[发明专利]一种基于协同进化粒子群算法的电池等效参数辨识方法

权利要求书

1.一种基于协同进化粒子群算法的电池等效参数辨识方法，其特征在于：采用参数辨识算法，该算法按指定的取样周期接收能直接测量的电池运行数据，该算法中包含了一个结构明确的电池等效电路模型、多个参数粒子群、一个参数辨识窗口和一个参数辨识结果映像表；

结构明确的等效电路模型中包括多个待辨识参数，多个参数粒子群的数量与待辨识参数的数量相同，每一个参数粒子群负责等效电路模型中的一个待辨识参数的优化；

参数辨识结果映像表用于实时存储各个参数粒子群所得出的待辨识参数的优化结果，参数辨识结果映像表中所存储的数据的数量与结构明确的等效电路模型中的待辨识参数的数量相同；

参数辨识算法接收的电池运行数据按时间顺序存储在参数辨识窗口内；

参数辨识窗口按取样时间顺序存储当前取样时刻之前的固定数量的多个电池测量数据取样值；每一个电池测量数据取样值都是一组电池测量数据，包括电池端电压、电池负载电流和电池运行温度；

参数辨识算法在参数辨识窗口更新了不少于一组的电池测量数据后触发一个寻优周期；在一个寻优周期内，参数辨识算法从多个参数粒子群中按次序选取一个参数粒子群作为当前进化的参数粒子群，并在在下一次电池测量数据取样时刻到来之前的这段时间内对当前进化的参数粒子群进行有限步的优化计算；一旦某个参数粒子群被选为当前进化的参数粒子群并完成了相应的优化计算后，直到其他所有参数粒子群都完成优化计算后，它才会被重新选为当前进化的参数粒子群并进行相应的优化计算；优化计算指的是当前参数粒子群中的所有粒子的位置和速度更新有限次数；

该方法具体包括以下步骤：

步骤1：初始化，具体包括如下步骤：

步骤1.1：顺次定义N个参数粒子群：PPS(1),PPS(2),…,PPS(N)；其中，N是等效电路模型的待辨识参数数量；

步骤1.2：为步骤1.1中的每个PPS都定义M个粒子，每个参数粒子群中的M个粒子位置都按式(11)逐个初始化；

式中，B_U、B_L为参数粒子群对应的一个等效电路模型参数取值的上界和下界，rand∈[0,1)是随机数；m为粒子编号；M为当前参数群中具有的粒子的数量；P_m为第m个粒子；

步骤1.3：各PPS均随机指定它的一个粒子作为它的当前最优粒子，最优粒子的位置作为当前PPS所对应的ECM参数的当前最优结果存储在参数辨识结果映像表内；

步骤1.4：定义当前进化的参数粒子群：Sc＝PPS(n)；其中，n是当前进化PPS的顺序号，n＝1,2,…,N；

步骤2：读取k时刻的电池电压和电流测量数据取样值u_Lk和i_Lk，将读取的数据存储在参数辨识窗口内；

步骤3：对当前参数粒子群进行进化，具体包括如下步骤：

步骤3.1：使用当前参数映像表内的数据和等效电路模型的离散数学表达式计算出电池端电压的拟合结果该拟合结果是一个数据序列，它的长度与参数辨识窗口内所存储的电池电压和电流测量数据的个数相同，它的激励是参数辨识窗口内所存储的电流测量数据；

步骤3.2：通过式(4)对所有的粒子进行评价，计算结果最小的粒子作为当前参数粒子群的最优粒子；

式中，ε为PSO的目标函数的误差；u_Lk和分别是电池端电压的实测值和估计值，t为当前辨识原始数据序号，W是参数辨识所使用的连续的原始数据序列长度；

步骤3.3：通过式(14)计算所有粒子的速度；对于第m#粒子，在第t次进化过程中其速度为：

V_m|t＝ωV_m|t-1+2r₁(P_G-P_m|t-1)+2r₂(P_H-P_m|t-1) (14)；

式中，ω为学习系数，r₁和r₂为PSO的性能参数，取值区间为(0，1)；V_m|t表示m#粒子在t时刻的速度；P_G是全局最优粒子的位置；P_H是历史最优粒子的位置；P_m|t-1是m#粒子在t时刻的位置；

步骤3.4：通过式(15)更新所有粒子的位置；

P_i^(g)＝P_i^(g-1)+V_i^(g) (15)；

式中P_i^(g)表示第i#粒子在第g次进化中应出现的位置；P_i^(g-1)表示第i#粒子在第g-1次进化中出现的位置；V_i^(g)表示第i#粒子在第g次进化中所具有的速度；

如果某一粒子过于接近当前最优粒子，则当前粒子的位置按式(11)重新初始化；

步骤4：用当前参数粒子群的最优粒子的位置更新参数辨识结果映像表内的对应参数结果；

步骤5：按顺序取出步骤1中定义的当前进化的参数粒子群的下一个参数粒子群PPS(n+1)，并将其作为当前进化的参数粒子群；如果PPS(n+1)的序号大于或等于步骤1中定义的群的数量，则取PPS(0)作为当前进化的参数粒子群；

步骤6：等待，直到第k+1次测量数据产生；

步骤7：重复执行步骤2-步骤6，直到所有的参数粒子群都完成优化计算，此时参数辨识结果映像表内的数据即为电池等效参数的当前最优辨识结果。