电池模型的参数的确定方法和装置、存储介质、计算机设备与流程
【技术领域】
本发明涉及能源领域，尤其涉及一种电池模型的参数的确定方法和装置、存储介质、计算机设备。
背景技术：
传统能源的日益枯竭和世界环境污染的加剧，促使各国都在大力发展新能源产业，如可再生能源发电、电力系统储能等。而储能技术作为新能源产业的核心领域也得到了各国政府的大力支持，其中电池储能凭借适用场景广阔、能量密度高、稳定性高、低损耗等优点成为应用最广泛的储能手段。
电池储能系统是一种典型的黑箱系统，在使用或研究过程中，需要借助能够准确反映其工作状态和特性的模型进行分析。常用的电池模型有等效电路模型和电化学模型，而等效电路模型中的thevenin模型能够很好的模拟电池性能，而且结构简单，因此被广泛应用于电池的研究和分析中。但是，电池模型参数无法直接测量得到，为保证研究和分析的可靠性以及电池模型本身的安全，需要一种准确快速的方法辨识出电池模型参数。
传统的电池模型参数辨识方法主要有最小二乘法、卡尔曼滤波法、神经网络法、遗传算法和粒子滤波法等，但是这些方法均无法实现电池开路电压(opencircuitvoltage，ocv)的在线辨识。ocv是估算soc、soh等指标的重要参数。目前ocv的获取方法主要还是通过长时静置法、小电流充放法、恒流充放电间歇法等方法测量，这些方法均非常耗时，而且无法获得电池在线状态的ocv实时数据。准确的辨识ocv，可实现高精度的soc、sop和soh的实时在线辨识，保证电池的安全运行。
目前需要一种的方法，快速准确地确定电池模型参数。
技术实现要素：
有鉴于此，本发明实施例提供了一种电池模型的参数的确定方法和装置、存储介质、计算机设备，用以快速准确地确定电池参数。
本发明实施例提供了一种电池模型的参数的确定方法，所述方法包括：对电池模型的电压和电流进行采样；根据所述电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据所述差值确定所述电池模型的参数。
进一步地，所述方法还包括：确定所述电池模型的参数的初始值，所述根据所述电流的采样值预测电压值，包括：根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值。
进一步地，所述电池模型的参数包括：欧姆内阻、电池开路电压、极化电阻和极化电容。
进一步地，所述根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值，包括：根据所述电流的采样值、所述欧姆内阻的初始值、所述电池开路电压、所述极化电阻和所述极化电容的初始值预测电压值。
进一步地，所述根据所述差值确定所述电池模型的参数，包括：根据所述差值确定所述参数的修正系数；根据所述修正系数对所述参数进行修正；将修正后的参数作为所述电池模型的参数。
本发明实施例提供了一种电池模型的参数的确定装置，所述装置包括：采样单元，用于对电池模型的电压和电流进行采样；预测单元，用于根据所述电流的采样值预测电压值；计算单元，用于计算预测的电压值和采样得到的电压值之间的差值；第一确定单元，用于根据所述差值确定所述电池模型的参数。
进一步地，所述装置还包括：第二确定单元，用于确定所述电池模型的参数的初始值，所述预测单元用于：根据所述电流的采样值以及所述电池模型的参数的初始值预测电压值。
进一步地，所述电池模型的参数包括：欧姆内阻、电池开路电压、极化电阻和极化电容。
进一步地，所述预测单元用于：根据所述电流的采样值、所述欧姆内阻的初始值、所述电池开路电压、所述极化电阻和所述极化电容的初始值预测电压值。
进一步地，所述第一确定单元包括：第一确定子单元，用于根据所述差值确定所述参数的修正系数；修正子单元，用于根据所述修正系数对所述参数进行修正；第二确定子单元，用于将修正后的参数作为所述电池模型的参数。
本发明实施例提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述的方法。
本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器用于存储包括程序指令的信息，所述处理器用于控制程序指令的执行，所述程序指令被处理器加载并执行时实现上述方法的步骤。
在本发明实施例中，对电池模型的电压和电流进行采样；根据电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据差值确定电池模型的参数，达到了快速准确地确定电池模型参数的效果。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的thevenin模型的示意图；
图2是本发明实施例提供的一种基于模型参考自适应控制理论的结构图；
图3是本发明实施例提供的一种电池模型的参数的确定方法的流程图；
图4是本发明实施例提供的一种电池模型的参数的确定方法的流程图；
图5是本发明实施例提供的一种电池模型的参数的确定装置的示意图；
