基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法

1.本发明涉及电池技术领域，尤其涉及一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法。


背景技术：

2.动力电池作为新能源汽车的核心技术之一,是电动新能源汽车的心脏。由于具有高能量密度、高功率密度及无记忆效应等有点，锂离子动力电池已被广泛应用于车载储能系统中。为了确保车载动力电池系统安全可靠地运行，需要一套高效的电池管理系统对其进行实时监督和优化，而快速准确地辨识电池各项参数及实际容量是电池管理的核心技术之一。
3.相比于动态行驶工况，车载电池储能系统在充电工况下电流激励特性较为简单，且该工况下采集所得的测量数据中包含较多反映电池健康状态，特别是容量衰减状态的信息。因此，基于充电数据的锂离子电池参数辨识及实际容量估算方法研究得到了广泛的关注。


技术实现要素：

4.本发明为了解决上述问题，提供了一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，该估算方法在电池恒压充电过程结束后，根据恒压充电电流解耦分量的动态特性对电池的等效电路模型和实际容量进行准确地在线估算，从而实现了电池系统的高效安全运行。
5.本发明通过如下技术方案实现。
6.本发明提供了一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，所述方法包括以下步骤：
7.s1，根据老化测试数据，获取电池在不同健康状态下的恒压充电阶段电流曲线；
8.s2，根据电池的恒压充电阶段电流曲线，辨识n阶电阻-电感网络等效电路模型参数；
9.s3，进行各电阻-电感网络的时间常数与电池容量的相关性分析，确定表征电池容量衰减的特征变量；
10.s4，建立步骤s3中所确定的特征变量与电池实际容量的相关性关系；
11.s5，当电池进入恒压充电控制模式后，测量并记录电池的充电电流值；
12.s6，当充电过程结束后，辨识得到步骤s3中所确定的特征变量；
13.s7，将步骤s6中获取的特征变量代入步骤s4中所建立的相关性关系，估算电池的实际容量值。
14.所述的步骤s2中，n阶电阻-电感网络等效电路模型的简化电流表达式为：
[0015][0016]
其中，ti为恒压充电时间，且t1＝0表示电池进入恒压充电控制模式的初始时刻，t
i+1-ti表示采样周期，n表示所记录的数据尺寸，i(ti)表示电池恒压充电电流，ik(ti)和τk分别表示第k阶电阻-电感网络的支路电流和时间常数，且满足τm《τn，其中，m《n。
[0017]
所述的步骤s2中，n阶电阻-电感网络等效电路模型的参数辨识方法包括以下步骤：
[0018]
s2.1，将参数k赋值为模型阶次n；
[0019]
s2.2，根据电流动态特性，确定解耦临界时间t
i,k
；
[0020]
s2.3，辨识第k阶模型参数；
[0021]
s2.4，从测量电流中减去估算所得第k阶模型产生电流曲线；
[0022]
s2.5，将参数k值减1；
[0023]
s2.6，判断k值是否为1，若大于1，则执行步骤s2.2，否则执行步骤s2.7；
[0024]
s2.7，辨识第1阶模型参数。
[0025]
所述的步骤s3中，相关性关系表达式为：
[0026][0027]
其中，cap
est
为估算所得的实际容量值，a
j,i
为相关性关系的系数，l为相关性关系的阶数，j为分段函数段数，τ
k,1,j
和τ
k,2,j
分别为第j段函数定义区间的下限值和上限值。
[0028]
所述的步骤2.3中，第k阶模型参数包括对应的时间常数τk和初始电流值ik(0)，其中，k》1，且估算第k阶模型的时间常数和初始电流的表达式为：
[0029][0030]
其中，i
k,est
(0)为辨识所得第k阶模型的初始电流值，τ
k,est
为辨识所得第k阶模型的时间常数，i
d,k
为解耦的第k阶模型产生电流，其表达式为：
[0031][0032]
其中，p为已辨识所得的模型对应的阶数；i
p,est
为已辨识所得的模型产生的电流。
[0033]
所述的步骤2.4中，第k阶模型产生电流表达式为：
[0034][0035]
所述的步骤2.7中，第1阶模型参数包括对应的时间常数τ1和初始电流值i1(0)，且表达式为：
[0036][0037]
其中，t
i,1
为第1阶模型产生电流的解耦临界时间，i
1,est
(0)为辨识所得第1阶模型在解耦临界时间的电流值，i
1,est
(0)为辨识所得第1阶模型的初始电流值，τ
1,est
为辨识所得第1阶模型的时间常数。
[0038]
与现有技术相比，本发明具有如下优点和有益效果：
[0039]
1.相比于应用于恒压充电工况的传统参数辨识方法，本发明提供的参数辨识方法执行简单，运算量低；
[0040]
2.本发明所选用的特征参数可以更加准确有效表征电池的容量衰减；
[0041]
3.相比于基于动态放电数据和恒流充电数据的电池实际容量估算方法，本发明提供的估算方法具有较高的鲁棒性。
附图说明
[0042]
图1为本发明电池实际容量估计算法的流程图。
[0043]
图2为恒压充电工况下电池模型参数辨识流程图。
[0044]
图3为不同健康状态(state-of-health,soh)下基于本发明的参数辨识方法得到的电池模型输出结果与实际测量的恒压充电电流波形对比。
[0045]
图4为利用本发明估算所得的电池容量值结果与实际测量所得的电池容量值对比。
具体实施方式
[0046]
