基于多新息最小二乘算法的锂电池参数辨识

为了保证电池管理系统的安全可靠运行，需要准确地辨识锂离子电池模型参数。以磷酸铁锂为研究对象，建立其RC等效电路模型，并基于该模型辨识锂离子电池模型参数。锂离子电池模型参数受外部因素影响较大并且参数辨识结果受在线信息采集的限制，采用多新息最小二乘辨识算法进行锂离子电池模型参数在线辨识。通过3种不同的充放电实验采集数据，并根据实验数据在不同初值下进行参数辨识，通过比较由辨识结果估计出的端口电压值与实际值的误差来描述辨识结果的准确度。实验结果表明，多新息最小二乘辨识算法具有快速收敛性与高精确性。     

基于VFFRLS算法的锂电池参数辨识

动力电池性能是影响电动汽车综合性能的关键因素,因此准确辨识锂离子电池模型的参数对后续电池系统的荷电状态估计和健康状态预测至关重要。为了提高锂离子电池模型参数辨识算法的精度,以磷酸铁锂电池作为研究对象,建立电池二阶RC等效电路模型,并采用基于变量遗忘因子的最小二乘算法对锂离子电池模型进行在线参数辨识。通过搭建测试平台进行充放电实验,基于2种不同工况的实验数据,分别用文中算法、递推最小二乘算法和传统的带遗忘因子的最小二乘算法进行参数辨识,根据辨识结果估计出的端口电压与实验测试得到的实际值的误差比较来描述文中算法辨识结果的准确度。实验结果表明,基于变量遗忘因子的最小二乘算法在锂电池参数辨识方面表现出快速的收敛性和较高的估计精度。     

锂电池等效模型建立与参数辨识方法研究

近年来锂离子电池的发展迅速,基于电池的储能系统在国内外得到广泛应用,国内也在研发基于锂离子电池的混合储能系统。为了确保储能系统在复杂工况下的高效、安全和可靠运行,建立高保真的电池模型和进行准确的参数辨识至关重要。本文对锂电池的工作原理和特性进行简述,综述了锂离子电池的模型和等效电路模型的参数辨识方法,对各种方法的原理进行介绍。综合考虑准确度和复杂度选择二阶RC等效电路模型作为其等效电路模型,采用混合脉冲功率性能测试(HPPC)和最小二乘法进行参数辨识,通过充放电实验,验证模型精度,结果表明,模型与实际虽存在一定误差,能较为准确反映电池的静动态特性。     

最小二乘算法优化及其在锂离子电池参数辨识中的应用

传统最小二乘法（LS）用于锂离子电池模型在线参数辨识精度低,通过带遗忘因子递推最小二乘算法能够有效地提高辨识精度,但固定的遗忘因子影响模型动态特性。遗忘因子的自适应处理能提高算法对动态系统的参数辨识能力,而目前的自适应方法容易忽略模型参数的稳定性,同时方法待定系数范围较大且难以确认。为了得到高精度且稳定性良好的模型参数,该文设计了一种精度和稳定性兼优且更简单的自适应遗忘因子递推最小二乘（AFFRLS）改进方法,并与其他AFFRLS、可变遗忘因子递推最小二乘（VFFRLS）进行仿真对比分析。结果表明,改进的AFFRLS能够在模型精度和参数稳定性取得更好的平衡,且对不同的在线工况具有良好的适用性。     

计及动态非均匀热特性的储能软包锂电池充放电热路模型

当前锂离子电池热行为解析模型与仿真模型在储能应用中面临效率或精度挑战。提出一种计及动态非均匀热特性的软包锂电池热分析方法，为储能系统提供电池状态在线评估工具。首先，构建热路模型和解析偏微分方程组，以捕捉充放电过程中电池动态非均匀热特性。其次，建立迭代机制确定求解参数，发展一种兼顾精度和效率的求解算法。将热解析模型和算法应用于商用储能锂电池温度评估。多种充放电工况下的实验结果表明，所提方法具有毫秒级计算成本和小于3%的温度误差，参数标定、迭代机制增强了该方法的工程适用性。该方法对储能电池管理系统展现出良好的应用潜力。     

电动汽车用磷酸铁锂离子电池的PNGV模型分析

以国产新型150Ah磷酸铁锂离子电池为研究对象,分别对其在0℃和30℃的PNGV模型参数进行了辨识。将其内阻参数与电池直流内阻进行对比分析,考核了磷酸铁锂离子电池的PNGV模型在FUDS工况循环下的仿真精度。研究表明:由于温度对磷酸铁锂离子电池特性的影响较为显著,PNGV等效电路模型的仿真精度会随着初始温度的变化有所波动,所以为了保证仿真效果,必须在更多的温度点上进行参数辨识并进行优化;PNGV等效电路模型适用于城市工况下的仿真。     

