[发明专利]基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法

说明书

本发明公开基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，步骤1：确认并获取锂离子电池容量预测的关键因素；步骤2：将锂离子电池的容量预测中所涉及的关键因素抽象为多目标优化问题并初始化种群粒子，步骤3：使用PSO算法更新粒子的位置和速度；步骤4：评估所有粒子的适应度值，保存适应度最好的粒子；步骤5：判断是否达到最大迭代次数；是则，输出最优粒子；否则，更新粒子的速度和位置并更新PSO算法参数后；步骤6：生成一随机概率数，判断该随机概率数是否大于预设概率；是则，采用灰狼算法计算更新粒子的位置并执行步骤4；否则，执行步骤4。本发明通过目标分解和参数自适应的混合算法提升电池容量预测的准确性。

技术领域

本发明涉及电池技术领域，尤其涉及基于目标分解的改进多目标粒子群优化的锂离子电 池容量预测方法。

背景技术

锂离子电池容量预测的领域会遇到很多优化问题，锂电池容量变化主要由静态的存储容 量衰减、动态的循环容量衰减和运行中的电流效应(电流倍率效应和恢复效应)三方面共同决 定，其优化目标是平衡三方面的因素达到最佳的电池容量预测值。这些问题可以抽象为若干 等式约束和不等式约束，统称为约束优化问题。解决此类约束优化问题，会对锂离子电池容 量预测问题产生积极影响。

约束优化问题在二十世纪九十年代被提出，约束优化问题通常是多项式复杂程度的非确 定性问题，多项式复杂程度的非确定性问题会产生很大的算法时间复杂度。对于解决约束优 化问题，常用的方法是将约束优化问题转化成单目标优化问题或者多目标优化问题再进行解 决。由于进化算法适合求解多项式复杂程度的非确定性问题，所以多目标进化算法能够通过 进化算法来解决多目标优化问题。当带有约束优化的多目标进化算法被提出之后,运用带有约 束优化的多目标进化算法来解决某些领域的问题引起了众多研究工作者的关注。提出诸如乌 鸦搜索算法，它是通过基于乌鸦的智能行为来解决约束优化问题；带约束优化的水循环算法， 它是基于对水循环过程的观察来解决问题。由于多目标优化问题的复杂程度高并且难以均衡 优化并且多目标优化方法的效率和问题的复杂度紧密相关,因此如何保证在复杂问题下，多目 标进化算法优于单目标进化算法仍然是个正在解决的问题。之后以通过分解多目标来降低问 题的复杂度和达到均衡优化是一股热潮。例如，有学者将带静态权值的加权法将问题分解为 若干子问题，但因为权重是静态的，无法根据算法进行到不同程度而做出不同调整，实时性 和优化性不高，导致这个方法的效率不高。也有研究通过动态权重的方法分解目标问题，该 方法效率较高，能够在进化过程中有所侧重，证明了动态权重对于平衡收敛性和多样性有着 巨大优势，但该方法无法保证特别是在实时性和优化性要求较高的情况下的性能。在锂离子 电池容量预测的领域，现有研究广泛采用了增加辅助目标的方案。有学者提出等价和辅助目 标框架来解决多目标优化问题，将原始目标分解为等价目标和辅助目标，它的特征是保留了 原始约束优化问题的最佳粒子集合，并且在进化过程中能够提供更多的搜索方向、提供更多 的子代进化的可能性。利用动态权重来调整搜索进程中的侧重方向。然而框架所涉及到的参 数较多，在后续的算法使用过程中涉及到的参数数量较大，会造成实验较高的复杂度。因此， 针对等价和辅助目标框架解决约束优化问题，目前研究工作尚未形成一个完整有效的解决方 案。

发明内容

本发明的目的在于提供基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方 法,能够减少例如死亡罚函数和可行性规则的优越性等强加于可行解的偏好的影响，达到均 衡考虑各个预测相关因素，避免侧重一个预测因素而忽视另一个预测因素。

本发明采用的技术方案是：

基于目标分解的改进多目标粒子群优化的锂离子电池容量预测方法，其包括以下步骤：

步骤1，确认并获取锂离子电池容量预测的关键因素；

步骤2，将锂离子电池的容量预测中所涉及的关键因素抽象为多目标优化问题并初始化 种群粒子，

步骤3，使用PSO算法更新粒子的位置和速度；