锂电池多时间尺度分步参数辨识方法、系统、装置及介质

技术领域

本发明涉及电池管理领域，尤其涉及一种锂电池多时间尺度分步参数辨识方法、系统、装置及介质。

背景技术

锂离子电池目前被广泛应用于电动汽车上，BMS作为电动汽车能量管理和控制的重要工具，在保障电动汽车安全稳定行驶方面发挥着重要的作用。作为BMS最重要的部分之一，模型参数的精确辨识是BMS良好运行的基础。模型参数辨识主要是针对等效电路模型进行的，锂电池的等效电路模型是一个变参数系统，运用在线参数辨识可以有效解决参数时变问题。

但锂离子电池同时还存在着多时间尺度问题。由于锂电池的多时间尺度特性，想要更精确对锂电池进行建模，就必须考虑到代表不同时间尺度的化学特性的模型元器件该如何区分的问题。目前主流的解决方法是将锂电池在不同时间尺度上的特性区分为快速动态(fast dynamics,FD)特性和慢速动态(slow dynamics,SD)特性。其中FD主要包括电阻特性和电荷转移特性，SD主要包括电荷扩散特性。然而，大多数传统的参数辨识算法是同时辨识所有的模型参数，这容易导致SD部分参数的辨识结果不准确甚至不合理。另外，目前大部分辨识算法需要提前测量电池的开路电压(OCV)，这将需要大量的试验时间。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种锂电池多时间尺度分步参数辨识方法、系统、装置及介质。

本发明所采用的技术方案是：

一种锂电池多时间尺度分步参数辨识方法，包括以下步骤：

将二阶RC等效电路模型(equivalent circuit model，ECM)中的各个参数区分到FD和SD两个不同的时间尺度上；

将属于SD的端电压作为整体写入电路方程，得到自回归模型(Auto Regressivewith exogenous input，ARX)，对自回归模型进行参数辨识，计算出属于FD的参数；

将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型，计算出新等效电路模型的端电压，并计算出属于SD的参数；

根据属于FD的参数和属于SD的参数获得完整的二阶RC等效电路模型。

进一步地，所述二阶RC等效电路模型包括6个参数，分别为：理想电压源U

在二阶RC等效电路模型中，R

进一步地，所述将属于SD的端电压作为整体写入电路方程，得到自回归模型，对自回归模型进行参数辨识，计算出属于FD的参数，包括：

将属于SD部分的端电压u

利用反向差分变换法对传递函数进行离散化；

根据离散化后的传递函数得到自回归模型；

将自回归模型转换为为矩阵形式，并带入限定记忆的最小二乘递推算法(fixedmemory recursive least squares,FMRLS)中，计算获得属于FD的参数R

进一步地，所述传递函数的表达式为：

对传递函数进行离散化有：

式中T

式中τ

自回归模型的表达式为：

u

将自回归模型转换为矩阵形式为：

式中，y(k)为模型k时刻的输出，Φ(k)为模型k时刻的数据向量，θ(k)为模型k时刻的参数向量；

将自回归模型带入限定记忆的最小二乘递推算法，得到所有时刻模型的参数向量θ(k)，得到c

进一步地，所述将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型，计算出新等效电路模型的端电压，并计算出属于SD的参数，包括：

将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型；计算出新等效电路模型的状态转移矩阵和观测矩阵，并利用衰落扩展卡尔曼(fadingextended Kalman filter,FEKF)滤波算法计算出属于SD的参数U

进一步地，所述将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型；计算出新等效电路模型的状态转移矩阵和观测矩阵，并利用衰落扩展卡尔曼滤波算法算法计算出属于SD的参数U

将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型，计算出新等效电路模型的端电压u

u

式中，u

根据新等效电路模型得到u

在公式(2)两边同除以R

将i

根据公式(3)和公式(4)得到两个方程写出新等效电路模型的状态方程为：

式中，x

根据状态方程的到线性化后的状态转移矩阵为：

其中

将u

g(x

根据输出方程得到线性化后的观测矩阵为：

其中

得到状态转移矩阵

进一步地，还包括以下步骤：

实时获取锂电池的端电流信息和端电压信息，获得实际测量的电池端电压；

采用完整的二阶RC等效电路模型对端电压进行估计，将估计获得的端电压与实际测量的电池端电压进行比较。

本发明所采用的另一技术方案是：

一种锂电池多时间尺度分步参数辨识系统，包括：

参数划分模块，用于将二阶RC等效电路模型中的各个参数区分到FD和SD两个不同的时间尺度上；

第一计算模块，用于将属于SD的端电压作为整体写入电路方程，得到自回归模型，对自回归模型进行参数辨识，计算出属于FD的参数；

第二计算模块，用于将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型，计算出新等效电路模型的端电压，并计算出属于SD的参数；

