【技术实现步骤摘要】
本专利技术涉及锂电池领域，具体的说是基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法。
技术介绍
1、目前，我国新能源汽车行业发展迅速。动力电池是新能源汽车的三大部件之一，锂电池因具有高能量密度、长循环寿命、无记忆效应等优点被新能源汽车广泛使用。精确的锂电池模型是电池管理系统监测电池内部状态的前提，等效电路模型因结构简单、精度高等优势常用于描述锂电池充放电过程。
2、锂电池参数辨识算法决定了辨识性能。在当前研究中，锂电池模型参数总是通过递归最小二乘系列算法获得。然而，这种算法获得的模型参数是波动的，并受系统噪声的影响。
3、蚁狮优化器是一种最近几年提出的自然启发式算法，其使用随机算子的关键特征可以在求解优化问题中获得最优解，因而在各种领域得到应用。
4、然而，该算法与遗传算法等启发式算法相似，具有过早收敛和局部最优的缺点，在解决复杂问题时尤为明显。
技术实现思路
1、针对上述现有技术的不足，本专利技术提出基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，以解决求解复杂优化问题时蚁狮优化算法存在过早收敛和局部最优的问题。该算法有具有优异的性能，可以获得快速可靠的结果。
2、基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，所述方法包括：
3、s1：建立锂电池一阶等效电路模型；
4、s2：通过间歇恒流放电工况确定开路电压与soc的函数关系；
5、s3：基于自适应随机混沌蚁狮优化算法识别锂电池参数。
6、优选的，s1所建立的锂电池一阶等效电路模型的参数包括r0、rp、cp以及开路电压uoc；其中，s1中包括如下步骤：
7、s11：采用一阶戴维南模型，该模型由一个电压源、一个欧姆内阻以及一个rc并联网络组成；电压源uoc表示电池的开路电压，是于荷电状态(soc)有关的非线性函数，该函数由s2步骤得到；欧姆内阻r0表示电极、电解液、隔膜对li+的阻碍作用；rpcp网络表示锂电池的极化效应；其中ut表示锂电池的端电压，il表示锂电池电流(放电为正)，up表示极化电压；
8、模型电特性如下：
9、
10、离散化的状态空间方程：
11、
12、s12：根据安时积分法，可以得到soc的离散表达式：
13、
14、式中，zk是第k个采样时刻的soc，qn是电池额定容量，η是库伦效率，为简便计算，这里取1；将锂电池等效电路模型与安时积分法结合，取状态变量xk＝[zk,up,k]t，输入变量为il,k，输出变量为yk＝[ut,k]，得到锂电池状态空间表达式为：
15、
16、式中，ωk为系统噪声，υk为测量噪声。
17、优选的，s2中通过间歇恒流放电工况确定开路电压与soc的函数关系；
18、其中，s2中包括如下步骤：
19、s21：ocv测试放电工况：(1)对电池进行1/2c恒流充电直至4.2v改为恒压充电，以1/20c电流完全充电至100％soc并充分静置；(2)以1/2c恒流放出10％soc的电量，然后静置2小时；(3)循环s2，直至达到放电截止电压；
20、s22：求得soc每变化10％对应的开路电压；
21、s23：对电化学模型常用的开路电压模型进行改进，获得soc-ocv拟合曲线；
22、s24：因dst工况包含多倍率脉冲电流，易于实现参数辨识，所以确定dst为参数辨识需拟合的工况。
23、优选的，s3基于自适应随机混沌蚁狮优化算法识别锂电池参数；该算法中，蚁狮和蚂蚁的位置代表备选的电池参数，包括s11中的欧姆内阻r0、极化内阻rp和极化电容cp；其中，s3中包括如下步骤：
24、s31：初始化蚁狮和蚂蚁个数、最大迭代次数、混沌突变次数、参数范围和维度，将随机划分的自适应随机测试用于蚂蚁和蚁狮个体的初始化中，提高其遍历性和算法收敛效率；
25、s32：计算每只蚂蚁和蚁狮的适应度，并设置精英蚁狮；
26、s33：开始迭代，通过轮盘赌方法为每只蚂蚁选择一只蚁狮；
27、s34：更新和并模拟蚂蚁在选定蚁狮和精英蚁狮上的随机游走，并更新蚁狮位置；
28、s35：构建蚁狮待突变集合，利用三维logistic混沌映射对其中个体进行突变，减小陷入局部最优的可能性，加快蚁狮优化算法收敛速度。
29、优选的，s31中包括如下步骤：
30、s311：为获得更好的初始化分布和更大的解空间，对普通初始化改进，将随机划分的自适应随机测试用于种群初始化，设置种群候选解测试集各个维度的范围c，下限和上限分别为lb和ub；
31、s312：从c中选择范围最大的区域t，在此区域随机生成一个测试点point，并将区域t从c中去除；
32、s313：区域t被生成的测试点划分成两个新区域[lb,point]和[point,ub]，将这两个区域添加到c中，返回步骤s312不断迭代，直至所有个体完成初始化。
