买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工业大学

摘要：一种基于数字孪生思想的电池状态估计算法参数确定方法，涉及锂离子电池技术领域。考虑环境温度、电池荷电状态和电池健康状态三种影响因素建立数字孪生电池模型，设置参数系数取值并通过卡尔曼滤波算法建立SOC估计模型，生成考虑三种影响因素的工况数据，基于算法参数系数值和工况数据，执行SOC估计模型并设定判断阈值得到初始算法参数库，获取不同工况环境模拟下的响应数据，基于初始算法参数库和响应数据获取对工况适用性表现更优的算法参数库。基于数字孪生电池模型思想，通过注入一系列工况环境模拟因素来获得丰富的动态工况数据库，通过判断选择筛选出具有更强工况适用性效果的模型算法参数组合，节省人力物力，鲁棒性更强。

主权项：1.一种基于数字孪生思想的电池状态估计算法参数确定方法，其特征在于：包括以下步骤：步骤一：电池状态估计模型的初始算法参数库获取1.1、具有不同动态响应特性的数字孪生电池模型建立，具体如下：以已知参数值的电池模型为基准模型，考虑环境温度、电池荷电状态和电池健康状态这三种影响因素对参数的影响，建立三种影响因素不同工况下具有不同动态响应特性的数字孪生电池模型，数字孪生电池模型的响应特性表示如下：Ut＝MbatteryθT,SOC,SOH,I1式中，Ut为端电压，Mbattery为所建立的数字孪生电池模型，I为模型注入的工况电流，θT,SOC,SOH为考虑环境温度、电池荷电状态和电池健康状态影响的参数值，其表示如下：θT,SOC,SOH＝ρθ0|T,SOC,SOH2式中，ρ为三种影响因素耦合工况下参数变化的非线性关系，θ0为基准模型的已知参数值，T为环境温度，SOC为电池荷电状态，SOH为电池健康状态；1.2、算法参数系数值的设定通过卡尔曼滤波算法基于数字孪生电池模型建立SOC估计模型，设置卡尔曼滤波算法的参数系数取值如下： 式中，Pgroup、Qgroup和Rgroup分别为所设置的卡尔曼滤波算法的状态估计误差协方差、过程噪声协方差和测量噪声协方差系数矩阵库，n为SOC估计模型的阶数，i和v为系数矩阵元素的系数值；1.3、初始算法参数库的获取基于步骤1.1所建立的数字孪生电池模型，生成考虑三种影响因素的工况数据如下：D0Ut,I＝{Mbatteryρθ0|T,SOC,SOH,I}4式中，D0为所生成的工况数据；基于步骤1.2所设定的算法参数系数值和上述生成的工况数据D0，执行SOC估计模型，并设定判断阈值，通过循环注入所设定的算法参数系数值进行参数筛选以得到初始算法参数库如下： 式中，P,Q,R0为初始算法参数库，为已设定Pgroup、Qgroup和Rgroup条件下SOC估计模型的估计结果，ω为判断阈值；步骤二：基于工况环境模拟数据的优选算法参数库获取2.1、不同工况环境模拟下的响应数据获取设定一系列具有不同影响因素的工况组合，获得考虑三种影响因素的响应数据如下：DDigital-twinUt,I＝{Mbatteryρθ0|T,SOC,SOH,I}6式中，DDigital-twin为响应数据；2.2、优选算法参数库的获取基于步骤1.3所获取的初始算法参数库P,Q,R0和步骤2.1所获取的响应数据DDigital-twin，在设定的判断阈值ω和电池荷电状态初始误差SOCerror0的条件下，以SOC估计模型的估计结果进行参数筛选获取优选算法参数库如下： 式中，P,Q,RBest为优选算法参数库，为已获得响应数据DDigital-twin和初始算法参数库P,Q,R0条件下SOC估计模型的估计结果。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 一种基于数字孪生思想的电池状态估计算法参数确定方法