图6是本发明实施例提供的一种计算机设备的示意图。
【具体实施方式】
为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
本发明实施例提出了一种电池模型的参数的确定方法，该方法基于模型参考自适应控制理论，把ocv独立地表达在模型输出方程里，从而实现了thevenin模型(请参见图1)参数的辨识。本方法适用于任意电池的thevenin模型参数的在线或离线辨识。
请参见图1，vo为电池的开路电压，r0是欧姆内阻，rp是极化内阻，cp为极化电容。
系统状态方程：
其中vp为极化电压，y为电池端电压，i为电流，a和b为系统参数，与极化电阻和极化电容的关系如下：
其中电池端电压y和电流i可直接测量得到，a、b、v0、r0为待辨识参数，定义待辨识系统的参数矩阵为θ。
θ＝[abr0vo]t(3)
选取基于模型参考自适应控制理论的参数辨识方法，图2为基于模型参考自适应控制理论的参数辨识结构图。
其中待辨识系统为以公式(1)表达的实际电池thevenin模型；参考模型和待辨识系统具有相同的结构和输入，其状态方程为
定义参考模型的参数矩阵为θm
θm＝[ambmrmvom]t(5)
e(t)为待辨识系统的输出与参考模型输出的误差，
e(t)＝y(t)-ym(t)(6)
公式(6)中的t表示时间。
参数控制律为θm的变化率是关于误差e的函数，
根据误差e改变θm，进而控制参考模型的输出使e(t)＝0，当e(t)＝0时认为参考模型的参数即为待辨识系统的参数，即
θ＝θm(8)
根据θ里的a和b，利用公式(2)计算极化电阻rp和极化电容cp。
参数控制律方程由李雅普诺夫稳定性定理推导而来。基于李雅普诺夫稳定性定理控制的基本思想为：对于一个自治的动力学系统x＝f(x)，构造一个李雅普诺夫函数v(x)，它是一个定义在相空间ω的可微标量函数，且
因此，定义误差函数e(t)的李雅普诺夫函数为：
v＝v(e,θm)(9)
由李雅普诺夫稳定性定理可知，当v(e,θm)满足下式时，误差e在e(t)＝0处渐近稳定：
因此，以上式为限定条件，可推导出参数控制律如下：
其中λ1～λ5为参数调节系数，λ1～λ5均为大于零的实数。
请参见图3，所示为本发明实施例提供的一种电池模型的参数的确定方法的流程图，包括：
步骤s302：对电池模型的电流和电压进行第1次采样，并且令i＝1。
步骤s304：初始化θm，由公式(5)可知θm是一个矩阵，含有4个元素，初始化这个矩阵即为对这4个元素赋初始值，为方便描述，将am作为a的初始值，将bm作为b的初始值，将rm作为r0的初始值，将vm作为v0的初始值。
步骤s306：按公式(4)计算预测的电压值ym。
步骤s308：按公式(6)计算e(t)。即，计算预测的电压值和采样得到的电压值之间的差值。
步骤s310：按公式(11)计算参数控制律。
步骤s312：按参数控制律调整θm，即根据公式(11)得到的θm的导数值来调整θm。
步骤s314：按公式(8)计算θ。
步骤s316：输出θ。
步骤s317：按公式(2)计算极化电阻rp和极化电容cp。
步骤s318：判断i与(n+1)的大小关系。其中，i表示已经执行的循环的次数，n+1为预先设定的次数，一般来说，预先设定的次数可根据经验决定。如果i＜n+1，说明执行次数未达到预先设定的次数，需要继续执行，则执行步骤s320；如果i≥n+1，说明执行次数已达到预先设定的次数，不需要继续执行，则结束。
步骤s320：将i+1的值赋给i(即已经执行的循环的次数又多了一次)，然后，对电流和电压进行第i次采样。然后继续执行步骤s306。
每执行一次循环，都会计算预测的电压值和采样得到的电压值之间的差值，根据该差值计算一次参数控制律，并且根据参数控制律调整θm，直至循环的次数达到预先设定的次数。
请参见图4，所示为本发明实施例提供的一种电池模型的参数的确定方法的流程图。
步骤s402：对电池模型的电压和电流进行采样。
步骤s404：根据电流的采样值预测电压值。具体地，可以确定电池模型的参数的初始值，根据电流的采样值以及电池模型的参数的初始值预测电压值。电池模型的参数即为上述a、b、v0、r0。
步骤s406：计算预测的电压值和采样得到的电压值之间的差值。具体地，根据上述公式(6)计算该差值。
步骤s408：根据差值确定电池模型的参数。具体地，根据差值确定参数的修正系数；根据修正系数对参数进行修正；将修正后的参数作为电池模型的参数。作为一种可选的实施方式，修正系数即为θm的变化率，根据公式(11)进行计算。根据θm的变化率对参数θm进行修正；将修正后的参数θm作为电池模型的参数。
需要说明的是，步骤s402至步骤s408，这4个步骤作为一个循环，可以执行多次，直至准确确定出电池模型的参数。例如，预先设定需要执行的次数，循环的次数达到该次数之后，即停止执行，将最后一次得到的参数作为最终得到的电池模型的参数，图3所示的实施例即采用该方法。再例如，不预先设定需要执行的次数，而是在执行的过程中，判断预测的电压值和采样得到的电压值之间的差值是否小于某一预设数值，若小于，则停止循环的执行。