模型应用模块，用于根据属于FD的参数和属于SD的参数获得完整的二阶RC等效电路模型。

本发明所采用的另一技术方案是：

一种锂电池多时间尺度分步参数辨识装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

本发明所采用的另一技术方案是：

一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如上所述方法。

本发明的有益效果是：本发明建立的数学模型可以有效的区分端电压中包含的不同时间尺度的信息，避免了传统参数辨识算法中大时间尺度的参数易辨识不准确的问题。不需要提前测量OCV，而是可以在SD部分的参数辨识中对OCV进行同步辨识，这样可以极大的减少试验时间，并解决因外部环境变化和电池老化而导致的OCV曲线变化问题。

附图说明

为了更清楚地说明本发明实施例或者现有技术中的技术方案，下面对本发明实施例或者现有技术中的相关技术方案附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员而言，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1是本发明实施例中二阶RC等效电路模型图；

图2是本发明实施例中参数分类后的电路模型图；

图3是本发明实施例中一种锂电池多时间尺度分步参数辨识方法的结构图；

图4是本发明实施例中SD部分的电路模型图；

图5是本发明实施例中所利用的数据集中电池运行FUDS工况时的电压电流曲线图；其中图5(a)为完整的测试过程，图5(b)为运行FUDS工况电流时锂电池的电压电流曲线图；

图6是本发明实施例中在FUDS工况下模型端电压与实际端电压的比较图；其中图6(a)为初始电压为80％，图6(b)为初始电压为50％；

图7是本发明实施例中在DST工况下模型端电压与实际端电压的比较图；其中图7(a)为初始电压为80％，图7(b)为初始电压为50％；

图8是本发明实施例中分别在FUDS和DST工况下所辨识出的模型参数曲线图；其中图8(a)为FUDS工况，图8(b)为DST工况；

图9是本发明实施例中所利用数据的OCV测试图；其中图9(a)为完整的测试过程，图9(b)为测试得到的OCV曲线图；

图10是本发明实施例中辨识得到的COV-SOC曲线与测试得到的COV-SOC曲线的对比图；其中图10(a)为FUDS工况，图10(b)为DST工况。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

本实施例提供一种锂电池多时间尺度分步参数辨识方法，解决锂电池参数辨识中多时间尺度问题带来的影响。并在参数辨识中对OCV进行同步辨识，这样可以极大的减少试验时间，并解决因外部环境变化和电池老化而导致的OCV曲线变化问题。

本发明建立的数学模型可以有效的区分端电压中包含的不同时间尺度的信息，避免了传统参数辨识算法中大时间尺度的参数易辨识不准确的问题。针对于传统辨识算法中利用到的OCV-SOC曲线容易因老化和温度变化而改变的问题，本发明对OCV曲线进行了实时的估计。结果表明，本发明提出的新算法可以准确的跟踪电池端电压，并对不同的工况和温度具有很高的适应性和鲁棒性。对于OCV和内阻的辨识也具有非常高的精度。

在本申请的一个优选实例中，使用了马里兰大学的先进生命循环工程中心(CALCE)所公布的数据集进行仿真验证。我们选取了该研究中心关于INR 18650–20R锂离子电池的试验数据进行仿真验证，其测试过程与结果如图5所示。该电池为镍钴锰三元锂电池，其额定容量为2Ah，充放电截止电压分别为4.2V和2.5V，最大电流为7.5A，使用温度范围为0-50℃。试验工况为动态应力工况(DST)和美国联邦城市驾驶工况(FUDS)。用测量得出的端电压值作为参考值与所述方法所估计的模型端电压值对比作为验证，以说明该方法的有效性与准确性。

