[發(fā)明專利]基于多約束條件粒子群優(yōu)化算法的鋰電池組參數(shù)辨識方法

有效

• 申請?zhí)枺?/td>: 202011446598.9
• 申請日: 2020-12-11
• 公開（公告）號: CN112464571B
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計）人: 王立欣;李俊夫;冀禹昆;劉能鋒;于全慶;王宇海;楚瀟
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）;哈爾濱工業(yè)大學(xué)(威海)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06F111/04
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 高倩

基于多約束條件粒子群優(yōu)化算法的鋰電池組參數(shù)辨識方法，涉及鋰離子電池組電化學(xué)模型參數(shù)辨識領(lǐng)域。本發(fā)明是為了解決現(xiàn)有只能對電池單體的行為進(jìn)行辨識，不能對電池組狀態(tài)整體預(yù)測的問題。步驟1、建立鋰離子單體電池電化學(xué)模型；步驟2、采用激勵響應(yīng)法對鋰離子電池單體電化學(xué)模型進(jìn)行辨識，得到該模型參數(shù)值；步驟3、根據(jù)步驟2得到的模型參數(shù)值，設(shè)定鋰離子電池組電化學(xué)模型的參數(shù)值范圍；步驟4、采用多約束條件粒子群優(yōu)化算法從設(shè)定鋰離子電池組電化學(xué)模型的參數(shù)值范圍中，得到鋰離子電池組的模型參數(shù)向量。它用于檢測鋰離子電池組的狀態(tài)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種針對電池組的電化學(xué)模型參數(shù)的在線獲取方法。屬于鋰離子電池組電化學(xué)模型參數(shù)辨識領(lǐng)域。

背景技術(shù)

隨著環(huán)境的破壞與資源的日益消耗，新能源成為未來發(fā)展的趨勢，可再生能源中電池儲能起著至關(guān)重要的作用。與其他電池相比，鋰離子電池具有能量密度低、無記憶效應(yīng)、壽命長、成本低等優(yōu)點，廣泛應(yīng)用于儲能、軍事、電子工業(yè)以及其他各種類型的電池中，具有遠(yuǎn)大的應(yīng)用前景和巨大的市場需求。研究高性能的鋰離子電池，具有重大的科學(xué)意義和經(jīng)濟(jì)效益。鋰離子電池的可靠性和安全性仍是制約鋰離子電池發(fā)展的關(guān)鍵性因素，鋰離子電池的安全性是指電池抵抗爆炸、火災(zāi)等對電池造成損壞以至于電池不能正常工作的能力。提高安全性，應(yīng)該設(shè)計更嚴(yán)格的標(biāo)準(zhǔn)，找出并解決鋰離子電池發(fā)生安全事故的潛在因素。鋰離子電池的可靠性是指鋰離子電池保持一定工作能力的能力，提高可靠性，應(yīng)提高對電池實施在線監(jiān)測的能力以提高對電池的能量和狀態(tài)等方面管理的能力。

精確地鋰離子電池電化學(xué)模型參數(shù)對提高鋰離子電池的安全性和可靠性起著重要的作用。鋰離子單體電池的電壓和容量相對較小，如作為純電動或者混合動力車輛的動力源，必須把電池單體在狹小的電池箱中緊密地排列，連接方式為串聯(lián)或并聯(lián)，從而滿足電動汽車行駛所需的功率。由于鋰離子電池是一個復(fù)雜的非線性模型結(jié)構(gòu)、大量的模型參數(shù)以及各參數(shù)之間存在較強的耦合關(guān)系，模型的基本變量同時是時間和空間的函數(shù)，增加了對電池參數(shù)精確辨識的復(fù)雜程度，再加之對電池組中每一節(jié)電池單體進(jìn)行參數(shù)辨識成本太高，故不能用電池單體的行為來預(yù)測電池組的行為。快速、精確、無傷的在線辨識鋰離子電池組的電化學(xué)模型參數(shù)，不僅可以估計鋰離子濃度和電勢，精確描述電池內(nèi)部行為和外部行為，還可以估計電池組的充電狀態(tài)和健康狀態(tài)等，對于實施有效的電池組的健康管理方案、提高電池的性能具有重要的意義。

在眾多算法中，雅克比算法公式簡單，參數(shù)在測量數(shù)據(jù)和模擬數(shù)據(jù)之間的差異隨著每次迭代而減小的方向上更新，但是由于鋰離子電池模型的復(fù)雜性和非線性，基于雅可比的算法可能陷入局部最優(yōu)。機械學(xué)習(xí)法是指對電池組進(jìn)行大量的實驗測試，一旦神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成，就可以簡單的計算、快速的對電池組的電化學(xué)參數(shù)進(jìn)行辨識，但是需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，耗時較多。遺傳算法、粒子群優(yōu)化算法借鑒了生物“適者生存、優(yōu)勝劣汰”的進(jìn)化規(guī)律，根據(jù)隨機搜索原理運行，對于非線性問題和大規(guī)模的復(fù)雜問題，這些算法可以獲得全局最優(yōu)解，但收斂速度較快，容易陷入局部最優(yōu)解，故需要對上述算法施加約束條件進(jìn)行優(yōu)化。

發(fā)明內(nèi)容

本發(fā)明是為了解決現(xiàn)有只能對電池單體的行為進(jìn)行辨識，不能對電池組狀態(tài)整體預(yù)測的問題。現(xiàn)提供基于多約束條件粒子群優(yōu)化算法的鋰電池組參數(shù)辨識方法。

基于多約束條件粒子群優(yōu)化算法的鋰電池組參數(shù)辨識方法，所述方法包括以下步驟：

步驟1、建立鋰離子單體電池電化學(xué)模型；

步驟2、采用激勵響應(yīng)法對鋰離子電池單體電化學(xué)模型進(jìn)行辨識，得到該模型參數(shù)值；

步驟3、根據(jù)步驟2得到的模型參數(shù)值，設(shè)定鋰離子電池組電化學(xué)模型的參數(shù)值范圍；

步驟4、采用多約束條件粒子群優(yōu)化算法從設(shè)定鋰離子電池組電化學(xué)模型的參數(shù)值范圍中，得到鋰離子電池組的模型參數(shù)向量。

優(yōu)選地，步驟1中，鋰離子單體電池電化學(xué)模型為：