[論文レビュー] One-Shot Parameter Identification of the Thevenin's Model for Batteries: Methods and Validation

Ning Tian, Yebin Wang+2 more|arXiv (Cornell University)|Mar 13, 2020

Advanced Battery Technologies Research参考文献 76被引用数 72

ひとこと要約

本稿では、抵抗、静電容量、および状態容量（SoC）-開放電圧（OCV）マッピングパラメータを含む、バッテリのブリオチンの等価回路モデルのすべてのパラメータを1回のオフラインプロセスで特定する手法を提案する。非線形最小二乗フレームワーク内での制約付き最適化とチホノフ正則化を用いることで、一度の実行で高精度なパラメータ推定が達成され、シミュレーションおよび実験により検証された。予測誤差は20 mV未塔であり、SoC-OCVマッピングはほぼ完璧に一致した。

ABSTRACT

Parameter estimation is of foundational importance for various model-based battery management tasks, including charging control, state-of-charge estimation and aging assessment. However, it remains a challenging issue as the existing methods generally depend on cumbersome and time-consuming procedures to extract battery parameters from data. Departing from the literature, this paper sets the unique aim of identifying all the parameters offline in a one-shot procedure, including the resistance and capacitance parameters and the parameters in the parameterized function mapping from the state-of-charge to the open-circuit voltage. Considering the well-known Thevenin's battery model, the study begins with the parameter identifiability analysis, showing that all the parameters are locally identifiable. Then, it formulates the parameter identification problem in a prediction-error-minimization framework. As the non-convexity intrinsic to the problem may lead to physically meaningless estimates, two methods are developed to overcome this issue. The first one is to constrain the parameter search within a reasonable space by setting parameter bounds, and the other adopts regularization of the cost function using prior parameter guess. The proposed identifiability analysis and identification methods are extensively validated through simulations and experiments.

研究の動機と目的

• 長時間にわたるキャリブレーション手順を要する非効率的で複数ステップにわたるバッテリパラメータ同定の課題に対処すること。
• 事前知識がなくても、抵抗、静電容量、およびSoC-OCV関係を含む、ブリオチンモデルのすべてのパラメータを1回のオフライン同定で可能にすること。
• 非線形システム同定における非凸性と局所最適解の問題を、制約付きおよび正則化された最適化によって克服すること。
• 高精度で計算的に実行可能であり、高精度なモデルを必要とするバッテリマネジメントシステムに適した、頑健で正確な手法を提供すること。

提案手法

• 非線形最小二乗（NLS）フレームワークを用いて、予測誤差最小化フレームワーク内にパラメータ同定問題を定式化する。
• パラメータの範囲を導入し、探索空間を制限し、物理的に意味のない解を回避する。
• 事前パラメータ推定値を用いてコスト関数に一般化チホノフ正則化を適用し、最適化が意味のある最小解に収束するように誘導する。
• ベイズ的解釈を用いて、正則化項を最大事後確率（MAP）推定フレームワークとして正当化する。
• 数値最適化を実装し、非凸問題を解き、安定で正確な解に収束することを保証する。
• 合成シミュレーションと実世界の実験（例：UDDSプロファイル）を用いて、手法を検証する。

実験結果

リサーチクエスチョン

• RQ1 ブリオチンのバッテリモデルのすべてのパラメータ—RC素子および非線形SoC-OCV関数—を、1回のオフライン手順で一意に同定できるか？
• RQ2 パラメータ同定問題における非凸性は、どのように軽減できるか？物理的に意味のないまたは不正確な推定を避けるために。
• RQ3 パラメータの範囲と正則化を組み込むことで、推定精度と収束信頼性はどの程度向上するか？
• RQ4 C-NLSおよびR-NLSの手法は、実世界の電圧追従およびSoC-OCV回復タスクにおいて、標準NLS手法と比較してどの程度の性能を示すか？
• RQ5 ワンショット手法は、SoC-OCV関係の事前キャリブレーションを必要とせずに、高精度を達成できるか？

主な発見

• ブリオチンモデルのすべてのパラメータは局所的に同定可能であり、ワンショット同定の理論的妥当性が確認された。
• C-NLSおよびR-NLS手法は、UDDS電流プロファイル下での電圧追従において、平均して20 mV未塔の予測誤差を達成し、ベンチマークNLS手法を著しく上回った。
• C-NLSおよびR-NLSから得られたSoC-OCV関係は、間欠的放電実験において測定された真値とほとんど差がなく、非常に良好に一致した。
• C-NLSおよびR-NLSが推定したR0 + R抵抗値は、放電一時停止後の測定回復電圧と強く一致し、RCパラメータの正確な推定が確認された。
• 標準NLSと比較して、提案手法は特にパラメータ空間の非線形的かつ非凸的な領域で、推定誤差を大幅に低減した。
• 正則化および制約付き最適化アプローチは、局所最適解の問題を効果的に緩和し、安定で物理的に妥当なパラメータ推定値をもたらした。