[发明专利]基于容量损失机理的退役电池余能快速估计方法及系统

权利要求书

1.一种基于容量损失机理的退役电池余能快速估计方法，其特征在于，包括以下步骤：

步骤S1，建立容量损失机理诊断模型；

步骤S2，对所述预设退役电池进行恒流充电，获得退役电池恒流充电测试曲线，基于所述容量损失机理诊断模型，并利用模式搜索非线性优化算法对所述退役电池恒流充电测试曲线进行拟合，提取容量损失特征，其中，所述容量损失特征包括负极容量、欧姆内阻及负极终止嵌锂率；

步骤S3，建立SVR模型，利用改进的飞蛾扑火优化算法对所述SVR模型中的核函数与惩罚因子进行寻优，得到ALMFO-SVR余能估计模型；

步骤S4，将预设容量损失特征以其对应的余能真值作为所述ALMFO-SVR余能估计模型的数据集，并将所述数据集分为训练样本和测试样本，利用所述训练样本对所述ALMFO-SVR余能估计模型进行训练；

步骤S5，利用恒流充电过程中记录的实际电压、实际电流测试数据提取实际容量损失特征，并将所述实际容量损失特征输入至训练完成后的ALMFO-SVR余能估计模型中，对退役电池余能的快速估计。

2.根据权利要求1所述的基于容量损失机理的退役电池余能快速估计方法，其特征在于，所述容量损失机理诊断模型为：

其中，U_p为正极电势，SOC_p为正极嵌锂率，U_n为负极电势，SOC_n为负极嵌锂率，U_t为端电压，SOC_p,0为正极充电初始嵌锂率，I_L为负载电流，Δt为采样时间，Q_p为正极容量，SOC_n,0为负极充电初始嵌锂率，Q_n为负极容量，R_ohm为欧姆内阻。

3.根据权利要求1所述的基于容量损失机理的退役电池余能快速估计方法，其特征在于，所述步骤S3具体包括：

步骤S301，建立初始SVR模型；

步骤S302，利用对偶原理，向所述初始SVR模型引入拉格朗日乘法算子，得到可求解最大值函数的SVR模型；

步骤S303，根据Mercer定理法则对所述可求解最大值函数的SVR模型进行非线性映射，得到所述SVR模型；

步骤S304，利用改进的飞蛾扑火优化算法对所述SVR模型中的核参数与惩罚因子进行寻优，得到所述ALMFO-SVR余能估计模型。

4.根据权利要求3所述的基于容量损失机理的退役电池余能快速估计方法，其特征在于，所述SVR模型为：

其中，x为输入样本，f(x)为输出值，ω为权重向量，为非线性映射函数，b为偏置量，和α_i为拉格朗日乘法算子，K(x_i,x)为核函数。

5.根据权利要求3所述的基于容量损失机理的退役电池余能快速估计方法，其特征在于，所述改进的飞蛾扑火优化算法为：先在标准飞蛾扑火优化算法的飞蛾位置更新后加入Levy飞行算法，后在迭代过程中加入自适应权重法。