参数的方法，其简单、实用、高效，进而为电池的各种状态估计，可以为SOC(荷电状态，state of charge)、SOP(功率状态，state of power)和SOH(健康状态，state of health)等电池状态的估计提供了基础。

附图说明

图1为本发明中thevenin等效电路模型；

图2为本发明中Thevenin参数辨识的流程图；

图3为本发明中电池串联示意图；

图4为本发明中电池串并联示意图；

图5为本发明中电池并联示意图；

图6为本发明附图3串联电池的HPPC测试数据表。

具体实施方式

下面结合附图说明和具体实施方式对本申请进行进一步说明，为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，描述中的附图仅仅是本发明的一些实施例，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的附图。

对三节串联的磷酸铁锂电池组进行了一组HPPC(混合脉冲测试制度， HybridPulse Power Characterization)测试实验，采集了60秒的电压和电流数据，如图6。

下面以RLS对上述三节串联的磷酸铁锂电池组的Thevenin模型参数的辨识做示例性展示。

1)对电池的电压和电流进行L次(L≥2)采样；

2)确定θ和协方差矩阵P_N的初值：

令θ₀＝[0 0 0 0 0 0]^T，P₀＝σ²I，I为单位矩阵，σ²≥10⁶；

3)计算增益矩阵G_i+1：

4)计算θ的估计值：

5)协方差矩阵P_i+1：

6)利用公式三可求得Thevenin模型的参数；

7)重复步骤3)～5)，直至L次采样结束。

得到Thevenin模型的辨识结果，HPPC测试制度下的辨识结果如下：

欧姆内阻/mΩ	极化内阻/mΩ	极化电容/F	时间常数/s	开路电压/V	电池
						2.925	0.210	3912.264	0.823	9.612	整个电池组
1.073	0.063	13014.803	0.814	3.149	单体1
						1.073	0.077	10155.834	0.783	3.310	单体2
0.755	0.094	8042.997	0.783	3.314	单体3

利用辨识得到的参数对Thevenin模型进行仿真，整个电池组的仿真值相对于真实值的平均误差为0.205V，而均方根误差为0.211V，对于单体电池，仿真值相对于真实值的平均误差为0.013V，均方根误差为0.071V，根据所获取的参数在 SOC、SOP和SOH的估算分析中进行应用。

本算法不仅可以实现Thevenin模型参数的辨识，并且辨识的模型参数具有很高的精度。

本发明适用于单个电池或/和整个电池组的电池模型参数估计，也适用于电池组中串联和/或并联中单个电池的模型参数辨识，图3～图5只是某种电池连接的示意图，并不代表全部连接方式。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种电池的Thevenin模型参数的辨识方法，其特征在于，所述方法包括以下步骤：

(1)建立Thevenin模型，并且规定充电时电流为正，所述Thevenin模型用下式表示：

其中U为Thevenin模型中电池的端电压、U_p为极化电压、RI为欧姆压降和U_o为开路电压；

(2)公式一经过离散化以及变换，可表示为公式二：

进而得到：

其中：T_s为采样时间；

(3)对待估算参数进行估算，令y_k＝U(k)，待估计参数

采用辨识算法对θ进行估计，建立状态方程为：

公式二可写成如下形式：

其中：ε(k)为噪声；

(4)根据上述公式对模型参数进行计算：

1)对电池的电压和电流进行L次(L≥2)采样；

2)确定θ和协方差矩阵P_N的初值：

令θ₀＝[0 0 0 0 0 0]^T，P₀＝σ²I，I为单位矩阵，σ²≥10⁶；

3)计算增益矩阵G_i+1：

6)计算θ的估计值：

5)协方差矩阵P_i+1：

6)利用公式三求得Thevenin模型的参数。

2.根据权利要求1所述的一种电池的Thevenin模型参数的辨识方法，其特征在于，所述辨识算法包含但不仅限于递推最小二乘算法(RLS)、带遗忘因子的递推最小二乘算法。

3.根据权利要求1或2任一所述的一种电池的Thevenin模型参数的辨识方法的应用，其特征在于，根据所获取的参数在SOC、SOP和SOH的估算分析中进行应用。

Images