[发明专利]一种基于粒子群优化的电池状态估计方法

摘要

本发明属于电池状态估计领域，涉及一种基于粒子群优化的电池状态估计方法。首先初始化粒子群，初始化状态估计器；然后对于粒子群中的每个粒子，获得状态后验估计，并比较状态后验估计的精度获得状态估计，再通过状态后验估计得到下一采样点的状态先验估计；最后，根据状态后验估计的精度，对粒子群进行演化，获得新的粒子群。本发明在对电池进行状态估计时，通过粒子群优化，得到电池参数的估计，且当电池模型有多个局部最优点时，相比于局部优化方法更容易得到电池模型的全局最优估计，从而使得状态滤波得到的电池状态估计更加精确。

主权项

1.一种基于粒子群优化的电池状态估计方法，具体步骤如下：步骤S1、初始化粒子群，初始化状态估计器；首先，根据模型复杂度和估计精度要求，确定粒子数量，并根据电池参数的取值范围，初始化粒子群；然后，根据电池特性和电池初始状态，对粒子群中的每个粒子初始化一个状态估计器，每个状态估计器对应粒子群中的一个粒子；步骤S2、对于粒子群中的每个粒子，获得状态后验估计，并比较粒子适应度获得状态估计，再通过状态后验估计得到下一采样点的状态先验估计；首先，对于粒子群中的每个粒子，根据粒子坐标获得电池参数，并根据状态先验估计，通过对应的状态估计器获得状态后验估计；然后，计算粒子适应度，比较粒子适应度获得状态估计；最后，根据状态后验估计，通过电池模型获得下一采样点的状态先验估计；步骤S3、根据粒子适应度，对粒子群进行演化，获得新的粒子群；首先，根据步骤S2所得粒子适应度，更新粒子群中粒子的历史最优值；然后，根据电池参数估计全局性的要求，选取粒子群中领袖数量，并根据粒子适应度选取粒子作为领袖；最后，通过更新公式得到新的子种群后，合并所有子种群得到新的粒子群；所述更新公式包括速度更新公式和坐标更新公式；速度更新公式坐标更新公式其中，p_i,k是粒子坐标，v_i,k是粒子速度，Δt_k是采样周期，p_pbest,i是粒子的历史最优值，p_lbest是领袖的历史最优值；γ_v是惯性系数，α、β是加速常数，这三个系数用于控制粒子群的搜索特性，γ_v在0至1之间，γ_v越大，全局搜索能力越强，γ_v越小，局部搜索能力越强，α、β越大，则粒子对应地更多地向粒子历史最优值或领袖历史最优值搜索；u₁、u₂是服从N(0,1)的正态分布的随机值，u₃是服从U(0,1)的均匀分布的随机值，其作用是加大坐标更新的时间间隔，减弱粒子坐标变化对粒子适应度计算的影响；是粒子适应度衰减常数，在0至1之间取值；所述步骤S2中，粒子适应度的计算公式为其中是粒子适应度，是粒子适应度衰减常数，在0至1之间取值，Δt_k是采样周期，y_k是电池电压，是电压预测值。