阅读说明：本技术 一种动力锂离子电池电化学参数辨识方法及系统 (Power lithium ion battery electrochemical parameter identification method and system ) 是由 张希 高一钊 于 2019-11-27 设计创作，主要内容包括：本发明提供了一种动力锂离子电池电化学参数辨识方法及系统,包括：步骤M1：建立传递函数形式的电池的电化学模型；步骤M2：进行锂离子电池实验,采集锂离子电池在不同工况下的实验数据；步骤M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入,对电池的电化学参数进行参数敏感性分析；步骤M4：根据电池的电化学参数敏感性分析,完成锂离子电池在不同工况下所有电化学参数的辨识；所述电化学模型是电池的机理模型,是对电池内部电化学参数辨识的基础。本发明通过预先在实验室对电池不同温度,不同工况下的实验数据进行采集,然后基于电池伪二维传递函数模型进行参数辨识,可方便快捷得到电池电化学参数。(The invention provides a method and a system for identifying electrochemical parameters of a power lithium ion battery, which comprises the following steps: step M1: establishing an electrochemical model of the battery in the form of a transfer function; step M2: performing a lithium ion battery experiment, and collecting experimental data of the lithium ion battery under different working conditions; step M3: taking the collected experimental data of the battery under different working conditions as the input of an electrochemical model, and carrying out parameter sensitivity analysis on the electrochemical parameters of the battery; step M4: according to the electrochemical parameter sensitivity analysis of the battery, the identification of all electrochemical parameters of the lithium ion battery under different working conditions is completed; the electrochemical model is a mechanism model of the battery and is a basis for identifying electrochemical parameters in the battery. According to the invention, the battery electrochemical parameters can be conveniently and rapidly obtained by acquiring the experimental data of the battery at different temperatures and under different working conditions in a laboratory and then performing parameter identification based on the battery pseudo two-dimensional transfer function model.)

一种动力锂离子电池电化学参数辨识方法及系统

技术领域

本发明涉及电动汽车的电池参数辨识领域，具体地，涉及一种动力锂离子电池电化学参数辨识方法及系统。

背景技术

当前关于锂离子电池内部电化学参数辨识尚无很好的方案。大多数参数辨识方法是基于参数拟合，即使用模型输出值去拟合实验值，从而获得对相关参数的估计值。然而，如何确保所获取的实验数据丰富性以及如何高效合理地设计实验，从而有效辨识出所需的电化学参数仍未得到妥善解决。

动力电池作为新能源汽车中的重要组成部分，电池剩余容量(SOC)和老化程度(SOH)的精准估计是电动汽车电池管理系统最重要的功能之一。通过对SOC,SOH的精准估计可以防止对电池过充，过放，使得电池状态始终维持在健康合理的运行区间，从而延长电池使用寿命。电池内部电化学参数的有效辨识是电池全气候状态下精准估计的根本保证，对于设计，仿真，分析电池性能具有重要意义。只有准确知道电池内部的电化学参数才能对电池在极端气候环境下的状态估计精度有一个可靠的保证。目前，电池电化学模型参数辨识在汽车产业中仍是一个未解决的难题，尤其是对电池关键性能参数，例如固液相离子扩散系数，反应动力学常数的辨识尚无有效快捷的方法可以仅基于电池外特性实验数据进行准确辨识。因此，如何创设一种新的基于电池电化学模型和电池实验数据的电化学参数辨识方法，成为当前业界亟需改进的目标。

专利文献CN108761341A(申请号：201810559026.8)公开了一种锂离子电池电化学模型参数获取方法，涉及新能源研究领域。本发明是为了解决现有的需要借助电化学测量方法或智能算法获取机理模型参数，不具备快速、无损获取参数的能力的问题。步骤一、建立锂离子电池电化学简化机理模型；步骤二、对锂离子电池施加参数辨识工况，使锂离子电池充放电，得到锂离子电池在充放电情况下的电压数据和电流数据；步骤三、根据所述的锂离子电池电化学简化机理模型及锂离子电池在充放电情况下的电压数据和电流数据，获得锂离子电池电化学模型参数。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种动力锂离子电池电化学参数辨识方法及系统，即一种能够快速辨识锂离子电池电化学参数的系统性方法，并且适用范围广泛的锂离子电池电化学参数估算方法。

