[发明专利]一种基于粒子群优化的电池状态估计方法

权利要求书

1.一种基于粒子群优化的电池状态估计方法，具体步骤如下：

步骤S1、初始化粒子群，初始化状态估计器；

首先，根据模型复杂度和估计精度要求，确定粒子数量，并根据电池参数的取值范围，初始化粒子群；

然后，根据电池特性和电池初始状态，对粒子群中的每个粒子初始化一个状态估计器，每个状态估计器对应粒子群中的一个粒子；

步骤S2、对于粒子群中的每个粒子，获得状态后验估计，并比较粒子适应度获得状态估计，再通过状态后验估计得到下一采样点的状态先验估计；

首先，对于粒子群中的每个粒子，根据粒子坐标获得电池参数，并根据状态先验估计，通过对应的状态估计器获得状态后验估计；

然后，计算粒子适应度，比较粒子适应度获得状态估计；

最后，根据状态后验估计，通过电池模型获得下一采样点的状态先验估计；

步骤S3、根据粒子适应度，对粒子群进行演化，获得新的粒子群；

首先，根据步骤S2所得粒子适应度，更新粒子群中粒子的历史最优值；

然后，根据电池参数估计全局性的要求，选取粒子群中领袖数量，并根据粒子适应度选取粒子作为领袖；

最后，通过更新公式得到新的子种群后，合并所有子种群得到新的粒子群；

所述更新公式包括速度更新公式和坐标更新公式；

速度更新公式

坐标更新公式

其中，p_i,k是粒子坐标，v_i,k是粒子速度，Δt_k是采样周期，p_pbest,i是粒子的历史最优值，p_lbest是领袖的历史最优值；γ_v是惯性系数，α、β是加速常数，这三个系数用于控制粒子群的搜索特性，γ_v在0至1之间，γ_v越大，全局搜索能力越强，γ_v越小，局部搜索能力越强，α、β越大，则粒子对应地更多地向粒子历史最优值或领袖历史最优值搜索；u₁、u₂是服从N(0,1)的正态分布的随机值，u₃是服从U(0,1)的均匀分布的随机值，其作用是加大坐标更新的时间间隔，减弱粒子坐标变化对粒子适应度计算的影响；是粒子适应度衰减常数，在0至1之间取值；

所述步骤S2中，粒子适应度的计算公式为

其中是粒子适应度，是粒子适应度衰减常数，在0至1之间取值，Δt_k是采样周期，y_k是电池电压，是电压预测值。

2.根据权利要求1所述的一种基于粒子群优化的电池状态估计方法，其特征在于：还包括一个步骤S4，重复步骤S2、S3，以持续对电池状态作出估计。