基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法技术

本发明专利技术涉及一种基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法。包括以下步骤：A：磷酸铁锂动力电池建模；B：解的编码，将磷酸铁锂动力电池等效电路模型参数估计问题转化成适于粒子群优化的排列问题，粒子以P表示，其中Pi为(Roi,Cai,Rpi,Cpi)，代表第i个粒子的参数信息；C：利用全局模式粒子群算法进行磷酸铁锂动力电池等效电路模型参数估计；D：适应度函数为min|Ur-Ue|，Ur为动力电池端电压的实测值；Ue为动力电池端电压的估计值；E：粒子群算法优化循环达到设定的最大次数或者|Ur-Ue|≤0.01，停止循环。本发明专利技术应用粒子群算法进行动力电池等效电路模型参数估计，通过实验验证表明此种方法参数估计误差小，提高了模型参数估计的准确性。

【技术实现步骤摘要】

本专利技术涉及电动汽车动力电池
，尤其涉及了一种基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计方法。
技术介绍
动力电池系统被广泛地运用在当今的混和动力汽车、燃料电池汽车以及纯电动汽车上，在动力电池的选择上，目前应用最广泛的是具有比能量高，自放电小，循环寿命长，无记忆效应和对环境污染小等特点的磷酸铁锂动力电池。但是磷酸铁锂动力电池也有很明显的非线性和时变特性，其部分特性和参数在汽车行驶过程中随电池的充放电电流、环境温度和健康状态等因素变化。从理论上看，动力电池等效电路模型参数估计问题计算复杂性很高，至今还没有找到解决该问题的有效算法。粒子群优化（ParticleSwarmOptimization，简称PSO）算法是由Eberhart和Kennedy在1995年首先提出的一种进化计算方法。PSO起源于对简单社会系统的模拟，它以人工生命理论为理论背景，是一种基于群智能的优化算法。作为一个有效的优化算法，PSO算法可用于解决多目标优化、系统辨识、模式识别等优化问题，适用于解决磷酸铁锂动力电池等效电路模型参数估计问题。
技术实现思路
为了克服现有磷酸铁锂动力电池等效电路模型参数难以准确估计的不足，本专利技术提供了一种基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法。为了解决上述技术问题，本专利技术通过下述技术方案进行解决：基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，包括以下步骤：A：磷酸铁锂动力电池建模，根据磷酸铁锂动力电池PNGV等效电路模型，得到以下公式：U＝UOCV-Ua-Up-RoI   （1）Ua=1Ca∫0TIdt---(2)]]>I-Ip=I-UpRp=CpdUpdt---(3)]]>U=UOCV-RoI-1Ca(ΣIΔt)-RpI(1-e-ΔtRpCp)---(4)]]>UOCV:理想电压源,它表示的是电池的开路电压；Ca:该电容描述的是因电流的时间累积效应而引起的开路电压数值的变化；Ro:电池的欧姆内阻；Rp:电池内部极化电阻；Cp:Rp的并行电容；I:动力电池工作电流；Ip:极化电阻的电流；U:动力电池端电压；Ua：电容Ca端电压；Up：电容Cp端电压；B：解的编码，将磷酸铁锂动力电池等效电路模型参数估计问题转化成适于粒子群优化的排列问题，粒子以P表示，其中Pi为(Roi,Cai,Rpi,Cpi)，代表第i个粒子的参数信息；C：适应度函数为min|Ur-Ue|，其中Ur为动力电池端电压的实测值；Ue为动力电池端电压的估计值；显然可见，适应度函数值越小，则其对应的解越优，参数估计准确度越高；D：在磷酸铁锂动力电池等效电路模型参数估计时，从理论上说，参数估计准确度越高越好，没有上限。因此本算法中停止规则就设为PSO算法优化循环达到设定的最大次数或者|Ur-Ue|≤0.01。作为优选，利用全局模式PSO算法进行磷酸铁锂动力电池等效电路模型参数估计，全局模式PSO算法的步骤如下：B1：采用每个粒子随机产生的位置和速度在整个解空间中初始化粒子群；B2：根据适应度函数计算每个粒子的适应度函数值；B3：比较每个粒子的适应度函数值和个体极值pBest，若当前值优于pBest，设置当前值为新的pBest，粒子当前的位置xid为新的pBest的位置B4：比较所有粒子的适应度函数值和全局极值gBest，若当前值优于gBest，设置当前值为新的gBest，粒子当前的位置xid为新的gBest的位置B5：根据下面公式改变每个粒子的速度和位置：vid=k*[w*vid+c1*rand1()*(Xidp-xid)+c2*rand2()*(Xidg-xid)]]]>xid＝xid+vid其中，c1、c2为学习因子；rand1()、rand2()为[0,1]区间内的随机数；w为惯性权值；k为压缩因子；vid和xid分别为粒子当前的速度和位置；B6：当满足停止循环的准则，就终止计算，跳出循环；否则转到B2继续循环；作为优选，粒子的速度vid会受到最大速度Vmax的限制，当粒子的速度超过了最大速度，将粒子的速度限定为最大速度。作为优选，把全局极值gBest换成局部极值lBest，换成全局模式PSO算法转换为局部模式PSO算法。作为优选，当k＝1时，即为惯性权值方法，此时w一般设为在[0.9,0.4]区间内线性下降。w＝1时，即为压缩因子方法。此时作为优选，一般取c1＝c2＝2.05，k＝0.729，在压缩因子方法中，取最大速度为粒子的动态范围可以显著提高PSO算法的性能。作为优选，停止循环的准则为达到设置的阈值或达到最大循环次数。本专利技术由于采用了以上技术方案，具有显著的技术效果：1、应用PSO算法进行磷酸铁锂动力电池等效电路模型参数估计，通过粒子运动对整个解空间进行高效搜索，最终可获得全局最优的参数估计结果，提高了模型参数估计的准确性。2、磷酸铁锂动力电池等效电路模型参数估计准确，有助于完善电动汽车电池管理系统，可以更有效地预测电动汽车的续驶里程、控制电池的最大放电电流或调整多能源动力总成的功率分配策略等。附图说明图1是本专利技术的磷酸铁锂动力电池PNGV等效电路模型；图2是Ca和Cp参数辨识结果；图3是Ro和Rp参数辨识结果；图4是仿真试验结果。具体实施方式下面结合附图与实施例对本专利技术作进一步详细描述。实施例1基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，包括以下步骤：A：磷酸铁锂动力电池建模，根据磷酸铁锂动力电池PNGV等效电路模型，如图1所示，得到以下公式：U＝UOCV-Ua-Up-RoI   （1）Ua=1Ca∫0TIdt---(2)]]>I-Ip=I-UpRp=CpdUpdt---(3)]]>U=UOCV-RoI-1Ca(ΣIΔt)-RpI(1-e-ΔtRpCp)---(4)]]>UOCV:理想电压源,它表示的是电池的开路电压；Ca:该电容描述的是因电流的时间累积效应而引起的开路电压数值的变化；Ro:电池的欧姆内阻；Rp:电池内部极化电阻；Cp:Rp的并行电容；I:动力电池工作电流；Ip:极化电阻的电流；U:动力电池端电压；Ua：电容Ca端电压；Up：电容Cp端电压；...

