一种基于改进黏菌算法的锂电池参数辨识方法

本发明涉及锂电池管理系统，尤其涉及一种基于改进黏菌算法的蓄电池参数辨识方法。

背景技术：

1、电动汽车锂电池具有工作电压高、体积小、循环寿命长、自放电率低、无记忆效应等优点。为了保证电池安全可靠地运行，需要对电池进行健康管理，首先需要实现的就是电池建模。建立模型的参数需要辨识，参数辨识算法的好坏直接决定了模型的精确度和鲁棒性。

2、目前主要分为离线参数辨识法和在线参数辨识法。离线参数辨识不能随充放电次数、循环次数发生参数的变化。在线参数辨识需要使用大量的历史数据，在车用电池管理系统中无法实现，虽然有基于遗忘因子最小二乘法可减少对历史数据的依赖，但仍然有依赖噪声统计特性和必须确定状态变量初始值的缺点。

3、智能优化算法具有限制条件少和辨识非线性能力强等优点，已被广泛应用于电池模型的参数辨识中，但是经典智能算法大多存在收敛速度慢和已陷入局部极小点问题，导致整体辨识精度不高。

4、黏菌算法是一种新型启发式算法，通过模仿黏菌觅食行为和形态变化，主要三个阶段，接近食物阶段、包围食物阶段和抓取食物阶段，其仍存在寻优效率不高和易陷入局部最优的缺陷，为此提出了基于增强种群多样性和全局搜索向局部搜索过渡的平衡性的改进黏菌算法。

技术实现思路

1、本发明所要解决的技术问题是实现一种基于改进黏菌算法的锂电池参数辨识方法，能够高效率、高精度的辨识蓄电池参数。

2、为了实现上述目的，本发明采用的技术方案为：一种基于改进黏菌算法的锂电池参数辨识方法，包括以下步骤：

3、步骤1、构造二阶等效电路模型；

4、步骤2、采集蓄电池变电流放电的端电压变化数据，与步骤1模型输出结果构建适应度函数；

5、步骤3、使用精英反向初始化黏菌种群，并根据适应度优劣设置初始化黏菌位置,选择黏菌算法作为辨识方法；

6、步骤4、基于黏菌算法和莱姆飞行构造的种群进行贪婪选择，更新种群位置；

7、步骤5、重复实施步骤3和步骤4的操作，直到适应度满足期望值或者达到最大迭代步数。

8、所述步骤1中，锂电池的二阶等效电路模型：

9、

10、

11、其中

12、电容cb为简化的理想电压源，cb两端的电压为vb，v为电池的开路电压；ri为电池的欧姆内阻，r1和c1用于描述扩散现象，两端电压是v1，r2和c2描述电池双电层部分的荷电变化，两端电压是v2。

13、所述二阶等效电路模型方程离散化，得出递推关系式：

14、

15、

16、ik表示k时刻电流值i，v1,k表示k时刻电压值v1，v2,k表示k时刻电压值v2，vb,k表示k时刻电压值vb，vb,k+1表示k+1时刻电压值vb，v1,k+1表示k+1时刻电压值v1，v2,k+1表示k+1时刻电压值v2。

17、所述步骤2中，二阶等效电路模型最优参数识别的目标是根据实验数据得到最优的电路参数，使输出电压模型计算值与实验值之间的误差最小。

18、所述步骤2中，以hppc实验测得的电芯端电压数据作为真实值y*的拟合结果作为估计值y，真实值与估计值之间的均方误差作为适应度函数，适应度函数j：

19、

20、式中：l为数据的长度，j的数值越小，表示y*与y越接近

21、利用黏菌算法迭代，使j达到最小，获得最佳的参数，使模型参数辨识结果最优；

22、二阶等效电路模型的cb：

23、

24、其中，in为锂离子电池的额定电流，tn为恒定额定电流情况下的放电时间，v100％soc、v0％soc分别为soc为100％和0％时电池的开路电压。

25、所述步骤3中，利用精英反向学习优化初始化的种群，产生精英反向学习的种群个体表示为：

26、

27、式中xi为当前个体的位置信息，待辨识参数r1、c1、r2、c2，l为表示可行解的最大值，u为可行解的最小值，k为(0,1)随机数；

28、经过精英反向学习优化后，计算相应个体的适应度函数值，通过比较当前个体和优化后个体适应度函数值，选择适应度值较优的个体作为初始种群个体。

29、所述步骤3中，采用精英反向学习优化随机的初始化种群：

30、

31、黏菌算法：

32、1)接近食物阶段

33、

34、sortindex(i)＝sort(s)