本发明实施例所提供的一种锂电池多时间尺度分步参数辨识方法，具体结构如图3所示，具体包括以下步骤：

步骤1：实时获取锂电池的端电流和端电压信息。在本实例中则是从数据集中获取数据。

步骤2：根据图1和图2将属于SD部分的端电压u

其中，步骤2具体包括如下步骤：

步骤2.1：将属于SD部分的端电压u

步骤2.2：利用反向差分变换法对传递函数进行离散化有：

其中T

其中τ

步骤2.3：根据离散化后的传递函数得到ARX模型为：

u

步骤2.4：将ARX模型写为矩阵形式：

其中，y(k)为模型k时刻的输出，Φ(k)为模型k时刻的数据向量，θ(k)为模型k时刻的参数向量。

步骤2.5：将ARX模型带入FMRLS算法就可得到所有时刻模型的参数向量θ(k)。得到c

步骤3：将已经辨识出的FD参数从ECM中去除得到只包含SD参数的电路模型，且计算出模型端电压u

其中，步骤3具体包括如下步骤：

步骤3.1：将已经辨识出的FD参数从ECM中去除，且根据图2计算出新模型图4的端电压u

u

其中u

步骤3.2：根据图4得到u

步骤3.3：上式两边同除以R

步骤3.4：将i

步骤3.5：根据步骤3.3和步骤3.4得到两个方程写出新模型的状态方程为：

其中，x

步骤3.6：根据步骤3.5的状态方程的到线性化后的状态转移矩阵为：

其中

步骤3.7：将u

g(x

步骤3.8：根据步骤步骤3.7的输出方程可得到线性化后的观测矩阵为：

其中

步骤3.9：根据步骤3.6和步骤3.8得到上述的状态转移矩阵

步骤4：得到完整的ECM模型参数后，根据电路方程计算出模型端电压并与实际的锂电池端电压进行比较，且为了证明该方法的优越性，将利用带遗忘因子的最小二乘法(Forgetting Factor Recursive Least Square,FFRLS)所估计出的端电压结果一起进行比较，其结果如图6和图7所示。并为了证明该方法的适应性，将不同工况下所得的参数辨识结果展示在图8中。同时着重验证OCV参数的精确性，测试该参数的试验过程曲线与测试结果展示在图9中，该参数的比较结果如图10所示。

由图6和图7可以看出，由该方法估计的端电压具有非常高的精度，与实际值几乎吻合，COV也具有非常高的精度，与测试值非常接近。

综上所述，本实施例方法相对于现有技术，具有如下优点及有益效果：

(1)、本文的工作并不需要提前测量OCV，而是可以在SD部分的参数辨识中对OCV进行同步辨识。这样可以极大的减少试验时间，并解决因外部环境变化和电池老化而导致的OCV曲线变化问题。

(2)、文所建立的模型可以有效分离FD与SD两部分的信息，这样可以有效防止它们互相间的干扰，进而提高辨识准确性。

本实施例还提供一种锂电池多时间尺度分步参数辨识系统，包括：

参数划分模块，用于将二阶RC等效电路模型中的各个参数区分到FD和SD两个不同的时间尺度上；

第一计算模块，用于将属于SD的端电压作为整体写入电路方程，得到自回归模型，对自回归模型进行参数辨识，计算出属于FD的参数；

第二计算模块，用于将属于FD的参数从二阶RC等效电路模型中去除，得到只包含SD参数的新等效电路模型，计算出新等效电路模型的端电压，并计算出属于SD的参数；

模型应用模块，用于根据属于FD的参数和属于SD的参数获得完整的二阶RC等效电路模型。

本实施例的一种锂电池多时间尺度分步参数辨识系统，可执行本发明方法实施例所提供的一种锂电池多时间尺度分步参数辨识方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本实施例还提供一种锂电池多时间尺度分步参数辨识装置，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上所述方法。

本实施例的一种锂电池多时间尺度分步参数辨识装置，可执行本发明方法实施例所提供的一种锂电池多时间尺度分步参数辨识方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本实施例还提供了一种存储介质，存储有可执行本发明方法实施例所提供的一种锂电池多时间尺度分步参数辨识方法的指令或程序，当运行该指令或程序时，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。