[发明专利]一种基于郊狼优化算法的锂电池参数辨识与SOC估计方法

权利要求书

1.一种基于郊狼优化算法的锂电池参数辨识与SOC估计方法，其特征在于，包括以下步骤：

步骤一：通过间歇恒流放电测取锂电池的电流、电压；

所述步骤一中通过间歇恒流放电测取锂电池的电流、电压具体包括以下步骤：

(1)充电：电池以恒流充电方式(0.5C)进行充电至截止电压，静置一段时间后，电池达到满电状态；

(2)放电：锂电池进行间歇恒流放电，放电5min，静置30min，电流为3400mA，放电倍率为1C，重复多次，直至电池电压降至截止电压；

(3)根据采集到的数据利用安时积分法计算电池放电过程中的真实SOC值；

步骤二：建立锂电池二阶RC等效电路模型；

所述步骤二中建立锂电池二阶RC等效电路模型体包括以下步骤：

(1)建立锂电池二阶RC模型所对应的函数方程：

SOC数值上定义为剩余容量占电池容量的比值，取值范围为[0-1]，其表示为：

其中Q_n是额定容量；

(2)令电流I为输入，端电压U为输出，状态变量为SOC、U₁、U₂，建立二阶RC模型的离散状态空间表达式：

锂电池模型有两个RC并联环节，R₁、C₁表示电化学极化效应，R₂、C₂表示浓度差极化效应，Uoc、U对应电池开路电压与端电压，C₁、C₂两端的电压分别用U₁、U₂表示，R₀是欧姆内阻；

(3)在实验测得的数据中选取11个采样点，利用Matlab中用多项式拟合函数polyfit来拟合OCV-SOC系数，当阶数为9时，精度满足拟合要求，拟合多项式如下：

步骤三：构建郊狼优化算法；

所述步骤三中构建郊狼优化算法具体包括以下步骤：

(1)初始化，设置郊狼群规模N、郊狼组数N_p、每组郊狼个体数N_c、最大迭代次数In、终止条件；

(2)t时刻下，狼群内第p组第c只郊狼的第j维被定义为：

其中lb_j、ub_j表示第j维数值的上下界，j＝1,2,3,…,D，D表示空间维度，一只郊狼代表锂电池模型的5个参数：R₀、R₁、R₂、C₁、C₂，则空间维度为5，D＝5；r_j是随机生成的实数，范围是[0-1]；

(3)郊狼适应度评价：

利用创建的适应度函数，计算郊狼对应的适应度值，从而进行比较判断；

(4)在郊狼优化算法中，郊狼有可能会脱离群体或者被群体接纳，进行群体转移，定义其发生概率为P_c,满足：

初始化阶段，郊狼被随机分配到各个族群，但个别郊狼有时会脱离群体加入另一种群，进而可以进行组间信息交流，从而保证郊狼组内部多样性；

(5)当前郊狼组内最优狼为alpha^p，计算郊狼群内文化趋势cult：

即郊狼群内文化趋势为组内所有郊狼对应社会因子的中位数，O为排列后的社会因子序列；

(6)模拟郊狼的出生与死亡：

郊狼种群内部会出现出生于死亡，两者在通常情况下是并存的，幼年郊狼(pup)的出生与双亲的社会状态和环境因素有关：式中r_j是0到1的随机数；j₁、j₂是两个随机选择的维度标号，保证幼郊狼可以遗传双亲基因；R_j是在第j维变量范围内的随机数，P_S与P_A是分散概率和关联概率，决定着幼年郊狼的遗传和变异,从而影响整个狼群中个体的多样性；P_S、P_a定义如下：

(7)郊狼组内影响与个体更新，组内郊狼会相互影响，随机选取两头郊狼cr₁、cr₂，其会影响组内郊狼的成长过程，公式如下：

r₁、r₂是0到1内的随机数，ξ₁是选取的郊狼与alpha的差值、ξ₂是选取的另一郊狼与cult的差值，组内的郊狼成长后评估其社会适应能力：

前后适应能力进行判断：

选取最优郊狼；

(8)模拟郊狼个体成长过程，并进行年龄更新；

(9)设定判断终止条件，如满足，则输出适应能力最好的郊狼的社会状态，即所求的辨识参数；否则返回步骤(3)；

步骤四：构建扩展卡尔曼滤波算法；

所述步骤四中构建扩展卡尔曼滤波算法具体包括以下步骤：

(1)状态方程和观测方程为:

x(k+1)＝f(x(k),u(k))+w(k) (17)

y(k)＝g(x(k),u(k))+v(k) (18)

x(k)是k时刻的系统状态变量，u(k)是输入数据，y(k)是输出数据，g是观测方程的非线性函数，f是状态方程的非线性函数，w(k)是输入噪声，协方差为M，v(k)是观测噪声，协方差为N，对f(x(k),u(k))和g(x(k),u(k))进行泰勒展开：

令：

x(k+1)与y(k)可表示为：

(2)初始化x、M、N以及协方差矩阵P；

(3)k+1时刻状态变量预测：

为上一时刻最优估计值，为k+1时刻的预测值；

(4)协方差矩阵预测：

P(k)为上一时刻的最优估计值，为k+1时刻的预测值；

(5)更新增益系数：

(6)输出变量预测，为k+1时刻输出矩阵的预测值；

(7)状态变量更新：

(8)协方差矩阵更新：

步骤五：利用郊狼优化算法确定锂电池模型中的各个参数，并对电池SOC进行估计；

所述步骤五中利用郊狼优化算法确定锂电池模型中的各个参数，并对电池SOC进行估计的具体包括以下步骤：

(1)参数辨识：不同SOC情况下锂电池参数辨识结果会有偏差，将整个放电过程分段进行辨识，每段都对应一次恒流放电，共分为十段，放电前的SOC定为初始SOC，利用郊狼优化算法对锂电池二阶RC模型进行参数辨识，并与粒子群优化算法的辨识结果进行对比，利用两种算法辨识结果进行端电压预测、误差分析；

(2)SOC估计：在模型参数辨识以后，利用实测数据与EKF进行状态变量的预测与更新，重复此步骤直至满足结束条件。