33、优选的，s32中包括如下步骤：
34、s321：设置个体适应度函数，并计算蚂蚁和蚁狮适应度，本适应度指以蚂蚁和蚁狮位置所代表的电池参数，代入s12中锂电池状态空间方程中计算得到的电池端电压估计值与电池端电压实验值的差值的平方和。
35、s322：比较各蚁狮适应度值，适应度值最小的蚁狮设置为精英蚁狮。
36、优选的，s34中包括如下步骤：
37、s341：根据公式模拟陷阱对蚂蚁随机游走的影响；
38、s342：根据公式模拟蚂蚁滑向蚁狮过程，更新ct和dt；
39、s343：根据公式模拟蚂蚁在选定蚁狮和精英蚁狮上的随机游走，更新蚂蚁位置；
40、s344：计算更新后蚂蚁适应度并与选定蚁狮进行比较，更新蚁狮位置；
41、优选的，s35中包括如下步骤：
42、s351：分别将更新后蚁狮中适应度最小、最大的5个个体挑选出来，构建待突变集合；
43、s351：设待突变个体为其中表示第i个个体的原始解，i＝1,2,...,10，dim表示解的维度；
44、s352：开始迭代。基于三维logistic混沌映射执行个体突变；
45、s353：完成迭代。更新突变后的蚁狮位置，并根据适应度值更新精英蚁狮，返回步骤s33，直至蚁狮算法收敛。
46、基于自适应随机混沌蚁狮优化算法的锂电池参数辨识装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
47、建立锂电池一阶等效电路模型；
48、通过间歇恒流放电工况确定开路电压与soc的函数关系；
49、基于自适应随机混沌蚁狮优化算法识别锂电池参数。
50、本文档来自技高网...
【技术保护点】
1.基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：所述方法包括：
2.根据权利要求1所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：S1所建立的锂电池一阶等效电路模型的参数包括R0、Rp、Cp以及开路电压Uoc；其中，S1中包括如下步骤：
3.根据权利要求2所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：S2中通过间歇恒流放电工况确定开路电压与SOC的函数关系；
4.根据权利要求3所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：S3基于自适应随机混沌蚁狮优化算法识别锂电池参数；该算法中，蚁狮和蚂蚁的位置代表备选的电池参数，包括S11中的欧姆内阻R0、极化内阻Rp和极化电容Cp；其中，S3中包括如下步骤：
5.根据权利要求4所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：S31中包括如下步骤：
6.根据权利要求5所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：S32中包括如下步骤：
7
8.根据权利要求7所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：S35中包括如下步骤：
9.基于自适应随机混沌蚁狮优化算法的锂电池参数辨识装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
10.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：
...【技术特征摘要】
1.基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：所述方法包括：
2.根据权利要求1所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：s1所建立的锂电池一阶等效电路模型的参数包括r0、rp、cp以及开路电压uoc；其中，s1中包括如下步骤：
3.根据权利要求2所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：s2中通过间歇恒流放电工况确定开路电压与soc的函数关系；
4.根据权利要求3所述的基于自适应随机混沌蚁狮优化算法的锂电池参数辨识方法，其特征在于：s3基于自适应随机混沌蚁狮优化算法识别锂电池参数；该算法中，蚁狮和蚂蚁的位置代表备选的电池参数，包括s11中的欧姆内阻r0、极化内阻rp和极化电容cp；其中，s3中包括如下步骤：
5.根据权利...
【专利技术属性】
技术研发人员：张凯，马建，闫志瀚，袁晓磊，孟徳安，赵轩，
申请(专利权)人：长安大学，
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。