[发明专利]一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法

说明书

本发明公开了一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法。它包括以下步骤：(1)根据锂离子电池的二阶PNGV等效电路模型，确定出待辨识的参数，进一步根据基尔霍夫定律得到端电压计算公式；(2)利用电池混合脉冲功率特性测试方法对锂电池进行充放电试验，得到响应曲线，并计算不同荷电状态下等效电路模型的参数，包括开路电压、电池内阻、电化学极化电阻、电化学极化电容、浓度差极化电阻、浓度差极化电容；(3)对等效电路模型参数数据进行归一化处理，得到神经网络训练所需要的输入输出数据集；(4)构建锂离子电池的神经网络辨识系统；(5)确定自适应天牛须算法的适应度函数，并利用自适应天牛须算法获取网络的最优初始权值和阈值；(6)对天牛须优化的神经网络辨识系统进行训练，建立锂离子电池参数辨识器，用于辨识锂离子电池的等效电路模型参数，进而计算锂离子电池的端电压。本发明考虑了锂离子电池的非线性特征，利用自适应天牛须优化的神经网络，能够有效地对锂电池等效电路模型参数进行辨识，可以缩短神经网络训练所需的迭代次数，并且提高了锂离子电池等效电路模型的精度。

技术领域

本发明涉及储能技术领域，具体涉及锂电池等效电路参数辨识方法。

技术背景

风电、光伏等可再生能源大规模并网，其间歇性与不确定性的出力特性给电力系统的频率调节带来了极大地压力。传统火电机组参与调频时深受响应时间长、调节速率慢、调节精度差等限制，使得当前电网快速调频资源十分缺乏。

锂离子电池由于具有容量大、工作电压高、允许工作温度范围宽、循环使用寿命长以及可以达到95％以上的充放电效率等优点，被广泛的应用于电力系统调频。在电力系统中，电池单体起到的作用微乎其微，因此建立大量电池的串并联聚合模型才能有效地应用于电力系统。但是研究大量电池的聚合模型必须要先对电池单体进行建模，因此获取更加精确单体电池等效电路模型至关重要，是研究电池聚合模型的前提。现有的模型参数辨识方法对于线性系统具有良好的分析效果，但由于锂电池的工作特性是一个非线性系统，因此现有的参数辨识方法很那满足精确辨识的需求。

发明内容

本发明目的在于设计合理的锂离子电池等效电路模型参数辨识方法，能够满足非线性的锂离子电池精确辨识的需求，提高锂电池等效电路模型参数辨识的精确度。通过自适应天牛须优化神经网络的初始权值和阈值，进而对网络进行训练，建立锂离子电池参数辨识器，能够根据锂电池当前的荷电状态(state of charge，SOC)确定其等效电路模型的各个参数，进而得到电池的端电压。最后通过仿真验证该策略的有效性。

本发明采用技术方案：一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法，其包括步骤：

(1)利用混合脉冲功率特性测试(Hybrid Pulse Power Characteristic，HPPC)方法对锂电池进行充放电试验，得到响应曲线，并计算不同荷电状态下电池的PNGV等效电路模型的参数，包括开路电压、电池内阻、电化学极化电阻、电化学极化电容、浓度差极化电阻、浓度差极化电容等参数；

(2)对电路模型参数数据值进行归一化处理，得到神经网络训练所需要的输入输出数据集；

(3)构建锂离子电池的BP(Back Propagation，BP)神经网络辨识系统拓扑结构；

(4)设计自适应天牛须算法的自适应步长，设计自适应天牛须算法寻优的适应度函数，并利用自适应天牛须搜索算法(Beetle Antennae Search Algorithm，BAS)获取网络的最优初始权值和阈值；

(5)对天牛须优化的神经网络辨识系统进行训练，建立锂离子电池参数辨识器，用于辨识锂离子电池的二阶PNGV等效电路模型参数，进而计算锂离子电池的端电压。

所述步骤(1)中，利用HPPC方法对锂电池进行充放电试验，得到响应曲线，并计算等效电路模型参数：