[发明专利]基于天牛须辨识的蓄电池荷电状态自回归估计方法及系统

权利要求书

1.基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是：考虑状态时序相关性，构建基于带外部输入的非线性自回归神经网络作为蓄电池荷电状态估计模型；采用基于天牛须搜索的启发式群体智能算法对所建立的荷电状态估计模型进行参数辨识，实现蓄电池的实时荷电状态的估计。

2.如权利要求1所述的基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是，包括如下步骤：

根据蓄电池的参数数据与荷电状态的相关性，确定电池荷电状态估计的输入延迟初值；

基于带外源输入的单隐层非线性自回归神经网络，考虑确定的延迟初值，建立蓄电池的荷电状态回归估计初始模型；

采用改进天牛须算法，对所述蓄电池的荷电状态回归估计初始模型的模型参数进行辨识，得到蓄电池的荷电状态回归估计辨识模型；

获取待估计蓄电池的参数数据，以实测参数数据为输入，以荷电状态为输出反馈输入，通过蓄电池的荷电状态回归估计辨识模型估计蓄电池的实时荷电状态。

3.如权利要求2所述的基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是：

改进天牛须算法，包括适应度评价函数改进，增加了所述蓄电池的荷电状态回归估计辨识模型的拓扑参数对适应度评价函数影响的量化计算。

4.如权利要求2所述的基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是：

模型参数辨识方法，具体包括如下步骤：

增加蓄电池的荷电状态回归估计辨识模型的拓扑参数对适应度评价函数影响的量化计算，确定适应度评价函数；

确定搜索范围以及迭代模型；

根据确定的天牛须搜索算法的搜索范围和迭代模型进行迭代计算，对模型参数进行迭代搜索，直到达到迭代终止条件，得到所述蓄电池的荷电状态回归估计辨识模型。

5.如权利要求4所述的基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是：根据确定的天牛须搜索算法的搜索范围和迭代模型进行迭代计算，对模型参数进行迭代搜索的方法，包括如下步骤：

步骤(1)进行网络拓扑参数的天牛须搜索；

步骤(2)基于Levenberg-Marquardt迭代算法进行网络权值和偏置值的搜索，搜索迭代的终止条件为：搜索迭代次数等于指定最大迭代次数；

步骤(3)计算适应度评价函数值，当适应度评价函数值小于指定阈值或迭代次数s等于设定的最大迭代次数，迭代终止，输出网络拓扑参数、连接权值和偏置值；否则，执行步骤(1)。

6.如权利要求2所述的基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是，确定电池荷电状态估计的输入延迟初值的方法，包括如下步骤：

S101.根据充放电测试工况对所述蓄电池进行充放电测试，记录蓄电池的电流、电压、温度、荷电状态的实验数据；

S102.对记录的数据进行归一化处理；

S103.对电池参数数据及对应的荷电状态进行单位根校验，以评估实验数据的平稳性，如果电池参数数据及对应的荷电状态不具有平稳性执行步骤104，否则执行步骤S105；

S104.对电池参数数据及对应的荷电状态数据进行差分运算，执行步骤S103；

S105.对具有平稳性的电池参数数据及对应的荷电状态进行相关性分析，获得输入延迟初值。

7.如权利要求2所述的基于天牛须辨识的蓄电池荷电状态自回归估计方法，其特征是，通过蓄电池的荷电状态回归估计辨识模型估计蓄电池的实时荷电状态，包括如下步骤：

根据获得的蓄电池荷电状态回归估计辨识模型的天牛须质心坐标，确定输入量的数量和采集时刻，构造电池参数输入量以及输出反馈输入量；

根据蓄电池荷电状态回归估计辨识模型的模型参数，获得单隐层各神经元辨识模型以及输出层神经元的辨识输出模型，计算输出层神经元的辨识模型输出，获得蓄电池的预测的荷电状态。