基于正则最小二乘的锂离子电池连续时间系统辨识与OCV重构
系统与控制
2025-09-26 v1 系统与控制
摘要
准确辨识锂离子（Li-ion）电池参数对于管理和预测电池行为至关重要。然而，现有的离散时间方法阻碍了物理参数的估计，并面临电池所呈现的快慢动力学问题。本文开发了一种连续时间方法，直接从采样数据估计电池参数。该方法避免了将连续时间模型离散化为离散时间模型的误差，实现更精确的辨识。此外，我们联合辨识电池的开路电压（OCV）和电荷态（SOC）关系，无需采用离线OCV测试。通过将OCV-SOC曲线建模为三次B样条，实现对OCV曲线的高保真表示，促进其估计。通过求解秩和L1正则化最小二乘问题，我们从电池的动态数据中联合辨识电池参数和OCV-SOC关系。仿真数据和实际数据均表明所开发方法的有效性。
引用
@article{arxiv.2509.21116,
title = {Continuous-Time System Identification and OCV Reconstruction of Li-ion Batteries via Regularized Least Squares},
author = {Yang Wang and Riccardo M. G. Ferrari and Michel Verhaegen},
journal= {arXiv preprint arXiv:2509.21116},
year = {2025}
}