一种建立电动车辆的动力电池的模型的方法

摘要

本发明涉及电池技术领域。为解决现有的基于等效电路模型的动力电池管理系统中动力电池模型复杂度过高或模型精度过低，以及建模时对数据格式过度依赖的问题，本发明提出一种建立电动车辆的动力电池的模型的方法,划分待提取数据所处的荷电状态SoC区间得到N个待辨识采样区间，对待辨识采样区间设置编号m，且m＝1,2,3，……，N，并提取动力电池的充、放电电流及电压；对待辨识采样区间的增大范围增大次数λ和优化次数γ进行初始化设置；进行参数辨识并保存辨识得到的参数，辨识完成后对动力电池不同阶次的模型进行精度分析，根据需要添加误差补偿函数进行优化，进行AIC阶次评估，得到精度与复杂度最佳平衡后的模型。建模成本低，且模型精度高。

主权项

一种建立电动车辆的动力电池的模型的方法，其特征在于，该方法包括如下步骤：步骤一、先选定待提取数据所处的荷电状态SoC区间，并将该荷电状态SoC区间划分成N‑1个间隔区间，在每个间隔区间的两端分别设置一个待辨识采样区间，得到N个待辨识采样区间，对所述待辨识采样区间设置编号m，且m＝1,2,3，……，N；然后，提取动力电池在所述待辨识采样区间上的充、放电电流及电压；步骤二，对λ和γ进行初始化设置，其中，为所述待辨识采样区间的增大范围；λ为增大所述待辨识采样区间的范围的次数；γ为优化次数；步骤三，建立所述动力电池的含不同阶次RC网络的等效电路模型的数学方程y_h＝φ_n,hθ_n,h，且$\left\{\begin{array}{c}{\phi }_{n,h}=\left[\begin{array}{ccccccccc}1& U_{t,h-1}& U_{t,h-2}& ......& U_{t,h-n}& i_{L,h-1}& i_{L,h-2}& ......& i_{L,h-n}\end{array}\right]\\ {\theta }_{n,h}=\left[\begin{array}{cccccc}(1-\underset{i=1}{\overset{n}{\Sigma }}{c}_i)U_{oc,h}& c_1& c_2& c_3& ......& c_{2n+1}\end{array}\right]\end{array}\right.$其中，φ_n,h为所述动力电池的等效电路模型的数据矩阵，θ_n,h为所述动力电池的等效电路模型的模型参数矩阵，U_t,h为动力电池的端电压U_t在h时刻的值，U_oc,h为动力电池的开路电压U_oc在h时刻的值，i_L,h为电流i_L在h时刻的值，c_i(i＝1,2,……,2n+1)为等效电路模型的待辨识系数，且该待辨识系数与所述等效电路模型的模型参数有关，n为所述动力电池的等效电路模型中所含RC网络的阶次，且n＝0，1，……，5，并应用最小二乘方法辨识所述等效电路模型的模型参数，当时，其中，R²为相关程度评价系数，y_i为所述动力电池的电压测量值，为所述动力电池的电压预测值，为所述动力电池的电压测量值的平均值，为所述相关程度评价系数的阈值，保存辨识得到的模型参数，m加1并进入下一步骤，当时，先对增大所述待辨识采样区间的范围的次数λ进行检测，且当λ小于允许增大次数时，增大所述待辨识采样区间的范围并重新进行辨识，当λ不小于允许增大次数时，从辨识得到的模型参数中选取最佳值进行保存，m加1并进入下一步骤；步骤四，当m≤N时，参数辨识未完成，返回步骤三，继续进行辨识；当m＞N时，参数辨识完成，进入下一步骤；步骤五，针对动力电池不同阶次的等效电路模型的模型预测误差进行计算，当所述模型预测误差大于或等于1％时，先对优化次数γ进行检测，当γ大于允许优化次数时，则该阶次的等效电路模型无效；当γ不大于允许优化次数时，利用误差补偿函数对所述模型参数进行优化，并重新对所述模型预测误差进行计算，所述误差补偿函数为：$f(z,i_L,\gamma )=\underset{i=0}{\overset{\gamma }{\Sigma }}{K}_i\times z^i+S_1\times i_L+S_2\times log\left(z\right)+S_3\times log(1-z),$其中，K_i(i＝0,……,γ)、S₁、S₂和S₃均为所述误差补偿函数的优化系数；根据对所述误差补偿函数进行优化求解，其中，Er为模型预测误差，L_D为采样点总数，Er_j为第j个采样点对应的模型预测误差，x为所述误差补偿函数的优化系数，且为第j个采样点对应的误差补偿函数的优化系数；当所述模型预测误差小于1％时，对所述动力电池的等效电路模型进行AIC阶次评估，以得到精度与复杂度最佳平衡后的模型。