本发明提供了一种动力锂离子电池电化学参数辨识方法，包括：

步骤M1：建立传递函数形式的电池的电化学模型；

步骤M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；

步骤M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；

步骤M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；

所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。

优选地，所述步骤M1包括：建立电池输出电压与输入电流传递函数关系：

其中，C_s,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；C_s,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；C_s,p,max表示为电池正极最大固相锂离子浓度；C_s,n,max表示为电池负极最大固相锂离子浓度；U_p表示为电池正极开路电压；U_n表示为电池负极开路电压；η_p(s)表示为电池正极过电势对输入电流的传递函数；η_n(s)表示为电池负极过电势对输入电流的传递函数；Φ_e(L,s)表示为电池正极集流体处电解液电势；Φ_e(0,s)表示为电池负极集流体处电解液电势；R_f表示为电池内阻；I(s)表示为电池输入电流；V_cell(s)表示为电池端电压。

优选地，所述步骤M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；

所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；

所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。

优选地，所述步骤M3包括：对所有电池电化学参数θ进行参数敏感性分析：

其中，

代表电压对待辨识参数的偏导；V_cell表示电池端电压；在输入工况I_input下，当S_θ取最大值时，电化学参数θ为最敏感的电化学参数θ_s；

所述电化学模型的输入指的是输入工况下，电池的输入电流I_input。

优选地，所述步骤M4包括：

步骤M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，电池的输出电压响应，即电池端电压V_cell；定义电池端电压V_cell与实验电压V_exp(t)误差的和方差为:

其中，实验电压V_exp(t)为实验工况下所有的电压；n表示采样时间点的数量；w_t表示误差权重值；t代表时间，表示第t秒；

步骤M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：

其中，θ_S表示S_θ取最大值的一组参数值；

当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θ_i作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。

所述迭代是完成电池在不同工况下所有电化学参数的辨识。

本发明提供了一种动力锂离子电池电化学参数辨识系统，其特征在于，包括：

模块M1：建立传递函数形式的电池的电化学模型；

模块M2：进行锂离子电池实验，采集锂离子电池在不同工况下的实验数据；

模块M3：将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；

模块M4：根据电池的电化学参数敏感性分析，完成锂离子电池在不同工况下所有电化学参数的辨识；

所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。

优选地，所述模块M1包括：建立电池输出电压与输入电流传递函数关系：

其中，C_s,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；C_s,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；C_s,p,max表示为电池正极最大固相锂离子浓度；C_s,n,max表示为电池负极最大固相锂离子浓度；U_p表示为电池正极开路电压；U_n表示为电池负极开路电压；η_p(s)表示为电池正极过电势对输入电流的传递函数；η_n(s)表示为电池负极过电势对输入电流的传递函数；Φ_e(L,s)表示为电池正极集流体处电解液电势；Φ_e(0,s)表示为电池负极集流体处电解液电势；R_f表示为电池内阻；I(s)表示为电池输入电流；V_cell(s)表示为电池端电压。

优选地，所述模块M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；

所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；

所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。

优选地，所述模块M3包括：对所有电池电化学参数θ进行参数敏感性分析：

其中，

代表电压对待辨识参数的偏导；V_cell表示电池端电压；在输入工况I_input下，当S_θ取最大值时，电化学参数θ为最敏感的电化学参数θ_s；

所述电化学模型的输入指的是输入工况下，电池的输入电流I_input。

优选地，所述模块M4包括：

模块M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，电池的输出电压响应，即电池端电压V_cell；定义电池端电压V_cell与实验电压V_exp(t)误差的和方差为:

其中，实验电压V_exp(t)为实验工况下所有的电压；n表示采样时间点的数量；w_t表示误差权重值；t代表时间，表示第t秒；

模块M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：

其中，θ_S表示S_θ取最大值的一组参数值；

当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θ_i作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。

