使用自定义函数拟合辨识HPPC工况下的电池数据(适用于一阶RC、二阶RC等电池模型)

本文主要是介绍使用自定义函数拟合辨识HPPC工况下的电池数据(适用于一阶RC、二阶RC等电池模型),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

该程序可以离线辨识HPPC工况下的电池数据,只需要批量导入不同SOC所对应的脉冲电流电压数据,就可以瞬间获得SOC为[100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0%]的所有电池参数,迅速得到参数辨识的结果并具有更高的精度,可以很大程度上降低参数辨识的时间,提高参数辨识效率。

1.首先是代码中要更改的参数,我们要根据我们不同的模型选择不同的初始值。

如果是一阶模型iniPar = [0.06;0.03;1000]; 0.06是R0的初始值,0.03是R1的初始值,1000是C1的初始值。

如果是二阶模型iniPar = [0.05;0.05;2000;0.005;800]; 0.05是R0的初始值,0.05是R1的初始值,2000是C1的初始值,0.005是R2的初始值,800是C2的初始值。

如果是1RC+H模型,iniPar = [0.05;0.01;1000;0.001;0.1];

如果是2RC+H模型,iniPar = [0.05;0.01;1500;0.003;200;0.000005;50]

%% 代码中要更改的参数
currentLimit = 10; % 高于此限值的电流将被视为1C电流  
iniPar = [0.06;0.03;1000]; % 1RC
%iniPar = [0.05;0.05;2000;0.005;800]; % 2RC
%iniPar = [0.05;0.01;1000;0.001;0.1]; % 1RC+H
%iniPar = [0.05;0.01;1500;0.003;200;0.000005;50]; % 2RC+H

2.模型阶数的选择 

%% Parameters used in algorithm 
xIni = 0; % 1RC
%xIni = [0; 0]; % 2RC and 1RC+H
%xIni = [0; 0; 0]; % 2RC+H
[m,n] = size(dataHPPC{1});
outputPar = zeros(3,n); % %3 - 1RC, 5 - 1RC+H and 2RC, 7 - 2RC+H
modelError = zeros(m,n); 
vModel = zeros(m,n); 
model = 1; %1 - c1RC, 2 - 2RC, 3 - 1RC+H, 4 - 2RC+H

3.运行function函数,求解参数

所有的function函数如下图所示:

二阶RC模型的function函数如下:

function [vModel,XTimUp1,XTimUp2] = Model_2RC (current, tSample, xPrev1,xPrev2, ocvVoltage, ECM_Parameters)% Model Parameters
r0 = ECM_Parameters(1);
r1 = ECM_Parameters(2);
c1 = ECM_Parameters(3);
r2 = ECM_Parameters(4);
c2 = ECM_Parameters(5);tau1 = r1*c1;
tau2 = r2*c2;%% State Time Update
XTimUp1 = exp(-tSample/(tau1))*xPrev1 + r1*(1-exp(-tSample/tau1))*current;
XTimUp2 = exp(-tSample/(tau2))*xPrev2 + r2*(1-exp(-tSample/tau2))*current;%% The voltage response from the model
vModel = ocvVoltage-XTimUp1-XTimUp2-r0*current;end
for i = 1:ntime = dataHPPC{1}(:,i);current = dataHPPC{2}(:,i);vExp = dataHPPC{3}(:,i);% Find the ocvCurve value right before the HPPC test starts index = find(current>currentLimit);ocvVoltage = vExp(index(1)-0);% Obtaining the parameter estimatesfun = @(beta,x)ObjectiveFunction(beta,x,ocvVoltage,xIni,model);outputPar(:,i) = nlinfit([time,current],vExp,fun,iniPar);% Running the voltage model with the given battery parametersvModel(:,i) = ObjectiveFunction(outputPar(:,i),[time,current],ocvVoltage,xIni,model);modelError(:,i) =  abs((vModel(:,i) - vExp)./vExp)*100;

主要使用了MATLAB的nlinfit函数。

nlinfit函数的用法为:beta = nlinfit(X, Y, modelfun, beta0)

X与Y分别是时间与电压

beta:估计出的非线性函数的系数,即我们辨识的参数值

modelfun:指定的要拟合的非线性函数,即y=a-b*exp(-c*t)-d*exp(-f*t)

beta0:回归系数的初始值,即待辨识参数的初始值。

辨识得到的参数结果保存在变量outputPar里面,从左到右依次对应的是不同SOC下所对应的参数,从上到下的五行分别是参数R0、R1、R2、C1、C2。

 绘制不同SOC的参数拟合结果如下所示:

4. 绘图,包括根据辨识的参数值仿真出的端电压与真实测量端电压的对比图、端电压的误差

    figureplot(vModel(:,i))hold onplot(vExp)polt(vModel(:,i)-vExp)

二阶RC模型的端电压拟合情况对比

一阶RC模型的端电压拟合情况对比:

 

这篇关于使用自定义函数拟合辨识HPPC工况下的电池数据(适用于一阶RC、二阶RC等电池模型)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/350166

相关文章

Kotlin 作用域函数apply、let、run、with、also使用指南

《Kotlin作用域函数apply、let、run、with、also使用指南》在Kotlin开发中,作用域函数(ScopeFunctions)是一组能让代码更简洁、更函数式的高阶函数,本文将... 目录一、引言:为什么需要作用域函数?二、作用域函China编程数详解1. apply:对象配置的 “流式构建器”最

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法:读

JSON Web Token在登陆中的使用过程

《JSONWebToken在登陆中的使用过程》:本文主要介绍JSONWebToken在登陆中的使用过程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录JWT 介绍微服务架构中的 JWT 使用结合微服务网关的 JWT 验证1. 用户登录,生成 JWT2. 自定义过滤

Java中StopWatch的使用示例详解

《Java中StopWatch的使用示例详解》stopWatch是org.springframework.util包下的一个工具类,使用它可直观的输出代码执行耗时,以及执行时间百分比,这篇文章主要介绍... 目录stopWatch 是org.springframework.util 包下的一个工具类,使用它

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3