本发明属于电池管理领域，涉及一种电池等效模型参数在线辨识方法。

背景技术：

随着国家法规的介入以及能源环保意识的增强，大力发展以锂电池作为动力能源的汽车已经成为一种主流的节能减排解决方案。其中动力电池荷电状态(SOC)以及健康状态(SOH)，作为电池系统的重要状态数据上传到整车网络，对整车的安全性、动力性、经济性和纯电动续驶里程都有很大的影响。目前较常见通过获取电池等效模型的参数来估算SOC和SOH，所以如何准确获取电池等效模型的参数对SOC和SOH的估算具有重要的意义。

电池参数可通过在线和离线两种方式获取。离线方法利用事先记录的电池(系统的)输入和输出数据来拟合电池系统的参数。由于无法对所有电池都做这样的工作，因此辨识的电池参数应用在其它未进行辨识的同类电池时并不十分准确。另外，在电池使用中随着老化过程，电池的参数会发生缓慢变化，其参数需要重新拟合。因此基于离线方法获取参数的等效模型不具备很高的适应性，无法准确估算SOC和SOH状态。在线辨识方法则利用实时获得的当前和过去一段时刻的电池系统的输入和输出数据，通过一种动态规划的方法逼近系统参数的真实值。目前应用较多的基于递推最小二乘法(RLS)、双卡尔曼滤波算法(DEKF)和遗传算法(GA)等参数辨识方法都是一种采用递推的在线辨识方法，它们不需要在计算机中存储和重复计算以往的全部输入输出数据，因而可以大大减少计算机的数据存储量和计算量，特别适用于在线实时辨识计算。然而单纯采用一种方式的参数在线辨识在实际使用过程中效果不佳，其主要原因包括：一是电池内阻是一个缓变量，在辨识这样的参数的时候，存在所谓的数据饱和现象，而慢慢失去数据修正能力；二是电压和电流采样不同步的现象，使得数据样本存在延时，在采样步长比较小的情况下，会使得计算电压和电流不再保持应有的变化关系ÿ