所述迭代是完成电池在不同工况下所有电化学参数的辨识。

与现有技术相比，本发明具有如下的有益效果：本发明通过预先在实验室对电池不同温度，不同工况下的实验数据进行采集，然后基于电池伪二维传递函数模型进行参数辨识，可方便快捷得到电池电化学参数。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为电池电化学参数辨识流程图；

图2为电池电化学传递函数模型

图3为电池电化学参数敏感性分析

图4为电池电化学参数辨识优化结果-城市道路循环UDDS工况

图5为城市道路循环UDDS下电池电化学参数敏感性优化辨识结果对比

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明提供了一种动力锂离子电池电化学参数辨识方法，包括：

步骤M1：建立传递函数形式的锂离子电池的电化学模型；电池的电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。

具体地，所述步骤M1包括：对所述动力电池建立传递函数形式的伪二维电化学模型，具体包括：建立电池输出电压与输入电流传递函数关系：

其中，C_s,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；C_s,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；C_s,p,max表示为电池正极最大固相锂离子浓度；C_s,n,max表示为电池负极最大固相锂离子浓度；U_p表示为电池正极开路电压；U_n表示为电池负极开路电压；η_p(s)表示为电池正极过电势对输入电流的传递函数；η_n(s)表示为电池负极过电势对输入电流的传递函数；Φ_e(L,s)表示为电池正极集流体处电解液电势；Φ_e(0,s)表示为电池负极集流体处电解液电势；R_f表示为电池内阻；I(s)表示为电池输入电流；V_cell(s)表示为电池端电压。

步骤M2：进行锂离子电池实验，采集锂离子电池OCV-SOC曲线以及电池在不同工况下的实验数据；

具体地，所述步骤M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；

所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；

所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。

步骤M3：对电池电化学参数初始化，将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；

具体地，所述步骤M3包括：对所有电池电化学参数θ进行参数敏感性分析：

其中，

代表电压对待辨识参数的偏导；V_cell表示电池端电压；在输入工况Iinput下，当S_θ取最大值时，电化学参数θ为最敏感的电化学参数θ_s，找出对某特定输入工况下(输入工况值得就是某一温度，某一电流下)最敏感的电化学参数(即使得取最大值的一组参数值)，从而进行针对这一特定参数进行辨识。

所述电化学模型的输入指的是输入工况下，电池的输入电流I_input。

步骤M4：根据电池的电化学参数敏感性分析，不断迭代和循环直到完成锂离子电池在不同工况下所有电化学参数的辨识；

所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。

具体地，所述步骤M4包括：

步骤M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，即得到在某一温度下，某一电流输入下，电池的输出电压响应，即电池端电压V_cell；定义电池端电压V_cell与实验电压V_exp(t)误差的和方差为:

其中，实验电压V_exp(t)为实验工况下所有的电压；n表示采样时间点的数量；w_t表示误差权重值，一般取0-1之间的某个数值；t代表时间，表示第t秒；

步骤M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：

其中，θ_S表示S_θ取最大值的一组参数值；

当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θ_i作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。

所述迭代是完成电池在不同工况下所有电化学参数的辨识。

本发明提供了一种动力锂离子电池电化学参数辨识系统，包括：

模块M1：建立传递函数形式的锂离子电池的电化学模型；电池的电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。

具体地，所述模块M1包括：对所述动力电池建立传递函数形式的伪二维电化学模型，具体包括：建立电池输出电压与输入电流传递函数关系：

其中，C_s,pos(s)表示为电池正极固相锂离子浓度对输入电流的传递函数；C_s,neg(s)表示为电池负极固相锂离子浓度对输入电流的传递函数；C_s,p,max表示为电池正极最大固相锂离子浓度；C_s,n,max表示为电池负极最大固相锂离子浓度；U_p表示为电池正极开路电压；U_n表示为电池负极开路电压；η_p(s)表示为电池正极过电势对输入电流的传递函数；η_n(s)表示为电池负极过电势对输入电流的传递函数；Φ_e(L,s)表示为电池正极集流体处电解液电势；Φ_e(0,s)表示为电池负极集流体处电解液电势；R_f表示为电池内阻；I(s)表示为电池输入电流；V_cell(s)表示为电池端电压。