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0047]
本发明实施例提供了一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，实现对车载锂离子电池储能系统的高效安全管理。
[0048]
一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法流程如图1所示，该方法主要分为2个部分；第1个部分为离线分析部分，第2个部分为在线估算部分；下面将对2个部分分别作进一步说明。
[0049]
所述的离线分析部分包括如下步骤：
[0050]
1)根据老化测试数据，获取电池在不同健康状态下的恒压充电阶段电流曲线；
[0051]
2)根据电池的恒压充电阶段电流曲线，辨识n阶电阻-电感网络等效电路模型参数，如图2所示；
[0052]
n阶电阻-电感网络等效电路模型的简化电流表达式为：
[0053][0054]
其中，ti为恒压充电时间，且t1＝0表示电池进入恒压充电控制模式的初始时刻，t
i+1-ti表示采样周期，n表示所记录的数据尺寸，i(ti)表示电池恒压充电电流，ik(ti)和τk分别表示第k阶电阻-电感网络的支路电流和时间常数，且满足τm《τn，其中，m《n。
[0055]
步骤2.1)，将参数k赋值为模型阶次n；
[0056]
步骤2.2)，根据电流动态特性，确定解耦临界时间t
i,k
；
[0057]
步骤2.3)，辨识第k阶模型的时间常数和初始电流值：
[0058][0059]
其中，i
k,est
(0)为辨识所得第k阶模型的初始电流值，τ
k,est
为辨识所得第k阶模型的时间常数，i
d,k
为解耦的第k阶模型产生电流，其表达式为：
[0060][0061]
其中，p为已辨识所得的模型对应的阶数；i
p,est
为已辨识所得的模型产生的电流。
[0062]
步骤2.4)，从测量电流中减去估算所得第k阶模型产生电流曲线，其中，第k阶模型产生电流表达式为：
[0063][0064]
步骤2.5)，将参数k值减1；
[0065]
步骤2.6)，判断k值是否为1，若大于1，则执行步骤2.2)，否则执行步骤2.7)；
[0066]
步骤2.7)，辨识第1阶模型的时间常数和初始电流值：
[0067][0068]
其中，t
i,1
为第1阶模型产生电流的解耦临界时间，i
1,est
(0)为辨识所得第1阶模型在解耦临界时间的电流值，i
1,est
(0)为辨识所得第1阶模型的初始电流值，τ
1,est
为辨识所得第1阶模型的时间常数。
[0069]
3)进行各电阻-电感网络的时间常数与电池容量的相关性分析，确定表征电池容量衰减的特征变量；
[0070]
4)建立步骤3中所确定的特征变量与电池实际容量的相关性关系：
[0071][0072]
所述的在线估算部分包括如下步骤：
[0073]
1)当电池进入恒压充电控制模式后，测量并记录电池的充电电流值；
[0074]
2)当充电过程结束后，辨识得到离线分析步骤3)中所确定的特征变量；其中，辨识方法与离线分析步骤2)中方法相同；
[0075]
3)将在线估算步骤2)中获取的特征变量代入离线分析步骤4)中所建立的相关性关系，估算电池的实际容量值。
[0076]
本实施方式中，实施对象为标称容量为4.8ah的三元锂离子电池，实际应用中并不限于此，老化测试在室温下进行，模型阶数设定为2。基于本发明的参数辨识方法得到的电池模型输出结果与实际测量的恒压充电电流波形对比如图3所示，可见模型输出电流曲线与测量电流曲线非常接近。选取τ2为特征变量，利用本发明估算所得的电池容量值结果与实际测量所得的电池容量值对比如图4所示。可以发现，估算所得的电池容量值可以较好地跟踪测量值，因此，本方法可以很好地实现在线电池实际容量估算。
[0077]
综上，本发明的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，包括：离线获取电池恒压充电电流曲线；辨识模型参数；确定特征变量；建立特征变量与电池实际容量的相关性关系；实时测量并记录电池恒压充电的电流值；充电过程结束后辨识得到特征变量；根据特征变量估算电池的实际容量。本发明提出的估算方法具有以下3点优势：(1)相比于应用于恒压充电工况的传统参数辨识方法，本发明提供的参数辨识方法执行简单，运算量低；(2)本发明所选用的特征参数可以更加准确有效表征电池的容量衰减；(3)相比于基于动态放电数据和恒流充电数据的电池实际容量估算方法，本发明提供的估算方法具有较高的鲁棒性。
[0078]
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0079]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例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例或示例中。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例或示例。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例或示例中以合适的方式结合。
[0080]
尽管已经示出和描述了本发明的实施例，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例进行多种变化、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。

