基于Preisach算子的动力电池开路电压滞回效应建模及其多时间尺度在线估计

The Open Circuit Voltage of the power battery plays a vital role in the SOC estimation for EV applicatins, which thereby leads to two critical issues: to accurately model or describe the relationship between SOC and OCV and, to accurately estimate the OCV online. A refined modeling of SOC and OCV relationship is so difficult because of the hysteresis characteristic between them. And the accuracy of the online OCV estimation based on battery model is also dramatically affected due to the time-varying model parameters in a multi time-scale. This project focuses on the OCV hysteresis modeling and online OCV estimation issues of the battery for EV applications. A discretized non-linear modeling of OCV hysteresis effect which is accurate and suitable for online SOC estimation based on Preisach operator will be carefully studied to relief the effects caused by hysteresis. Regarding the problems caused by the time-varying parameters in a multi time-scale, an adaptive multi time-scale algorithm for online parameter identification of the battery model and OCV estimation will be proposed. Based on the achievements got from the two critical parts above, a suitable estimation method will also be researched to improve the accuracy of SOC estimation.

动力电池开路电压（Open Circuit Voltage，OCV）是荷电状态（State of Charge，SOC）估计中一个重要的量，由此带来两个关键问题：SOC与OCV关系的准确描述（建模）及在线准确估计OCV。由于OCV与SOC之间存在明显滞回特性，这给OCV-SOC关系的精确建模带来了很大困难；而目前基于模型的OCV在线估计中，电池模型参数的时变及多时间尺度效应极大影响了估计精度。本项目着重研究电动汽车用动力电池开路电压滞回效应建模及其在线估计问题。针对OCV的滞回效应，引入Preisach算子对OCV-SOC关系进行离散非线性建模，得到精确的、适用于在线SOC估计的关系模型；针对模型参数时变和多时间尺度效应问题，研究多时间尺度下的自适应电池模型在线参数辨识和开路电压估计方法，以提高OCV估计精度。在上述工作基础上研究动力电池SOC的在线估计，从而有效地提升状态估计的精度。

动力电池开路电压是电池荷电状态估计中的一个重要量，得到了国内外大量研究的关注。本研究针对动力电池开路电压和荷电状态关系中存在的滞回特性展开了研究。首先，研究了电池开路电压与荷电状态的变化关系，引入Preisach算子，提出了在线自适应离散Preisach模型，对电池开路电压-荷电状态关系进行了精确描述，探讨了模型在输入误差存在情况下的精度自适应性，实验结果表明所建模型的误差在5%之内；对Preisach模型中的网格划分进行了优化，提出了非等间隔的划分方法，使得计算量降低为原来的25%，同时模型性能没有下降，误差仍保持在5%左右；对电池动态特性进行了研究，基于电极理论，在交流阻抗谱及脉冲充放电测试的分析基础上，提出了动态特性的多时间尺度特性；首次提出了有效地结合最小二乘和卡尔曼滤波的多时间尺度电池模型参数在线辨识算法，实现了电池模型参数在不同尺度下的精确辨识，该方法比传统的参数辨识方法具有更小的计算量和更好的防止数据饱和的能力，参数辨识后的模型误差小于1%；提出了基于开路电压-荷电状态关系模型及电池参数的双时间尺度辨识的电池荷电状态在线估计方法，估计误差在5%之内。研究过程中取得了一系列的成果。