实时、准确地获得电池模型的参数可提高电池状态估计的精度。常用的系统辨识算法和智能优化算法不仅实时性差,而且辨识精度低。为了解决等效电路模型的参数辨识及提高等效电路模型参数的辨识精度,本文通过直接离散的方法建立了能够同时...实时、准确地获得电池模型的参数可提高电池状态估计的精度。常用的系统辨识算法和智能优化算法不仅实时性差,而且辨识精度低。为了解决等效电路模型的参数辨识及提高等效电路模型参数的辨识精度,本文通过直接离散的方法建立了能够同时辨识二阶RC(resistance-capacitance)等效电路模型和PNGV(partnership for a new generation of vehicles)模型参数的差分方程。基于多新息算法辨识理论,提出了带遗忘因子的多新息辅助模型扩展递推最小二乘(FMIAELS)算法。FMIAELS算法只需利用电池的电流及端电压即可实现等效电路模型参数的实时、精确辨识。实验验证结果表明,在不同温度、工况和老化程度下,FMIAELS算法可精确地辨识电池的模型参数,误差约为常用的系统辨识算法和智能优化算法的1/3。FMIAELS算法也能实现开路电压(OCV)的精确辨识,在不同脉冲下辨识的OCV的精度也明显优于常用的系统辨识算法和智能优化算法,其平均误差仅有0.22%。展开更多
文摘实时、准确地获得电池模型的参数可提高电池状态估计的精度。常用的系统辨识算法和智能优化算法不仅实时性差,而且辨识精度低。为了解决等效电路模型的参数辨识及提高等效电路模型参数的辨识精度,本文通过直接离散的方法建立了能够同时辨识二阶RC(resistance-capacitance)等效电路模型和PNGV(partnership for a new generation of vehicles)模型参数的差分方程。基于多新息算法辨识理论,提出了带遗忘因子的多新息辅助模型扩展递推最小二乘(FMIAELS)算法。FMIAELS算法只需利用电池的电流及端电压即可实现等效电路模型参数的实时、精确辨识。实验验证结果表明,在不同温度、工况和老化程度下,FMIAELS算法可精确地辨识电池的模型参数,误差约为常用的系统辨识算法和智能优化算法的1/3。FMIAELS算法也能实现开路电压(OCV)的精确辨识,在不同脉冲下辨识的OCV的精度也明显优于常用的系统辨识算法和智能优化算法,其平均误差仅有0.22%。