储能工况下磷酸铁锂电池动态辨识方案研究

锂离子电池的动态性能受温度、电流及老化等多种因素制约,限制了电池储能系统的大规模推广和应用,同时由于传统的参数辨识方法只能准确辨识电池开路电压,而复杂的储能电池工况却对储能电池组的性能参数辨识提出了更高要求。以储能用大容量磷酸铁锂电池为研究对象,分析了传统电池参数辨识对不同温度、不同电流倍率下电池动态性能的估计误差,综合利用一阶和二阶等效电路模型研究了参数辨识在不同使用区间的精度,结合典型储能工况提出了复合脉冲序列条件下的粒子群参数辨识方法。实验结果表明该方法对于准确评估单体和串联电池组的动态电压及性能表征参数具有较高的精度,为大规模储能系统电池参数的在线辨识和电池评估提供依据。     

基于FFRLS-UKF的锂离子电池内核温度估计方法

基于锂离子电池的集总参数模型,建立产热内阻随温度、SOC和循环次数变化的数学模型,并提出了一种基于带遗忘因子的递推最小二乘法(recursive least square with forgetting factor,FFRLS)-无迹卡尔曼滤波算法(unscented Kalman filter,UKF)的锂离子电池内核温度估计方法.在单周期的FUDS工况下进行实验验证,根据采集的电池表面温度值、环境温度和电流值在线辨识热阻容参数和内阻,并验证所辨识参数的准确性;用FFRLS-UKF算法估计内核温度的变化,实验结果表明,该方法可以很快消除未知初始值的误差,并跟随到真值附近,最大误差在1℃以内.在此基础上设计了150次FUDS循环充放电的仿真实验,仿真结果表明,在循环工况下,该方法能够较好地追踪内核温度和内阻平均值变化情况,显示了较好的稳定性和鲁棒性.     

储能锂离子电池包单体内部温度压力模拟

针对储能锂离子电池热失控引发的安全问题,开发一种高效锂离子软包电池内部温度压力模拟方法,为储能系统提供电池状态实时监测工具。首先,通过融合化学反应模型、热路模型和膨胀模型,将软包电池内部生热、产气、传热、膨胀等过程集成到统一的计算框架中。其次,建立基于微分方程组的软包电池温度、压力计算模型,反应模型和热路模型通过温度、生热率等状态参数彼此耦合。再次,将该方法应用于4款电池样本进行温度、压力模拟。计算值和实测值对比表明,该方法能高效计算锂离子软包电池内部温度和压力,最大模拟误差小于4%,具有良好的计算精度。并且,该方法求解过程无需调用耗时的多物理场耦合仿真,计算效率高。     

考虑环境温度影响的锂离子电池改进双极化模型及其荷电状态估算

建立准确合理的锂离子电池数学模型,精确估算锂离子电池(LIB)终端电压及荷电状态(SOC)对于开发高效实用的电池管理系统十分重要.首先,该文建立一种改进的环境温度依赖的锂离子电池双极化(DP)模型.然后,基于锂离子电池的动态实验数据,利用遗忘因子最小二乘法(FFLS)对该锂离子电池模型关键参数进行辨识,并将其拟合为环境温度的连续函数.同时,根据扩展卡尔曼滤波(EKF)算法,提出一种适用于不同环境温度的锂离子电池荷电状态估计方法.最后,采用?10℃、20℃和50℃下动态压力测试(DST)和US06循环工况的实验数据,对该文的锂离子电池模型进行仿真分析和验证.结果表明,该文提出的改进DP模型能够准确反映环境温度对模型参数的影响,且在电池终端电压和SOC估算方面具有较高的精度和较宽的温度适用范围.     

基于迭代式粒子群优化的永磁同步电机热网络模型参数辨识研究

针对集总参数热网络模型未知参数多、参数辨识收敛困难的问题,利用永磁同步电机在不同工况下的特性,提出迭代式粒子群优化辨识框架,用实验测量的电机温度场数据,以各节点估计温度与实测温度的均方误差作为目标函数,将并行优化转化为三步串行迭代优化,减少每一步优化变量数,缩小种群规模,避免陷入局部最优。应用于某额定功率70 kW电机,得到一般热阻和热容随温度变化的规律,电机损耗、绕组涡流系数和气隙热阻随转速变化的规律。台架实验表明,在综合驾驶工况下,以槽内绕组、端部绕组、永磁体、定子齿和定子轭的温度估计最大误差和平均误差作为评价指标,与实测结果以及传统的采用固定参数的集总参数模型相比,提出的模型精确度高,工况适应性好。     

基于SR-HPPC和EKF的强适应性电池参数辨识

准确的建模与荷电状态(SOC)估计能确保电池管理系统安全启动及稳定运转.以三元正极材料锂离子电池为研究对象,建立离散模型.在传统参数拟合的基础上,结合模型在阶跃响应下的性质,提出一种辨识方法.该方法结合不同工况实验,对电池工作特性进行分析.将参数辨识方法阶跃响应(SR)-混合功率脉冲特性(HPPC)构建的模型与扩展卡尔...     

