李争光,魏 娟,田海波,侯效东

(西安科技大学机械工程学院,陕西西安 710054)

动力电池的性能直接影响纯电动汽车的使用性能。在实际工程中,电动汽车搭载的电池管理系统(BMS)是用来监测电池的运行状态,防止动力电池充放电不正常以及温度过高,避免由动力电池引发的安全事故。精确的模型参数辨识不仅能反映动力电池当前的工作状态,也能为BMS系统的荷电状态(SOC)估计和健康状态(SOH)预测提供依据。建立精确的动力电池模型,对于BMS至关重要[1]。

动力电池模型参数辨识的精确性,不仅受模型的影响,还取决于采用的辨识算法。目前常用的电池模型参数辨识方法可以分为离线参数辨识和在线参数辨识等[2]。离线参数辨识基于一定测试工况下标定的电池参数与SOC的关系,但随着温度的变化和电池的老化,电池内外特性将发生改变,而离线辨识参数不能实时更新,因此不能很好地反映电池的时变特性,会造成较大的估计误差[3]。在线参数辨识基于当前时刻电池端电压和电流,实时更新电池参数,同时利用SOC估计算法的估计值为参数辨识算法提供反馈,从而实现两者闭环估计,降低估计误差。递推最小二乘(RLS)算法是一种容易实现的算法,但随着数据的增加,会出现数据饱和等现象,不能很好地进行参数辨识。带遗忘因子最小二乘法算法(FFRLS)在RLS算法的基础上加入遗忘因子,以解决数据饱和的问题[4],但忽略了带有有色噪声数据的影响,导致辨识结果出现偏差。……