一种基于差分进化的超级电容模型参数辨识方法技术

本发明专利技术提供的一种基于差分进化的超级电容模型参数辨识方法，首先以输出误差准则确定参数辨识的目标函数，然后采用差分进化算法求解最优模型参数值；通过输出误差准则与差分优化算法的结合，可以保证模型参数辨识的结果更加准确，从而为基于模型参数辨识结果的超级电容健康状态估计提供可靠的数据支撑。

A parameter identification method for supercapacitor model based on differential evolution

【技术实现步骤摘要】
一种基于差分进化的超级电容模型参数辨识方法
本专利技术涉及储能技术应用领域，更具体的，涉及一种基于差分进化的超级电容模型参数辨识方法。
技术介绍
传统一次能源在使用过程中会伴随产生大量的温室气体排放，从而造成严重的气候变暖和环境恶化问题。同时一次能源的不可再生性也使得能源危机问题成为人类社会必须面对并积极采取有效措施加以解决的一个重要关切。基于此原因，世界主要工业国家均开始大力发展以太阳能和风能等为代表的清洁能源的开发与利用技术。但是，此类能源受天气条件限制呈现出输出功率的波动性和不连续性的特点，在实际应用时会造成整个微电网系统的不稳定。因此以储能系统作为功率支撑环节已成为清洁能源发电系统在实际应用中的一种有效解决方案。目前，构建储能系统的储能单元主要有铅酸电池、锂离子电池等电化学储能元件。由于蓄电池在充放电过程中会发生化学反应，因此其功率密度相对较低，循环使用寿命也较短。与蓄电池基于化学反应的工作机理不同，超级电容器在充放电过程中不会产生化学反应，因此具有功率密度大和循环寿命长等优点。单独应用超级电容或将超级电容与蓄电池相配合构成储能系统将在本文档来自技高网...

【技术保护点】
1.一种基于差分进化的超级电容模型参数辨识方法，其特征在于，包括以下步骤：/nS1：根据超级电容的工作机理建立超级电容的等效电路模型；/nS2：基于超级电容的等效电路模型得到其对应的离散传递函数模型；/nS3：基于超级电容的离散传递函数模型并结合输出误差准则确定参数辨识的目标函数；/nS4：初始化差分进化算法并选定差分进化算法的进化策略；/nS5：根据目标函数计算所有初始种群的适应度；/nS6：根据进化策略对个体目标向量进行变异操作，生成变异向量；/nS7：根据交叉操作策略对个体目标向量和变异向量进行交叉向量，生成试验向量；/nS8：根据选择操作策略，即通过试验向量与个体目标向量之间进行竞争后...

【技术特征摘要】
1.一种基于差分进化的超级电容模型参数辨识方法，其特征在于，包括以下步骤：
S1：根据超级电容的工作机理建立超级电容的等效电路模型；
S2：基于超级电容的等效电路模型得到其对应的离散传递函数模型；
S3：基于超级电容的离散传递函数模型并结合输出误差准则确定参数辨识的目标函数；
S4：初始化差分进化算法并选定差分进化算法的进化策略；
S5：根据目标函数计算所有初始种群的适应度；
S6：根据进化策略对个体目标向量进行变异操作，生成变异向量；
S7：根据交叉操作策略对个体目标向量和变异向量进行交叉向量，生成试验向量；
S8：根据选择操作策略，即通过试验向量与个体目标向量之间进行竞争后选择适应度更优的向量作为子代；
S9：判断是否到初始化设置的进化代数，若是，则得到最优解，完成参数的辨识；否则，返回执行步骤S6。


2.根据权利要求1所述的一种基于差分进化的超级电容模型参数辨识方法，其特征在于，在所述步骤S1中，所述等效电路模型的参数用于表征超级电容的电器特性。


3.根据权利要求1所述的一种基于差分进化的超级电容模型参数辨识方法，其特征在于，在所述步骤S4中，所述初始化差分进化算法具体为初始化种群规模、进化代数、缩放因子和交叉概率因子。


4.根据权利要求3所述的一种基于差分进化的超级电容模型参数辨识方法，其特征在于，在所述种群规模和进化代数初始化过程中，种群规模和进化代数需要配合选择，种群规模在20,30,50,100数值中通过差分进化算法运行的结果进行比较做出选择，进化代数需要保证算法可以收敛时做出选择。


5.根据权利...

【专利技术属性】
技术研发人员：赵洋，康丽，张兆云，
申请(专利权)人：东莞理工学院，
类型：发明
国别省市：广东;44