【技术保护点】
基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其特征在于包括以下步骤：A：磷酸铁锂动力电池建模，根据磷酸铁锂动力电池PNGV等效电路模型，得到以下公式：U＝UOCV‑Ua‑Up‑RoI   （1）Ua=1Ca∫0TIdt---(2)]]>I-Ip=I-UpRp=CpdUpdt---(3)]]>U=UOCV-RoI-1Ca(ΣIΔt)-RpI(1-e-ΔtRpCp)---(4)]]>UOCV:理想电压源,它表示的是电池的开路电压；Ca:该电容描述的是因电流的时间累积效应而引起的开路电压数值的变化；Ro:电池的欧姆内阻；Rp:电池内部极化电阻；Cp:Rp的并行电容；I:动力电池工作电流；Ip:极化电阻的电流；U:动力电池端电压；Ua：电容Ca端电压；Up：电容Cp端电压；B：解的编码，将磷酸铁锂动力电池等效电路模型参数估计问题转化成适于粒子群优化的排列问题，粒子以P表示，其中Pi为(Roi,Cai,Rpi,Cpi)，代表第i个粒子的参数信息；C：适应度函数为min|Ur‑Ue|，其中Ur为动力电池端电压的实测值；Ue为动力电池端电压的估计值；D：粒子群算法优化循环达到设定的最大次数或者|Ur‑Ue|≤0.01，停止循环。...

【技术特征摘要】
1.基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其
特征在于包括以下步骤：
A：磷酸铁锂动力电池建模，根据磷酸铁锂动力电池PNGV等效电路模型，
得到以下公式：
U＝UOCV-Ua-Up-RoI   （1）
Ua=1Ca∫0TIdt---(2)]]>I-Ip=I-UpRp=CpdUpdt---(3)]]>U=UOCV-RoI-1Ca(ΣIΔt)-RpI(1-e-ΔtRpCp)---(4)]]>UOCV:理想电压源,它表示的是电池的开路电压；
Ca:该电容描述的是因电流的时间累积效应而引起的开路电压数值的变
化；
Ro:电池的欧姆内阻；
Rp:电池内部极化电阻；
Cp:Rp的并行电容；
I:动力电池工作电流；
Ip:极化电阻的电流；
U:动力电池端电压；
Ua：电容Ca端电压；
Up：电容Cp端电压；
B：解的编码，将磷酸铁锂动力电池等效电路模型参数估计问题转化成适于
粒子群优化的排列问题，粒子以P表示，其中Pi为(Roi,Cai,Rpi,Cpi)，代表第i个粒
子的参数信息；
C：适应度函数为min|Ur-Ue|，其中Ur为动力电池端电压的实测值；Ue为动
力电池端电压的估计值；
D：粒子群算法优化循环达到设定的最大次数或者|Ur-Ue|≤0.01，停止循环。
2.根据权利要求1所述的基于粒子群算法的磷酸铁锂动力电池等效电路
模型参数估计的方法，其特征在于：利用全局模式粒子群算法进行磷酸铁锂
动力电池等效电路模型参数估计，全局模式粒子群算法的步骤如下：
B1：采用每个粒子随...

【专利技术属性】
技术研发人员：李明，江洋，郑荐中，彭筱筱，朱中文，
申请(专利权)人：浙江省计量科学研究院，
类型：发明
国别省市：浙江;33