[发明专利]一种锂电池等效电路模型的参数辨识方法

摘要

一种锂电池等效电路模型的参数辨识方法，包括遗传算法目标函数构造，初始化操作，交叉操作，局部搜索，变异操作。目标函数基于平均估计误差进行构造。初始化操作设置待辨识参数的取值范围。交叉操作和变异操作根据初始的概率值进行。局部搜索采用随机交换基因位值构造相邻个体的方法。本发明求解时间复杂度低，全局寻优能力强，并且算法收敛性能好，参数辨识的误差小。本发明适用于科研机构进行储能系统仿真建模技术的验证应用。

主权项

一种锂电池等效电路模型的参数辨识方法，其特征在于，所述方法包括以下步骤：（1）等效电路模型由开路电压V_oc，内阻R_ir和等效电容C_ec组成，其中内阻R_ir包含欧姆电阻R_or和极化电阻R_pr；第k时刻通过电容的电流用I_ec,k表示，通过电阻R_or的电流用I_or,k表示，电池端电压用V_T,k表示；等效电路模型用下式表示：V_T,k＝V_oc‑R_or×I_or,k‑R_pr×I_ec,k$I_{\mathrm{ec},k}=[1-\frac{1-e^{-\mathrm{\Δt}/(C_{\mathrm{ec}}\×R_{\mathrm{pr}})}}{\mathrm{\Δt}/(C_{\mathrm{ec}}\×R_{\mathrm{pr}})}]\×I_{\mathrm{or},k}+[\frac{1-e^{-\mathrm{\Δt}/(C_{\mathrm{ec}}\×R_{\mathrm{pr}})}}{\mathrm{\Δt}/(C_{\mathrm{ec}}\×R_{\mathrm{pr}})}-e^{-\mathrm{\Δt}/(C_{\mathrm{ec}}\×R_{\mathrm{pr}})}]\×I_{\mathrm{or},k-1}+e^{-\mathrm{\Δt}/(C_{\mathrm{ec}}\×R_{\mathrm{pr}})}\×I_{\mathrm{ec},k-1}$其中，Δt表示第k‑1时刻和第k时刻间的时间间隔；（2）基于步骤（1）的等效电路模型构造遗传算法的目标函数，用下式表示：$\begin{array}{c}\min \left(f\left(O_k^g\right)\right)\\ f\left(O_k^g\right)=\frac{1}{L}\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{(V_{T,k}-{\hat{V}}_{T,k}^g)}^2\end{array}$其中，表示第g个种群的端电压估计值；（3）设置遗传算法种群大小值g，最大迭代次数m，交叉概率P_c，变异概率P_m，待辨识参数V_oc，R_or，R_pr和C_ec的取值范围，并初始化种群中的每个个体；（4）根据交叉概率P_c生成个体交叉位置，然后随机从种群中选择两个个体进行交叉操作，直到所有个体都被遍历过；（5）对每个个体，随机生成两个整数，交换该两个整数值对应位置的基因位，并根据步骤（2）计算个体适应度经过3～5次操作，选取个体适应度最小的个体；（6）对每个个体的每个基因位置，生成取值范围为[0,1]的概率值p，当p小于变异概率P_m时，用随机数代替该基因位数值，生成子代群体；（7）重复步骤（5）的操作；（8）计算所有个体的适应度如果当前个体最小的适应度小于当前种群的适应度，则种群最好的个体为当前适应度最小的个体，否则将当前适应度最大的个体替换为当前种群适应度最大的个体；（9）重复步骤（4）～（8），直到满足最大迭代次数m，输出得到辨识参数和