软包装锂离子动力电池生热速率测算方法研究

从锂离子动力电池的生热原理入手,参照Bernardi电池生热模型采集相关实验数据,并对实验数据进行处理,研究电池的温升特性,测算出锂电池的等效热容值和生热速率公式,为使用数字化模型研究单体电池的温度场分布特性提供了参数依据。     

锂电池SOC估算模型与参数辨识分析研究

以常用磷酸铁锂电池为实验研究对象,建立戴维宁等效电路模型。通过对锂离子电池进行充放电实验和混合脉冲功率(Hybrid Pulse Power Characteristic,HPPC)测试实验方法,分析得出了等效电路模型中各参数的辨识方法。依托Matlab软件对实验数据进行分析和处理,有效验证了模型参数辨识方法的可行性,为进一步研究估算电池荷电状态(SOC)奠定了基础。     

基于热网络法的永磁电机温度在线估计

将集总参数热网络（LPTN）模型应用于永磁电机温度在线估计能够预防电机因过温而造成的电机损坏，特别是降低永磁体的不可逆退磁风险，提高永磁电机使用的安全性。该文首先针对LPTN模型应用于温度估计过程中存在灰度模型的不确定性，对永磁电机LPTN模型进行比较，建立不同节点的低阶灰箱永磁电机LPTN模型。搭建永磁电机变工况温度实验平台，基于实验数据进行模型对比分析，得到用于永磁电机在线温度估计的最优节点数LPTN模型。同时为克服扩展卡尔曼滤波算法出现的滤波发散及热阻参数在变工况下非线性导致温度估计累积误差问题，利用加权多新息强跟踪扩展卡尔曼滤波（WMI-STEKF）算法对永磁电机LPTN模型进行在线参数辨识及温度估计，将温度估计误差降低至3℃，提高非线性系统在变工况条件下参数辨识过程的鲁棒性。最后，通过仿真和温度实验结果对比分析，证明该方法的正确性和准确性。     

基于锂电池模型和分数阶理论的SOC-SOH联合估计

基于锂电池荷电状态（SOC）和健康状态（SOH）的耦合关系，设计了SOC-SOH联合估计系统。首先，构建锂电池等效电路模型和自适应扩展卡尔曼滤波（AEKF）算法，进行锂电池SOC估计；其次，建立锂电池分数阶模型，设计模糊控制器辨识分数阶模型参数，基于分数阶模型参数和电池充电工况确立健康因子，引入麻雀搜索算法（SSA）改进反向传播神经网络（BPNN），进行锂电池SOH估计；然后，集成SOC与SOH估计方法，设计联合估计系统；最后，设计锂电池老化实验、动态应力测试（DST）和US06动态实验方案，对比分析不同工况下不同算法的SOC-SOH联合估计效果。结果表明，基于提出的SOC-SOH联合估计方法，估计误差小于1%，具有良好的估计特性。     

基于FF-MILS的锂离子电池模型参数辨识

以三元正极材料锂离子电池为研究对象,选用二阶RC电池模型,采用遗忘因子多新息最小二乘算法(FF-MILS)进行在线参数辨识.比较带有遗忘因子最小二乘算法(FFRLS)与遗忘因子多新息最小二乘算法辨识结果估计的端电压与实测端电压的绝对误差,以验证参数辨识效果.实验结果表明,在城市道路循环工况(UDDS)下,遗忘因子多新息最小二乘算法的平均绝对误差比未改进的算法减少了0.5％.     

锂离子电池等效电路模型及参数辨识方法研究

分析了锂离子电池等效电路模型的精度和计算量,选用Thevenin模型作为锂离子电池等效电路模型,用最小二乘法在HPPC试验工况下对模型参数进行辨识,并选用端电压为基准值在工况下进行验证。结果表明,Thevenin模型可以较好地反映锂电池端电压变化规律,模型精度足以满足So C估算对等效电路模型的要求。     

基于UKF的18650锂离子电池健康状况估计

根据18650型锂离子单体电池的特性分析,建立了电路等效模型和电化学模型相结合的电池模型,以实时在线辨识锂离子电池欧姆内阻为目标,利用无迹Kalman(UKF)滤波算法,实现了对电池欧姆内阻的在线辨识,开展了锂离子电池健康状况(SOH)估计实验,建立了适用于18650型锂离子电池的SOH估计模型。仿真结果显示,该模型同时考虑电池内阻在不同工况下的变化趋势和充放电电流大小等因素,为实现锂离子电池健康状况精确估计提供了较好的理论基础。     

锂离子电池内阻辨识及其在寿命估计中的应用

根据锂离子动力电池的特性分析,以实时辨识锂离子电池欧姆内阻为目标,建立了电池内阻简化模型.在该模型的基础上,利用实验采集的数据和递推最小二乘算法,实现了对电池欧姆内阻的在线实时辨识.通过该内阻辨识算法,开展了电池寿命估计实验.获得了电池内阻在不同工况下的变化趋势等相关结论,为实现寿命状态估计提供了有益的参考.