[發明專利]一種基于改進蟻群算法的鋰電池等效電路模型參數辨識方法

有效

• 申請號: 202110044991.3
• 申請日: 2021-01-13
• 公開（公告）號: CN112883632B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 陳波;黃凱成;沈道賢;肖灑;朱坤;儲昭碧
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/00;G06N3/12;G01R31/367;G06F111/06
• 代理公司: 合肥市上嘉專利代理事務所(普通合伙) 34125
• 代理人: 郭華俊

本發明公開了一種基于改進蟻群算法的鋰電池等效電路模型參數辨識方法，屬于電氣工程領域。包括：搭建鋰電池等效電路模型；引入改進蟻群算法進行參數辨識，提出一種可靠的蟻群算法雙信息素濃度計算指標與有效防止局部最優解的路徑選擇方法；最后，通過仿真實驗對參數辨識結果精度進行驗證。本發明解決了鋰電池等效電路模型參數辨識精度不高的問題，提出了一種切實有效適用性強的鋰電池等效模型參數辨識方法。

技術領域

本發明系鋰電池的參數辨識范疇，尤其涉及一種基于改進蟻群算法的鋰電池等效電路模型參數辨識方法。

背景技術

環境保護和能源安全問題將新能源汽車特別是電動汽車推上時代舞臺,成為萬眾矚目的焦點,儲能元件相關技術作為電動汽車的主要技術瓶頸之一是目前亟待解決的熱點問題,受到世界的廣泛關注。儲能元件中的鋰電池,因其循環使用壽命長、重量輕、能量密度高、無污染和性價比高等優點,成為了研究的大熱點。目前鋰電池模型主要分為電化學模型、人工神經網絡模型和等效電路模型。電化學模型為了準確描述電池的特性,采用了大量的參數來模擬電池的極化現象。搭建電化學模型的計算量大、過程復雜,具有很大的局限性,不適用于實際工程應用。人工神經網絡模型基于大量的實驗數據進行訓練進而獲得電池模型參數之間的關系。其不足之處在于需要大量實驗數據對電池性能進行預測,對樣本電池的歷史數據也有很高的依賴性。其中等效電路模型是建模、仿真與工程實際應用中最常使用的方法,常見的等效電路模型有PNGV模型、二階RC等效模型、三階RC等效模型。研究和應用最廣泛的是二階RC等效模型。三階RC等效模型精度高于二階RC等效模型，但需辨識的參數更多，計算過于復雜。鋰電池分數階模型具有比二階RC等效模型更高的模型精度，計算量則小于三階RC等效模型，但需辨識的參數仍較多，在不知道較理想的參數辨識取值范圍的前提下，這幾種鋰電池等效電路模型的參數辨識的計算量非常大，辨識精度也難以保證。

蟻群算法作為一種仿生算法，對大自然中螞蟻的覓食過程進行模擬。螞蟻在不斷的覓食過程中進行信息素交流，最終找到食物所在地和巢穴之間的最短路徑。蟻群算法的主要優點為魯棒性較好,較強的適用性。但是傳統蟻群算法規避局部最優解的能力有限，算法不進行改進很容易陷入局部最優解，遺落全局最優解。

綜上所述，目前,鋰電池等效電路模型參數辨識存在以下技術問題：

1.不知道較理想的參數辨識取值范圍的前提下，鋰電池等效電路模型的參數辨識的計算量非常大，辨識精度也難以保證。

2.若采用傳統蟻群算法對鋰電池等效電路模型進行參數辨識，不進行改進很容易陷入局部最優解，遺落全局最優解。

發明內容

針對現有技術的不足，本發明為了克服現有的鋰電池等效電路模型參數辨識精度不高的技術缺陷，提供了一種基于改進蟻群算法的鋰電池等效電路模型的參數辨識方法。

本發明采用的技術手段如下：

一種基于改進蟻群算法的鋰電池等效模型參數辨識方法，其特征在于，在電腦中存有如下邏輯運算模塊：

參數辨識的模塊；

取值范圍優化方法的模塊；

計算指標的模塊；

路徑選擇方法的模塊；

將鋰電池脈沖放電實驗數據依次經過上述模塊的運算處理，最終辨識獲得鋰電池等效模型的參數。