在本发明实施例中，对电池模型的电压和电流进行采样；根据电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据差值确定电池模型的参数，达到了快速准确地确定电池模型参数的效果。
本发明实施例提供了一种电池模型的参数的确定装置，请参见图5，该装置包括：采样单元10、预测单元20、计算单元30、第一确定单元40。
采样单元10，用于对电池模型的电压和电流进行采样。
预测单元20，用于根据电流的采样值预测电压值。
计算单元30，用于计算预测的电压值和采样得到的电压值之间的差值。
第一确定单元40，用于根据差值确定电池模型的参数。
可选地，装置还包括：第二确定单元。
第二确定单元，用于确定电池模型的参数的初始值。
预测单元20具体用于：根据电流的采样值以及电池模型的参数的初始值预测电压值。
可选地，电池模型的参数包括：欧姆内阻、电池开路电压、极化电阻和极化电容。
可选地，预测单元20具体用于：根据电流的采样值、欧姆内阻的初始值、电池开路电压、极化电阻和极化电容的初始值预测电压值。
可选地，第一确定单元40包括：第一确定子单元、修正子单元、第二确定子单元。
第一确定子单元，用于根据差值确定参数的修正系数。
修正子单元，用于根据修正系数对参数进行修正。
第二确定子单元，用于将修正后的参数作为电池模型的参数。
本发明实施例提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行以下步骤：对电池模型的电压和电流进行采样；根据电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据差值确定电池模型的参数。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：根据电流的采样值以及电池模型的参数的初始值预测电压值。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：根据电流的采样值、欧姆内阻的初始值、电池开路电压、极化电阻和极化电容的初始值预测电压值。
可选地，在程序运行时控制存储介质所在设备还执行以下步骤：根据差值确定参数的修正系数；根据修正系数对参数进行修正；将修正后的参数作为电池模型的参数。
本发明实施例提供了一种计算机设备，包括存储器和处理器，存储器用于存储包括程序指令的信息，处理器用于控制程序指令的执行，程序指令被处理器加载并执行时实现以下步骤：对电池模型的电压和电流进行采样；根据电流的采样值预测电压值；计算预测的电压值和采样得到的电压值之间的差值；根据差值确定电池模型的参数。
可选地，程序指令被处理器加载并执行时还实现以下步骤：根据电流的采样值以及电池模型的参数的初始值预测电压值。
可选地，程序指令被处理器加载并执行时还实现以下步骤：根据电流的采样值、欧姆内阻的初始值、电池开路电压、极化电阻和极化电容的初始值预测电压值。
可选地，程序指令被处理器加载并执行时还实现以下步骤：根据差值确定参数的修正系数；根据修正系数对参数进行修正；将修正后的参数作为电池模型的参数。
图6是本发明实施例提供的一种计算机设备的示意图。如图6所示，该实施例的计算机设备50包括：处理器51、存储器52以及存储在存储器52中并可在处理器51上运行的计算机程序53，该计算机程序53被处理器51执行时实现实施例中的电池模型的参数的确定方法，为避免重复，此处不一一赘述。或者，该计算机程序被处理器51执行时实现实施例中电池模型的参数的确定装置中各模型/单元的功能，为避免重复，此处不一一赘述。
计算机设备50可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。计算机设备可包括，但不仅限于，处理器51、存储器52。本领域技术人员可以理解，图6仅仅是计算机设备50的示例，并不构成对计算机设备50的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如计算机设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器51可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器52可以是计算机设备50的内部存储单元，例如计算机设备50的硬盘或内存。存储器52也可以是计算机设备50的外部存储设备，例如计算机设备50上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，存储器52还可以既包括计算机设备50的内部存储单元也包括外部存储设备。存储器52用于存储计算机程序以及计算机设备所需的其他程序和数据。存储器52还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
- 还没有人留言评论。精彩留言会获得点赞！