技术特征：
1.一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于，所述方法包括以下步骤：s1，根据老化测试数据，获取电池在不同健康状态下的恒压充电阶段电流曲线；s2，根据电池的恒压充电阶段电流曲线，辨识n阶电阻-电感网络等效电路模型参数；s3，进行各电阻-电感网络的时间常数与电池容量的相关性分析，确定表征电池容量衰减的特征变量；s4，建立步骤s3中所确定的特征变量与电池实际容量的相关性关系；s5，当电池进入恒压充电控制模式后，测量并记录电池的充电电流值；s6，当充电过程结束后，辨识得到步骤s3中所确定的特征变量；s7，将步骤s6中获取的特征变量代入步骤s4中所建立的相关性关系，估算电池的实际容量值。2.根据权利要求1所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于，所述的步骤s2中，n阶电阻-电感网络等效电路模型的简化电流表达式为：其中，t
i
为恒压充电时间，且t1＝0表示电池进入恒压充电控制模式的初始时刻，t
i+1-t
i
表示采样周期，n表示所记录的数据尺寸，i(t
i
)表示电池恒压充电电流，i
k
(t
i
)和τ
k
分别表示第k阶电阻-电感网络的支路电流和时间常数，且满足τ
m
<τ
n
，其中，m<n。3.根据权利要求1所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于，所述的步骤s2中，n阶电阻-电感网络等效电路模型的参数辨识方法包括以下步骤：s2.1，将参数k赋值为模型阶次n；s2.2，根据电流动态特性，确定解耦临界时间t
i,k
；s2.3，辨识第k阶模型参数；s2.4，从测量电流中减去估算所得第k阶模型产生电流曲线；s2.5，将参数k值减1；s2.6，判断k值是否为1，若大于1，则执行步骤s2.2，否则执行步骤s2.7；s2.7，辨识第1阶模型参数。4.根据权利要求1所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于，所述的步骤s3中，相关性关系表达式为：其中，cap
est
为估算所得的实际容量值，a
j,i
为相关性关系的系数，l为相关性关系的阶数，j为分段函数段数，τ
k,1,j
和τ
k,2,j
分别为第j段函数定义区间的下限值和上限值。5.根据权利要求3所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于,所述的步骤2.3中，第k阶模型参数包括对应的时间常数
τ
k
和初始电流值i
k
(0)，其中，k>1。6.根据权利要求3所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于,所述的步骤2.4中，第k阶模型产生电流表达式为：其中，i
k,est
(0)为辨识所得第k阶模型的初始电流值，τ
k,est
为辨识所得第k阶模型的时间常数。7.根据权利要求3所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于,所述的步骤2.7中，第1阶模型参数包括对应的时间常数τ1和初始电流值i1(0)；估算第1阶模型的时间常数的表达式为：其中，t
i,1
为第1阶模型产生电流的解耦临界时间，i
1,est
(0)为辨识所得第1阶模型在解耦临界时间的电流值，i
1,est
(0)为辨识所得第1阶模型的初始电流值，τ
1,est
为辨识所得第1阶模型的时间常数。8.根据权利要求5所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于,估算第k阶模型的时间常数的表达式为：其中，i
d,k
为解耦的第k阶模型产生电流；解耦的第k阶模型产生电流的表达式为：其中，p为已辨识所得的模型对应的阶数；i
p,est
为已辨识所得的模型产生的电流。9.根据权利要求5所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于,估算第k阶模型的初始电流的表达式为：10.根据权利要求7所述的一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，其特征在于,估算第1阶模型的初始电流的表达式为：

技术总结
本发明公开了一种基于恒压充电电流解耦动态特性的锂离子电池参数辨识及实际容量估算方法，包括：离线获取电池恒压充电电流曲线；辨识模型参数；确定特征变量；建立特征变量与电池实际容量的相关性关系；实时测量并记录电池恒压充电的电流值；充电过程结束后辨识得到特征变量；根据特征变量估算电池的实际容量。本发明提出的估算方法具有以下3点优势：(1)相比于应用于恒压充电工况的传统参数辨识方法，本发明提供的参数辨识方法执行简单，运算量低；(2)本发明所选用的特征参数可以更加准确有效表征电池的容量衰减；(3)相比于基于动态放电数据和恒流充电数据的电池实际容量估算方法，本发明提供的估算方法具有较高的鲁棒性。性。性。


技术研发人员：杨驹丰 李哲 蔡英凤 孙晓东
受保护的技术使用者：江苏大学
技术研发日：2021.12.30
技术公布日：2022/4/15