[发明专利]一种锂电池等效电路模型参数的辨识方法

说明书

本发明提供了一种锂电池等效电路模型参数的辨识方法，属于锂电池技术领域。该辨识方法利用混沌自适应分数阶粒子群算法对锂电池等效电路模型的参数进行辨识，包括混沌映射初始化粒子种群，使初始种群分布更加均匀，增加了种群的多样性，提高了种群收敛效率；引入分数阶速度更新律，提高了种群的收敛速度；加入自适应惯性权重和对全局最优值进行混沌搜索以更新全局最优值，避免了粒子群陷入局部最优。所提方法具有收敛速度快、辨识精度高、不易陷入局部最优解等优点。提出了一种高效的锂电池等效电路模型参数辨识的方法。

技术领域

本发明涉及锂电池技术领域，特别涉及一种锂电池等效电路模型参数的辨识方法，该辨识方法利用混沌自适应分数阶粒子群算法对锂电池等效电路模型的参数进行辨识。

背景技术

促进混合动力或纯电动汽车的发展是缓解环境污染、石油短缺等问题的主要战略措施之一。锂电池由于其高能量密度、低放电率和高循环次数，已成为新能源汽车动力系统的核心组成部分之一。然而，锂电池的安全性和功率性能受到许多因素的影响，如温度和荷电状态(SOC)、健康状态(SOH)和功率状态(SOP)估计精度。准确的SOC估计支持可用的容量监测和相关的状态反馈控制，这对维持锂电池的安全和高效运行尤为重要。准确的状态估计的前提是要有一个能够准确捕捉电池系统动态特性的模型。当前锂电池模型主要有电化学模型、数据驱动模型和等效电路模型。电化学模型准确度高，但模型过于复杂参数过多，工程实现难度大。数据驱动模型其精度依赖大量数据训练，可移植性差。等效电路模型由其结构简单，便于实现且精度较高，在工程应用中得到了广泛的使用。常见的等效电路模型有PNGV模型、RC等效电路模型和分数阶等效电路模型。研究和应用最广泛的是多阶RC等效电路模型和分数阶等电路模型。高阶次的RC等效电路模型精度高，但是模型也更加复杂需要辨识的参数多。分数阶RC等效电路模型拥有更高的精度和不高的复杂度得到了广泛的应用。对于等效电路模型说其模型精度非常依赖于参数辨识。

粒子群优化算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。传统粒子群优化算法收敛速度慢，种群初始化多采用随机初始化的方法，这样种群初始分布容易扎堆，容易陷入局部最优解而找不到全局最优解。

综上所述，目前采用粒子群算法对锂电池建模中参数的辨识还存在以下问题：

1.在传统粒子群优化算法中，初始种群一般采用随机生成的策略，因此个体将不可避免地分布不均匀，导致整个搜索过程中的多样性不足。这个基本上限制了搜索性能。

2.若采用传统粒子群优化算法对锂电池进行建模，不改进很容易陷入局部最优解，遗落全局最优解，且传统粒子全优化算法收敛速度慢。

发明内容

本发明要解决的技术问题为针对现有技术的不足，为了克服现有锂电池建模中参数辨识精度不高的缺陷，提供了一种基于混沌自适应分数阶粒子群优化算法的锂电池参数的辨识方法。具有收敛速度快、辨识精度高、不易陷入局部最优解等优点。提高了锂电池等效电路模型的精度。

为解决发明的技术问题，所采用的技术方案为：一种锂电池等效电路模型参数的辨识方法，所述辨识方法利用混沌自适应分数阶粒子群算法对锂电池等效电路模型的参数进行辨识，然后将得到的最优参数反馈到锂电池等效电路模型中，具体步骤如下：

步骤1，获取锂电池等效电路模型的辨识参数

所述锂电池电路等效模型的拓扑结构包括一个直流电源、一个欧姆内阻、一个并网电阻和一个分数阶常相位角元件CPE，所述并网电阻和分数阶常相位角元件CPE并联，并记为并联支路，所述欧姆内阻的一端与直流电源的正极相连，另一端与并联支路的一端相连，所述并联支路的另一端与直流电源的负极组成所述锂电池电路等效模型的输出端；