一种基于改进蜻蜓算法的蓄电池参数辨识方法技术

本发明专利技术涉及一种基于改进蜻蜓算法的蓄电池参数辨识方法，包括以下步骤：一、构造三阶戴维南等效电路模型；二、采集蓄电池变电流放电的端电压变化数据，与模型输出结果构建适应度函数；三、选择蜻蜓算法作为辨识方法，使用Tent混沌映射搜索空间内的初始化蜻蜓种群；四、利用精英反向学习群策略进一步优化种群多样性；五、基于蜻蜓算法和由S型函数构造的行为权重来自适应的调整飞行步长，更新种群位置；六、重复实施步骤四和步骤五的操作，直到猎物的适应度满足期望值或者达到最大迭代步数；七、输出最优个体的参数信息作为蓄电池的模型参数，并绘制拟合曲线与误差曲线。本发明专利技术可替代传统蓄电池辨识方法，有效的提高蓄电池参数的辨识精度。

A battery parameter identification method based on improved Dragonfly algorithm

【技术实现步骤摘要】
一种基于改进蜻蜓算法的蓄电池参数辨识方法
本专利技术涉及一种基于改进蜻蜓算法的蓄电池参数辨识方法，属于电池管理系统

技术介绍
蓄电池作为一种零污染、零排放的清洁能源,已广泛应用在电动汽车领域。蓄电池模型的参数辨识是荷电状态准确估计的重要基础。在实际应用中,准确估计蓄电池的荷电状态能够防止蓄电池因过充、过放而导致的寿命缩短或因设置过多的冗余电量而导致的能量输出降低等问题。因此,获得准确的蓄电池模型参数成为研究蓄电池的重要环节。目前蓄电池模型的辨识方法主要有：非线性最小二乘法、卡尔曼滤波辨识法和基于智能优化算法的辨识方法。非线性最小二乘法具有计算量小、占用内存少和无需存储全部数据的优点，可实现对电池模型参数的实时在线辨识，但非线性最小二乘法对复杂非线性系统的辨识精度较低。卡尔曼滤波辨识法能对含有噪声的信号实现较为准确的估计，但其存在过于依赖噪声统计特性和必须确定状态变量初始值的缺点。智能优化算法具有限制条件少和辨识非线性能力强等优点，已被广泛应用于电池模型的参数辨识中，但是经典智能算法大多存在收敛速度慢和已陷入局部极小点问题，导致整体辨识精度不高。蜻蜓算法是一种新型启发式智能算法，通过模拟蜻蜓群体航行、觅食及躲避外敌等行为实现算法的全局搜索和局部开发，然而在复杂非线性优化问题中，其仍存在寻优效率不高和易陷入局部最优的缺陷，为此提出了基于增强种群多样性和全局搜索向局部搜索过渡的平衡性的改进蜻蜓算法。
技术实现思路
本专利技术的目的是提供一种基于改进蜻蜓算法的蓄电池参数辨识方法，针对蜻蜓算法中种群多样性和全局搜索向局部搜索过渡的平滑性不足，提出一种高效率高精度的蓄电池参数辨识方法。为了实现上述目的，本专利技术采用的技术方案是：一种基于改进蜻蜓算法的蓄电池参数辨识方法，包括以下步骤：一、构造三阶戴维南等效电路模型；二、采集蓄电池变电流放电的端电压变化数据，与步骤一模型输出结果构建适应度函数；三、选择蜻蜓算法作为辨识方法，并使用Tent混沌映射搜索空间内的初始化蜻蜓种群，并根据适应度优劣设置猎物和天敌；四、利用精英反向学习群策略进一步优化种群多样性；五、基于蜻蜓算法和由S型函数构造的行为权重来自适应的调整飞行步长，更新种群位置；六、重复实施步骤四和步骤五的操作，基于步骤一构造出的模型，不断更新迭代蜻蜓种群的位置，直到猎物的适应度满足期望值或者达到最大迭代步数；七、输出最优个体的参数信息作为蓄电池的模型参数，并绘制拟合曲线与误差曲线。八、进一步验证改进蜻蜓算法的优越性，将其与辨识性能良好的新型改进算法作比较。本专利技术技术方案的进一步改进在于：步骤一中三阶戴维南等效电路由内置电压源、等效内阻与三段RC网络串联构成。本专利技术技术方案的进一步改进在于：步骤三中种群适应度最小的为猎物，适应度最大的为天敌。本专利技术技术方案的进一步改进在于：步骤四所述的精英反向学习群策略包括先选出当前种群中的几个精英个体并求解出其反向解，然后在各精英与其反向解之间生成一组均匀分布的精英反向群，求取公式为：ex-m(t)＝l(t)+u(t)-exm(t).esim(t)＝exm(t)-zi×abs(2×rand×exm(t)-exm-(t))式中，t表示当前迭代次数，exm(t)和ex-m(t)分别表示第m个精英个体与其反向解，esim(t)表示第m个精英反向群中的个体。本专利技术技术方案的进一步改进在于：步骤五所述的蜻蜓算法为：ΔXi(t+1)＝(sSi+asAi+csCi+fFi+eEi)+wΔXi(t).式中,s、f、e和w分别表示为分离权重、寻猎权重因子、避敌权重因子和惯性权重，对齐权重as和凝聚权重cs被构造为S型函数，Si、Ai、Ci、Fi和Ei分别对应蜻蜓算法的分离、对齐、凝聚、寻猎和避敌五种行为模式。由于采用了上述技术方案，本专利技术取得的技术效果有：1、本专利技术采用的方法是一种辨识精度更高、速度更快的蓄电池辨识方法。2、本专利技术不仅提高了蜻蜓算法的种群多样性，并且优化了算法全局搜索向局部开发过渡的平衡性。3、本专利技术通过利用S型函数前期变化快、后期趋于平稳且过渡平滑的特点,将对齐权重和凝聚权重构造为S型，使蜻蜓种群在前期的全局搜索时具有高对齐权重,在后期的局部开发时保持高凝聚权重,保证了全局向局部过渡的平衡性和快速性。附图说明图1是本专利技术蓄电池等效电路示意图；图2是本专利技术端电压测量值与估计值的拟合曲线；图3是本专利技术端电压拟合误差曲线；图4是本专利技术算法的对比验证迭代曲线。具体实施方式下面结合附图及具体实施例对本专利技术做进一步详细说明：本专利技术公开了一种基于改进蜻蜓算法的蓄电池参数辨识方法，包括以下方法步骤：一、构造三阶戴维南等效电路的模型，三阶戴维南等效电路由内置电压源、等效内阻与三段RC网络串联构成。以容量为12V/50Ah的铅酸蓄电池为例，为其构建三阶戴维南等效电路模型，模型如图1所示。其离散空间表达式为：式中,Ts表示采样周期，k为当前离散时间，upn(n＝0,1,2)为第n个RC网络的暂态电压，τn＝RpnCpn(n＝0,1,2)，Rpn(n＝0,1,2)和Cpn分别为RC网络的电阻和电容，iL(k)表示流经内阻的暂态电流，uL表示蓄电池的端电压，uOC为开路电压，ΔuOC为开路电压uOC在采样周期内的波动，R0为欧姆内阻。二、利用TKXHH型蓄电池单体活化仪采集电池端电压uL和SOC等实验数据。为了得到更加精确的辨识参数，设置不同的放电电流进行间歇放电实验：即先用2A的放电电流将蓄电池放电至SOC为0.96，再用3A的放电电流放电至SOC为0.9，最后用1A的放电电流放电至SOC为0.88，每次放电实验的持续时间为1小时，且每完成一次放电实验后将蓄电池静置1小时至稳定状态。由蓄电池模型可知，已知参数为端电压测量值uL和充电电流iL，待辨识参数分别为开路电压uOC、内阻R0及三个RC网络的阻容Rp1～Rp3和Cp1～Cp3，根据蓄电池模型输出及采集的实验数据构建的适应度函数为：其中x＝[uoc,R0,Rp1,Cp1,Rp2,Cp2,Rp3,Cp3]，为k时刻端电压的估计值；uL(k)为k时刻的端电压测量值。三、选择蜻蜓算法作为辨识方法，算法的种群规模设置为50，最大迭代步数t设置为400，并使用Tent混沌序列[z1,z2,…,zSN]映射搜索空间内的初始化蜻蜓种群，Tent的映射公式为：Xi(0)＝lb+zi×(ub-lb).式中,lb和ub分别表示搜索空间的下限和上限,zi为Tent混沌序列中的第i个值。根据将种群适应度最小的为猎物，适应度最大的为天敌；四、利用精英反向学习群策略进一步优化种群多样性，精英反向学习群策略包括先选出当前种群中的几个精英个体并求解出其反向解，然后在各本文档来自技高网...

