1. 二阶RC锂电池模型与FFRLS参数辨识概述
锂电池作为现代储能系统的核心部件，其精确建模对电池管理系统（BMS）至关重要。二阶RC等效电路模型因其良好的动态特性表征能力，成为锂电池建模的常用选择。该模型通过串联电阻R0和两个RC并联网络（R1C1、R2C2）来模拟电池的欧姆极化、电化学极化和浓差极化效应。
在实际应用中，模型参数会随电池老化、温度变化等因素发生漂移。传统离线参数辨识方法难以适应这种时变特性，而含遗忘因子的递推最小二乘法（FFRLS）通过实时更新参数估计并引入遗忘机制，有效解决了这一问题。FFRLS的核心优势在于：
- 实时性：每获得一组新数据就立即更新参数
- 记忆衰减：通过遗忘因子λ(0<λ≤1)降低旧数据权重
- 计算效率：避免矩阵求逆，适合嵌入式系统实现
2. 二阶RC模型数学推导与离散化
2.1 连续域模型方程
根据基尔霍夫定律，二阶RC模型的端电压U(t)可表示为：
code复制U(t) = OCV(SOC) - R0*I(t) - U1(t) - U2(t)
其中U1、U2为两个RC支路的极化电压，满足：
code复制dU1/dt = -U1/(R1C1) + I(t)/C1
dU2/dt = -U2/(R2C2) + I(t)/C2
2.2 离散化处理
采用后向欧拉法离散化，采样周期为Ts：
code复制U1[k] = exp(-Ts/(R1C1))U1[k-1] + R1(1-exp(-Ts/(R1C1)))I[k-1]
U2[k] = exp(-Ts/(R2C2))U2[k-1] + R2(1-exp(-Ts/(R2C2)))I[k-1]
定义时间常数τ1=R1C1，τ2=R2C2，则离散模型可重写为：
code复制U[k] = OCV[k] - R0I[k] - α1U1[k-1] - β1I[k-1] - α2U2[k-1] - β2I[k-1]
其中α1=exp(-Ts/τ1)，β1=R1(1-α1)，α2=exp(-Ts/τ2)，β2=R2(1-α2)
3. FFRLS算法实现细节
3.1 参数向量构建
将待辨识参数组合为向量θ：
code复制θ = [R0, R1(1-α1), R2(1-α2), α1, α2]^T
对应回归向量φ[k]：
code复制φ[k] = [-I[k], -I[k-1], -I[k-1], -U1[k-1], -U2[k-1]]^T
3.2 递推公式实现
FFRLS核心递推步骤如下：
-
计算先验误差：
code复制e[k] = U[k] - φ[k]^T·θ[k-1] -
更新增益矩阵：
code复制K[k] = P[k-1]φ[k]/(λ + φ[k]^T·P[k-1]φ[k]) -
更新协方差矩阵：
code复制P[k] = (I - K[k]φ[k]^T)P[k-1]/λ -
更新参数估计：
code复制θ[k] = θ[k-1] + K[k]e[k]
关键提示：遗忘因子λ的选择需要权衡跟踪速度与稳定性。锂电池应用推荐λ∈[0.95,0.99]，温度变化剧烈时可适当减小λ值。
4. MATLAB实现关键代码解析
4.1 数据结构初始化
matlab复制% 参数初始化
theta = [0.01; 0.005; 0.005; 0.9; 0.8]; % 初始参数估计
P = 1000*eye(5); % 协方差矩阵初始化
lambda = 0.98; % 遗忘因子
% 数据缓冲区
persistent U1_prev U2_prev I_prev
if isempty(U1_prev)
U1_prev = 0; U2_prev = 0; I_prev = 0;
end
4.2 实时递推实现
matlab复制function [theta, P] = ffrls_update(U, I, OCV, theta, P, lambda)
% 构建回归向量
phi = [-I; -I_prev*(1-theta(4)); -I_prev*(1-theta(5));
-U1_prev; -U2_prev];
% 计算先验误差
e = U - OCV - phi'*theta;
% 更新增益矩阵
K = P*phi / (lambda + phi'*P*phi);
% 更新协方差矩阵
P = (eye(5) - K*phi')*P / lambda;
% 更新参数估计
theta = theta + K*e;
% 更新状态变量
U1_prev = theta(4)*U1_prev + theta(2)*I_prev;
U2_prev = theta(5)*U2_prev + theta(3)*I_prev;
I_prev = I;
end
4.3 参数提取后处理
matlab复制% 从估计参数提取物理参数
R0 = theta(1);
R1 = theta(2)/(1-theta(4));
R2 = theta(3)/(1-theta(5));
C1 = -Ts/(R1*log(theta(4)));
C2 = -Ts/(R2*log(theta(5)));
5. 实验设计与结果分析
5.1 动态应力测试(DST)工况验证
采用美国联邦城市运行工况(FUDS)电流剖面进行测试：
- 采样频率：10Hz
- 温度环境：25±2℃
- 电池类型：NMC三元锂离子电池
参数收敛过程显示：
- R0在50秒内收敛至稳定值（±3%）
- RC参数在200秒后达到稳态
- 端电压拟合误差<15mV
5.2 不同λ值对比实验
| λ值 | 收敛时间(s) | 稳态误差(%) | 温度适应性 |
|---|---|---|---|
| 0.95 | 120 | 2.1 | 优 |
| 0.98 | 180 | 1.3 | 良 |
| 0.99 | 240 | 0.9 | 中 |
实验发现：λ=0.98在多数工况下表现出最佳平衡性
6. 工程应用中的注意事项
-
初始值选择策略：
- R0初始值可通过脉冲测试粗略估计
- RC参数初始值建议设为典型值的50-150%
- 协方差矩阵P初始对角元素建议100-1000
-
数据预处理要点：
matlab复制% 电流信号平滑处理示例 I_filt = filtfilt(fir1(20, 0.1), 1, I_raw); % SOC-OCV关系校准 OCV = interp1(soc_lut, ocv_lut, soc_est); -
异常数据处理机制：
- 设置电流阈值排除静置时段
- 采用滑动窗口方差检测突变工况
- 对参数变化率施加合理约束
-
多温度补偿方案：
matlab复制% 温度补偿系数示例 R0_temp = R0_25*(1 + 0.008*(T-25));
在实际BMS系统中实现时，建议采用定时触发机制（如每10秒更新一次）而非每采样点更新，以降低计算负荷。同时可结合EKF算法将参数辨识与SOC估计耦合进行。