模块M2：进行锂离子电池实验，采集锂离子电池OCV-SOC曲线以及电池在不同工况下的实验数据；

具体地，所述模块M2包括：进行电池开路电压试验，得到不同荷电状态下的多个电池的开路电压值，同时对电池在不同温度下，分别进行静态试验和动态试验，将得到的实验数据作为参数辨识的输入偏导矩阵；

所述静态试验包括不同倍率恒流放电试验和恒流恒压充电试验；

所述动态试验包括城市道路循环UDDS工况试验和动态应力测试DST工况试验。

模块M3：对电池电化学参数初始化，将采集到的电池在不同工况下的实验数据作为电化学模型的输入，对电池的电化学参数进行参数敏感性分析；

具体地，所述模块M3包括：对所有电池电化学参数θ进行参数敏感性分析：

其中，

代表电压对待辨识参数的偏导；V_cell表示电池端电压；在输入工况Iinput下，当S_θ取最大值时，电化学参数θ为最敏感的电化学参数θ_s，找出对某特定输入工况下(输入工况值得就是某一温度，某一电流下)最敏感的电化学参数(即使得取最大值的一组参数值)，从而进行针对这一特定参数进行辨识。

所述电化学模型的输入指的是输入工况下，电池的输入电流I_input。

模块M4：根据电池的电化学参数敏感性分析，不断迭代和循环直到完成锂离子电池在不同工况下所有电化学参数的辨识；

所述电化学模型是电池的机理模型，是对电池内部电化学参数辨识的基础。

具体地，所述模块M4包括：

模块M4.1：对电池电化学模型中的电池电化学参数θ进行初始化，得到在输入工况下，即得到在某一温度下，某一电流输入下，电池的输出电压响应，即电池端电压V_cell；定义电池端电压V_cell与实验电压V_exp(t)误差的和方差为:

其中，实验电压V_exp(t)为实验工况下所有的电压；n表示采样时间点的数量；w_t表示误差权重值，一般取0-1之间的某个数值；t代表时间，表示第t秒；

模块M4.2：采用基于可信赖域的非线性最小二乘方法对和方差SSE进行电化学参数的辨识：

其中，θ_S表示S_θ取最大值的一组参数值；

当计算求解过程的迭代次数和迭代精度小于设置值时，停止迭代计算，并将此时求解得到的电化学参数值θ_i作为电化学模型此时的电化学参数的最优解，即为参数的辨识解。

所述迭代是完成电池在不同工况下所有电化学参数的辨识。

在本申请的一个优选实施例中，选用镍钴锰三元电池NMC为研究对象，其额定容量为153Ah,充放电截止电压分别为4.3V和2.7V。实验工况为城市道路循环工况(UDDS)。用电池测试系统测量得出的端电压作为参考值于所述算法中模型输出的端电压估计值对比进行参数敏感性分析，来对此敏感性参数进行辨识，并对参数辨识的结果进行误差分析，最终说明所述算法在参数辨识过程中的适用性。

所述步骤一中对所述动力电池建立模型是基于如图2所示的传递函数模型。

图3为在UDDS工况下，对电化学模型进行参数敏感性分析。图4为针对UDDS工况敏感性参数进行辨识，辨识的具体方法为基于非线性最小二乘方法。由图5可知，辨识出来的电化学参数可以使得电化学模型的精度误差在20mv以内。

本发明的技术方案的顺利实现，得益于对电池电化学传递函数模型的精准把控，和对电池工况特性实验的有效设计。针对具体的参数辨识优化算法，选用非线性最小二乘算法进行迭代优化求解可对特定工况下的敏感参数快速辨识。除本技术方案外，还可以采用遗传算法，粒子群算法针对电池电化学参数进行辨识。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神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，本发明的范围由所附权利要求及其等同物限定。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。