【技术实现步骤摘要】
一种锂电池等效电路模型参数的辨识方法
[0001]本专利技术涉及锂电池
,特别涉及一种锂电池等效电路模型参数的辨识方法,该辨识方法利用混沌自适应分数阶粒子群算法对锂电池等效电路模型的参数进行辨识。
技术介绍
[0002]促进混合动力或纯电动汽车的发展是缓解环境污染、石油短缺等问题的主要战略措施之一。锂电池由于其高能量密度、低放电率和高循环次数,已成为新能源汽车动力系统的核心组成部分之一。然而,锂电池的安全性和功率性能受到许多因素的影响,如温度和荷电状态(SOC)、健康状态(SOH)和功率状态(SOP)估计精度。准确的SOC估计支持可用的容量监测和相关的状态反馈控制,这对维持锂电池的安全和高效运行尤为重要。准确的状态估计的前提是要有一个能够准确捕捉电池系统动态特性的模型。当前锂电池模型主要有电化学模型、数据驱动模型和等效电路模型。电化学模型准确度高,但模型过于复杂参数过多,工程实现难度大。数据驱动模型其精度依赖大量数据训练,可移植性差。等效电路模型由其结构简单,便于实现且精度较高,在工程应用中得到了广泛的使用。常见的等效电路模型有PNGV模型、RC等效电路模型和分数阶等效电路模型。研究和应用最广泛的是多阶RC等效电路模型和分数阶等电路模型。高阶次的RC等效电路模型精度高,但是模型也更加复杂需要辨识的参数多。分数阶RC等效电路模型拥有更高的精度和不高的复杂度得到了广泛的应用。对于等效电路模型说其模型精度非常依赖于参数辨识。
[0003]粒子群优化算法通过设计一种无质量的粒子来模拟鸟群中的鸟,粒子仅具有两个属
【技术保护点】
【技术特征摘要】
1.一种锂电池等效电路模型参数的辨识方法,其特征在于,所述辨识方法利用混沌自适应分数阶粒子群算法对锂电池等效电路模型的参数进行辨识,然后将得到的最优参数反馈到锂电池等效电路模型中,具体步骤如下:步骤1,获取锂电池等效电路模型的辨识参数所述锂电池电路等效模型的拓扑结构包括一个直流电源、一个欧姆内阻、一个并网电阻和一个分数阶常相位角元件CPE,所述并网电阻和分数阶常相位角元件CPE并联,并记为并联支路,所述欧姆内阻的一端与直流电源的正极相连,另一端与并联支路的一端相连,所述并联支路的另一端与直流电源的负极组成所述锂电池电路等效模型的输出端;将所述直流电源处的电压记为开路电压U
ocv
,所述欧姆内阻的阻值记为欧姆内阻值R0,所述并网电阻的阻值记为并网电阻值R1,所述锂电池等效电路模型的输出端的电压记为端电压U
t
;将所述分数阶常相位角元件CPE记为元件CPE,元件CPE的阻抗传递函数的表达式为:其中,Z(s)为元件CPE的阻抗,C1为元件CPE的电容值,记为电容值C1,S为拉普拉斯算子,β为元件CPE的分数阶阶次,记为阶次β;所述锂电池等效电路模型的辨识参数为:欧姆内阻值R0,并网电阻值R1、电容值C1和阶次β,即在混沌自适应分数阶粒子群算法中,目标搜索空间的维数为4,将欧姆内阻值R0,并网电阻值R1、电容值C1和阶次β分别记为辨识参数1、辨识参数2、辨识参数3和辨识参数4;将所述辨识参数中的每一个辨识参数视为粒子个体的一个维度,所述粒子个体有粒子个体位置与粒子个体速度两个属性,粒子个体位置代表移动的方向,粒子个体速度代表移动的快慢,其中,粒子个体位置为辨识参数的值;步骤2,混沌自适应分数阶粒子群算法参数的设置设定目标搜索空间的维数为D,D=4;设一个种群由N个粒子组成;设定最大迭代次数M;设定粒子惯性权重ω;设定粒子个体的位置范围为{x_min,x_max}、粒子个体的速度范围{v_min,v_max}、粒子惯性权重范围为{ω_min,ω_max},其中,x_min为粒子个体位置的最小值,x_max为粒子个体位置的最大值,v_min为粒子个体速度的最小值,v_max为粒子个体速度的最大值,ω_min为粒子惯性权重最小值,ω_max为粒子惯性权重最大值;将N个粒子个体中的任意一个记为粒子个体i,i为种群中任意一个粒子个体的序号,i=1,2,..N,将粒子个体i的位置向量记为个体位置X
i
,粒子个体i的速度向量记为个体速度V
i
,其表达式分别如下:X
i
={x
i1
,x
i2
,...,x
ij
...,x
iD
}V
i
={v
i1
,v
i2
,...v
ij
...,v
iD
}其中,个体位置X
i
为锂电池等效电路模型的一组辨识参数的解,x
ij
为粒子个体i第j维的位置,j=1,2,..D;个体速度V
i
为锂电池等效电路模型的一组参数的解在粒子搜索解空间中的速度,v
ij
为粒子个体i第j维的速度;将粒子个体i的适应度值记为个体适应度值f
i
,将粒子个体i搜索到的适应度值最小的位置记为个体最优位置P
best
,P
best
={P
i1
,P
i2
,...P
ij
...,P
iD
},其中,P
ij
为粒子个体i的第j维搜索到的最优位置,将整个粒子群搜索到的适应度值最小的位置记为全局最优位置G
best
,
G
best
={P
g1
,P
g2
,...,P
gj
...,P
gD
},P
gj
为第j维度整个粒子群搜索到的全局最优位置;步骤3,混沌自适应分数阶粒子群算法的初始化设迭代次数为k,k=1,2,..M;使用Logistic混沌映射来初始化粒子群前4次迭代中的粒子个体位置和粒子个体速度;所述Logistic混沌映射表达式如下:Z
ij
=2z
ij
(1
‑
z
ij
)其中,z
ij
为粒子个体i第j维的0
‑
1之间的随机数,Z
ij
为粒子个体i第j维生成的混沌参数;与目标搜索空间的维数D对应,由Logistic混沌映射表达式生成混沌序列{Z
i1
,Z
i2
,...Z
ij
...,Z
iD
},且通过下式映射...
【专利技术属性】
技术研发人员:陈立平,郭文梁,谢思强,宋英杰,许水清,顾盼盼,
申请(专利权)人:合肥工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。