基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法
【专利摘要】本发明涉及一种基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法。包括以下步骤：A：磷酸铁锂动力电池建模；B：解的编码，将磷酸铁锂动力电池等效电路模型参数估计问题转化成适于粒子群优化的排列问题，粒子以P表示，其中Pi为(Roi,Cai,Rpi,Cpi)，代表第i个粒子的参数信息；C：利用全局模式粒子群算法进行磷酸铁锂动力电池等效电路模型参数估计；D：适应度函数为min|Ur-Ue|，Ur为动力电池端电压的实测值；Ue为动力电池端电压的估计值；E：粒子群算法优化循环达到设定的最大次数或者|Ur-Ue|≤0.01，停止循环。本发明应用粒子群算法进行动力电池等效电路模型参数估计，通过实验验证表明此种方法参数估计误差小，提高了模型参数估计的准确性。
【专利说明】基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法
【技术领域】
[0001]本发明涉及电动汽车动力电池【技术领域】，尤其涉及了一种基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计方法。
【背景技术】
[0002]动力电池系统被广泛地运用在当今的混和动力汽车、燃料电池汽车以及纯电动汽车上，在动力电池的选择上，目前应用最广泛的是具有比能量高，自放电小，循环寿命长，无记忆效应和对环境污染小等特点的磷酸铁锂动力电池。但是磷酸铁锂动力电池也有很明显的非线性和时变特性，其部分特性和参数在汽车行驶过程中随电池的充放电电流、环境温度和健康状态等因素变化。从理论上看，动力电池等效电路模型参数估计问题计算复杂性很高，至今还没有找到解决该问题的有效算法。
[0003]粒子群优化(ParticleSwarmOptimization,简称PS0)算法是由 Eberhart 和Kennedy在1995年首先提出的一种进化计算方法。PSO起源于对简单社会系统的模拟，它以人工生命理论为理论背景，是一种基于群智能的优化算法。作为一个有效的优化算法，PSO算法可用于解决多目标优化、系统辨识、模式识别等优化问题，适用于解决磷酸铁锂动力电池等效电路模型参数估计问题。
【发明内容】
[0004]为了克服现有磷酸铁锂动力电池等效电路模型参数难以准确估计的不足，本发明提供了一种基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法。
[0005]为了解决上述技术问题，本发明通过下述技术方案进行解决:
[0006]基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，包括以下步骤:
[0007]A:磷酸铁锂动力电池建模，根据磷酸铁锂动力电池PNGV等效电路模型，得到以下公式:
【权利要求】
1.基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其特征在于包括以下步骤: A:磷酸铁锂动力电池建模，根据磷酸铁锂动力电池PNGV等效电路模型，得到以下公式:
2.根据权利要求1所述的基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其特征在于:利用全局模式粒子群算法进行磷酸铁锂动力电池等效电路模型参数估计，全局模式粒子群算法的步骤如下: B1:采用每个粒子随机产生的位置和速度在整个解空间中初始化粒子群； B2:根据适应度函数计算每个粒子的适应度函数值； B3:比较每个粒子的适应度函数值和个体极值pBest,若当前值优于pBest,设置当前值为新的pBest,粒子当前的位置Xid为新的pBest的位置； B4:比较所有粒子的适应度函数值和全局极值gBest，若当前值优于gBest，设置当前值为新的gBest,粒子当前的位置Xid为新的gBest的位置尤f/， B5:根据下面公式改变每个粒子的速度和位置:
3.根据权利要求2所述的基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其特征在于:粒子的速度Vid会受到最大速度Vmax的限制，当粒子的速度超过了最大速度，将粒子的速度限定为最大速度。
4.根据权利要求2所述的基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其特征在于:把全局极值gBest换成局部极值IBest，换成I/,，全局模式粒子群算法转换为局部模式粒子群算法。
5.根据权利要求2所述的基于粒子群算法的磷酸铁锂动力电池等效电路模型参数估计的方法，其特征在于:停 止循环的准则为达到设置的阈值或达到最大循环次数。
【文档编号】G06F19/00GK103793605SQ201410038445
【公开日】2014年5月14日 申请日期:2014年1月26日 优先权日:2014年1月26日
【发明者】李明, 江洋, 郑荐中, 彭筱筱, 朱中文 申请人:浙江省计量科学研究院