1.一种基于多新息递推贝叶斯算法的电池模型参数辨识方法，其特征在于，包括以下步骤：

步骤1)通过间歇恒流放电法测取时长为21211秒的锂离子电池端电压、负载电流数据，通过多项式拟合法确定其OCV‑SOC的函数关系；

步骤2)确定锂离子电池的双极化等效电路模型，建立表示电池参数辨识向量和系统输出关系的系统方程；

所述步骤2)具体包括如下步骤：步骤2‑1)建立锂离子电池的双极化模型，根据模型建立锂离子电池电气量关系：Qn为电池的额定容量，SOC定义为剩余容量与标称容量之比，可以表示为：T

以电流I为输入，端电压U为输出，[SOC,U1,U2]为状态变量建立双极化模型的离散化状态空间方程和输出方程如下：式(3)和式(4)中，Δt为采样周期，Uoc、U对应的是电池开路电压与端电压，C1、C2两端的电压分别用U1、U2表示，Romc是欧姆内阻，R1、C1表征电化学极化反应，电压快速变化过程；R2、C2表征浓差极化反应，电压缓慢稳定的变化过程；

步骤2‑2)建立双极化模型的电池参数辨识模型：‑1 ‑1

采用双线性变化s＝2(1‑z )/T(1+z )，T为采样周期，将上式从s平面映射到z平面，可以得到：

其中，τ1＝R1C1，τ2＝R2C2，a＝Romc，b＝τ1τ2，c＝τ1+τ2，d＝Romc+R1+R2，e＝Romc(τ1+τ2)+R1τ1+R2τ2；

传递函数离散化后得到的差分方程为：令y(t)＝U(t)‑Uoc(t)，可以得到符合锂离子电池进行参数辨识的带外加输入的自回归(AutoRegressive with exogenous input，ARX)模型为：T

其中， θ＝[a1,a2,b0,b1,b2] ，式(9)为系统辨识中的辨识表达式，利用参数估计方法将参数θ辨识出来，再利用辨识出来的参数值推导出相应的电阻、电容值，具体推导过程如下：因为b＝τ1τ2，c＝τ1+τ2，可以得到：步骤3)构建多新息递推贝叶斯算法的辨识流程；

所述步骤3)具体包括如下步骤：步骤3‑1)推导递推贝叶斯辨识算法：贝叶斯辨识算法是将要估计的参数视为随机变量，通过最大化参数的后验概率密度函k

数p(θ|D)得到参数的估计，θ为需要辨识的参数，使用贝叶斯理论，参数θ的后验概率密度函数表示为：

(k‑1)

在上式中，基于参数θ和k‑1时刻及以前的输入输出集合D ，系统的输出变量y(k)的(k‑1) (k‑1)

先验概率密度函数记为p(y(k)|θ,D )，p(θ|D )是未知的，假设其遵循 与P(k‑

1)的正态分布：

其中，n是参数向量θ的维数，n＝dimθ＝5；

噪声服从正态分布，满足 所对应的先验概率分布也应当为正态分布，那么y(k)所对应的条件概率密度函数如下：(k‑1)

将公式(14)和(15)代入公式(13)中，那么，p(θ|D )可以重新表示为最大化后验概率函数，即

可以得到

其中，

引入中间变量L(k)，得到的递推贝叶斯算法为：步骤3‑2) 称为新息，当前时刻的参数估计 为中间向量L(k)与新息e(k)的乘积，对上一时刻的参数估计向量 进行修正；

考虑数据长度为p，定义输出向量Y(p,k)，信息矩阵Φ(p,k)，噪声；向量V(p,k),得到的辨识模型为：

T

Y(p,k)＝Φ(p,k)θ+V(p,k)                    (20)根据多新息理论将标量新息e(t)扩展成新息向量E(p,k)：n n×p

中间向量L(k)∈R扩展成Γ(p,k)∈R ，n为待辨识向量维数；

根据步骤3‑1)建立锂离子电池多新息递推贝叶斯算法：步骤3‑3)初始化待辨识参数θ，协方差矩阵P，方差值σv以及数据长度p；

步骤3‑4)根据OCV‑SOC关系得到Uoc(k)与SOC(k)；

步骤3‑5)根据采集到的锂离子电池端电压与工作电流读取k时刻锂离子电池端电压和工作电流数据，构建输出y(k)以及信息向量步骤3‑6)构建新息矩阵E(p,k)、输出矩阵Y(p,k)和信息矩阵Φ(p,k)；

步骤3‑7)更新待辨识参数的中间向量Γ(k)；

步骤3‑8)更新待辨识参数步骤3‑9)更新待辨识参数的协方差矩阵P(k)；

T

P(k)＝[I‑Γ(k)Φ(k)]P(k‑1)                   (25)步骤3‑10)判断是否满足辨识终止时间，若满足，辨识结束输出辨识结果；否则，k＝k+

1，返回到步骤3‑4)；

步骤3‑11)根据步骤3‑10)辨识参数θ结果，结合式(10)至式(12)求得电池Romc，R1，R2，C1，C2。

2.根据权利要求1所述的基于多新息递推贝叶斯算法的电池模型参数辨识方法，其特征在于，根据参数辨识模型输出的锂离子电池参数Romc，R1，R2，C1，C2以及工作电流值I，结合状态空间表达式(3)和式(4)，求得端电压预测值，与实际测试值进行比较，可以评估算法的有效性及准确性。