基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法技术

本发明专利技术公开基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，步骤1：确认并获取锂离子电池容量预测的关键因素；步骤2：将锂离子电池的容量预测中所涉及的关键因素抽象为多目标优化问题并初始化种群粒子，步骤3：使用PSO算法更新粒子的位置和速度；步骤4：评估所有粒子的适应度值，保存适应度最好的粒子；步骤5：判断是否达到最大迭代次数；是则，输出最优粒子；否则，更新粒子的速度和位置并更新PSO算法参数后；步骤6：生成一随机概率数，判断该随机概率数是否大于预设概率；是则，采用灰狼算法计算更新粒子的位置并执行步骤4；否则，执行步骤4。本发明专利技术通过目标分解和参数自适应的混合算法提升电池容量预测的准确性。适应的混合算法提升电池容量预测的准确性。适应的混合算法提升电池容量预测的准确性。

【技术实现步骤摘要】
基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法


[0001]本专利技术涉及电池
，尤其涉及基于目标分解的改进多目标粒子群优化的锂离子电 池容量预测方法。

技术介绍

[0002]锂离子电池容量预测的领域会遇到很多优化问题，锂电池容量变化主要由静态的存储容 量衰减、动态的循环容量衰减和运行中的电流效应(电流倍率效应和恢复效应)三方面共同决 定，其优化目标是平衡三方面的因素达到最佳的电池容量预测值。这些问题可以抽象为若干 等式约束和不等式约束，统称为约束优化问题。解决此类约束优化问题，会对锂离子电池容 量预测问题产生积极影响。
[0003]约束优化问题在二十世纪九十年代被提出，约束优化问题通常是多项式复杂程度的非确 定性问题，多项式复杂程度的非确定性问题会产生很大的算法时间复杂度。对于解决约束优 化问题，常用的方法是将约束优化问题转化成单目标优化问题或者多目标优化问题再进行解 决。由于进化算法适合求解多项式复杂程度的非确定性问题，所以多目标进化算法能够通过 进化算法来解决多目标优化问题。当带有约束优化的多目标进化算法被提出之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，其特征在于：其包括以下步骤：步骤1，确认并获取锂离子电池容量预测的关键因素；步骤2，将锂离子电池的容量预测中所涉及的关键因素抽象为多目标优化问题并初始化种群粒子，步骤3，使用PSO算法更新粒子的位置和速度；步骤4，评估所有粒子的适应度值，保存适应度最好的粒子步骤5，判断是否达到最大迭代次数；是则，输出最优粒子；否则，更新粒子的速度和位置并更新PSO算法参数后执行步骤6；步骤6，生成一范围在(0，1)内随机概率数，并判断该随机概率数是否大于预设概率；是则，采用灰狼算法计算更新粒子的位置并执行步骤4；否则，执行步骤4。2.根据权利要求1所述的基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，其特征在于：步骤1中关键因素包括静态的存储容量衰减、动态的循环容量衰减和运行中的电流效应。3.根据权利要求1所述的基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，其特征在于：步骤2中第i个粒子的预测值为受到的约束条件为从而得出式子(2)；是由粒子对于各个约束条件的违反程度之和来度量，则：其中，约束有两种情况，一种为不等式约束，另一种为等式约束，对应的数学表达式分别为式子(4)和式子(5)别为式子(4)和式子(5)式子(4)为目标函数中不等式约束的违反程度，其中为目标函数中已知的不等式约束条件，设置与0进行对比，取最大值，能够判断所得结果是否满足不等式约束，q为粒子的个数；式子(5)为目标函数的等式约束的违反程度，取得0和之间的最大值，其中的ε为等式约束中的可容忍误差。4.根据权利要求1所述的基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，其特征在于：步骤3中粒子群根据式子(22)和式子(23)来计算更新粒子的位置：v
ij
(t+1)＝wv
ij
(t)+c1r1(p
ij
(t)
‑
x
ij
(t)+c2r2(p
gj
(t)
‑
x
ij
(t))
ꢀꢀꢀꢀꢀꢀꢀꢀ
(22)x
ij
(t+1)＝x
ij
(t)+v
ij
(t+1)
ꢀꢀꢀꢀꢀꢀꢀ
(23)式子(22)为粒子群优化算法中的粒子速度更新，t为迭代的代数，v
ij
(t)为上一代粒子的速度的值，x
ij
(t)为上一代粒子的位置，p
ij
(t)为该粒子当前的最优适应度值的位置，p
gj
(t)为所有粒子的最优适应度值的位置。式子(23)为下一代粒子的位置。5.根据权利要求1所述的基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，其特征在于：步骤4中采用...

【专利技术属性】
技术研发人员：卢宇，林兵，黄星，黄志高，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：