35、condition表示适应度值排在群体前一半的个体，bf和wf分别表示当前迭代中最优适应度值和最差适应度值，sortindex表示排序的适应度值序列；

36、2)包围食物阶段

37、

38、rand代表0到1的随机数，ub和lb代表搜索空间的上界和下界，r是介于0到1的随机数，z是随机分布的黏菌个体占黏菌整总体的比例；

39、xb(t)表示第t次迭代时食物浓度最高的位置，vb的范围为[-arctan h(1-(t/t)),arctan h(1-(t/t))]，其中t为迭代次数，t为最大迭代次数，vc的范围是从1线性递减到0，xa(t)、xb(t)表示第t次迭代时随机选择的两个黏菌个体；

40、3)抓取食物阶段

41、在抓取实物阶段，黏菌利用生物振荡器产生的传播波改变静脉中的细胞质流动速度，通过vb、vc、w模拟黏菌静脉宽度的变化与生物振荡器震荡频率的变化，使黏菌在食物浓度即参数辨识后期更慢的接近食物，而找到优质食物而尽快的接近食物。

42、所述步骤4中，构造的种群进行贪婪选择：

43、xi+1＝xi+levy(β)xi；

44、其中xi为待辨识参数在第i次的值；

45、xi+1为待辨识参数在第i+1次的值；

46、

47、r3为(0,1)的随机数，r4为(0,1)的随机数，β的值可取1.5；

48、

49、其中γ(1+β)＝β！。

50、所述步骤5中，重复实施步骤3和步骤4的操作，基于步骤s1构造出的模型，不断更新迭代黏菌种群的位置，直到黏菌找到优质的食物抓取食物，函数的适应度满足期望值或者达到最大迭代步数。

51、本发明通过精英反向初始化种群，不仅提高了黏菌算法的初始种群多样性，而且可以有效增加算法种群的多样性和质量。在发现者迭代一定次数且适应度值不变时，在种群位置变化引入了莱姆飞行策略，有助于提高全局搜索能力，防止陷入局部最优；通过改进黏菌在参数辨识的应用，有助于增强模型的自适应性，有提高soc计算精度和实时性，提供更精确的状态估算技术，为延长电池运行寿命，为新能源汽车安全保驾护航。

技术特征：

1.一种基于改进黏菌算法的锂电池参数辨识方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤1中，锂电池的二阶等效电路模型：

3.根据权利要求2所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述二阶等效电路模型方程离散化，得出递推关系式：

4.根据权利要求1所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤2中，二阶等效电路模型最优参数识别的目标是根据实验数据得到最优的电路参数，使输出电压模型计算值与实验值之间的误差最小。

5.根据权利要求4所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤2中，以hppc实验测得的电芯端电压数据作为真实值y*的拟合结果作为估计值y，真实值与估计值之间的均方误差作为适应度函数，适应度函数j：

6.根据权利要求1所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤3中，利用精英反向学习优化初始化的种群，产生精英反向学习的种群个体表示为：

7.根据权利要求6所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤3中，采用精英反向学习优化随机的初始化种群：

8.根据权利要求1所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤4中，构造的种群进行贪婪选择：

9.根据权利要求1所述基于改进黏菌算法的锂电池参数辨识方法，其特征在于，所述步骤5中，重复实施步骤3和步骤4的操作，基于步骤s1构造出的模型，不断更新迭代黏菌种群的位置，直到黏菌找到优质的食物抓取食物，函数的适应度满足期望值或者达到最大迭代步数。

技术总结
本发明揭示了一种基于改进黏菌算法的锂电池参数辨识方法，包括以下步骤：步骤1、构造二阶等效电路模型；步骤2、采集蓄电池变电流放电的端电压变化数据，构建适应度函数；步骤3、选择黏菌算法作为辨识方法；步骤4、基于黏菌算法和莱姆飞行构造的种群进行贪婪选择，更新种群位置；步骤5、重复实施步骤3和步骤4的操作，直到适应度满足期望值或者达到最大迭代步数。通过改进黏菌在参数辨识的应用，有助于增强模型的自适应性，有提高SOC计算精度和实时性，提供更精确的状态估算技术，为延长电池运行寿命，为新能源汽车安全保驾护航。

技术研发人员：徐东,田德红,吴浙勋,姚诚信,钱启奎
受保护的技术使用者：安徽信息工程学院
技术研发日：
技术公布日：2024/1/13