【技术保护点】
1.一种基于改进蜻蜓算法的蓄电池参数辨识方法，其特征在于，包括以下步骤：/n一、构造三阶戴维南等效电路的模型；/n二、采集蓄电池变电流放电的端电压变化数据，与步骤一模型输出结果构建适应度函数；/n三、选择蜻蜓算法作为辨识方法，并使用Tent混沌映射搜索空间内的初始化蜻蜓种群，并根据适应度优劣设置猎物和天敌；/n四、利用精英反向学习群策略进一步优化种群多样性；/n五、基于蜻蜓算法和由S型函数构造的行为权重来自适应的调整飞行步长，更新种群位置；/n六、重复实施步骤四和步骤五的操作，基于步骤一构造出的模型，不断更新迭代蜻蜓种群的位置，直到猎物的适应度满足期望值或者达到最大迭代步数；/n七、输出最优个体的参数信息作为蓄电池的模型参数，并绘制拟合曲线与误差曲线。/n

【技术特征摘要】
1.一种基于改进蜻蜓算法的蓄电池参数辨识方法，其特征在于，包括以下步骤：
一、构造三阶戴维南等效电路的模型；
二、采集蓄电池变电流放电的端电压变化数据，与步骤一模型输出结果构建适应度函数；
三、选择蜻蜓算法作为辨识方法，并使用Tent混沌映射搜索空间内的初始化蜻蜓种群，并根据适应度优劣设置猎物和天敌；
四、利用精英反向学习群策略进一步优化种群多样性；
五、基于蜻蜓算法和由S型函数构造的行为权重来自适应的调整飞行步长，更新种群位置；
六、重复实施步骤四和步骤五的操作，基于步骤一构造出的模型，不断更新迭代蜻蜓种群的位置，直到猎物的适应度满足期望值或者达到最大迭代步数；
七、输出最优个体的参数信息作为蓄电池的模型参数，并绘制拟合曲线与误差曲线。


2.根据权利要求1所述的一种基于改进蜻蜓算法的蓄电池参数辨识方法，其特征在于：步骤一中三阶戴维南等效电路由内置电压源、等效内阻与三段RC网络串联构成。


3.根据权利要求1所述的一种基于改进蜻蜓算法的蓄电池参数辨识方法，其特征在于：步骤三中蜻蜓算法包括分离、对齐、凝聚、寻猎和避敌...

【专利技术属性】
技术研发人员：吴忠强，赵德隆，王云青，刘重阳，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13