[发明专利]电池分数阶模型参数辨识方法

权利要求书

1.一种电池分数阶模型参数辨识方法，其特征在于，包括：

对待测电池进行充放电实验和电化学阻抗谱EIS实验，确定电池分数阶模型，并确定电池分数阶模型的待辨识参数；电池分数阶模型包括电池开路电压与荷电状态soc的OCV模型，以及RC等效模型，确定电池分数阶模型的待辨识参数的具体步骤为：

电池开路电压与荷电状态soc的OCV模型为：

V_ocv(soc)＝V_ocv,p(y₀+Δy·(1-soc))-V_ocv,n(₀-Δx·(1-soc))

式中，V_ocv(soc)为电池开路电压，为正负极开路电压V_ocv,p与V_ocv,n的差值；正负极材料表面离子的初始占位浓度x₀、y₀以及放电比Δx和Δy是未知的，需辨识得到；

式中，soc(t)表示t时刻的荷电状态soc的值，soc(t₀)为初始时刻t₀的荷电状态soc初始值，C_b是电池的容量，I(t)则表示电池电流；

OCV模型确定的待辨识参数为初始占位浓度x₀、y₀，以及放电比Δx和Δy；

采用指数函数作为电池分数阶模型中RC等效模型参数的解析函数，以荷电状态soc为变量，对RC等效模型参数解析化处理，得到解析化处理的RC等效模型的解析化参数X_ref(soc)为:

则解析化处理后将RC等效模型的辨识参数扩展为系数c_k1、c_k2、c_k3；

以解析化参数X_ref(soc)作为参考温度T_ref下的参考值，利用阿伦尼乌斯公式对解析化处理的RC等效模型的解析化参数X_ref(soc)进行温度校正，得到温度校正的RC等效模型的参数X(soc,T)为：

其中，E_X为参数X(soc,T)对应的活化能系数，为与温度无关的常数；R为摩尔气体常数，T_ref为参考温度，T为参数X(soc,T)对应的温度；

则经过温度校正后，RC等效模型的辨识参数引入活化能系数E_X；

通过上述过程，得到待测电池的电池分数阶模型的待辨识参数包括OCV模型确定的初始占位浓度x₀和y₀、放电比Δx和Δy，RC等效模型解析化与温度校正处理后引入的系数c_k1、c_k2、c_k3、以及活化能系数E_X；

采用粒子群算法与遗传算法混合优化算法GA-PSO在频域和时域中对确定的电池分数阶模型的待辨识参数进行最优化辨识，其频域与时域的联合辨识目标函数为：

其中，Z′_m,N、Z″_m,N和分别是阻抗的实部、虚部以及端电压测量值归一化后的值,

式中，Z′_ref、Z″_ref和V_t,ref分别是阻抗实部、虚部以及端电压在归一化处理时的参考值；为由电池分数阶模型仿真计算的阻抗实部、虚部以及端电压的计算值；分别为通过充放电实验和电化学阻抗谱EIS实测的阻抗实部、虚部以及端电压的实测值，L_f为频率序列长度,L_I为电流序列的长度；

分别取实测值的平均值作为参考值Z′_ref、Z″_ref和V_t,ref，其中：

2.根据权利要求1所述的电池分数阶模型参数辨识方法，其特征在于，采用粒子群算法与遗传算法混合优化算法GA-PSO对电池分数阶模型的待辨识参数进行最优化辨识的方法为：

步骤1：生成遗传算法GA的初始种群，种群中每个个体代表分数阶模型的一个待辨识参数向量；

步骤2：计算每个个体对应的目标函数值，并进行适应度评价；

步骤3：如果进化代数等于遗传算法GA中最大进化代数，则结束遗传算法，记录最优的个体及对应的GA最优目标函数值，并进入步骤5；如果进化代数小于GA中最大代数，则进入步骤4；

步骤4：执行选择、交叉和变异，保留好的个体，产生新的个体，并形成新的种群，返回步骤2，进行下一次进化；

步骤5：在搜索空间内均匀产生初始粒子群，每个粒子代表分数阶模型的一个待辨识参数向量；将步骤3记录的GA最优目标函数值设置为粒子群进化算法PSO全局目标函数值；

步骤6：如果进化代数等于粒子群进化算法PSO中最大进化代数，结束粒子群进化算法，记录最优粒子和PSO全局最优目标函数值；否则，进入步骤7；

步骤7：计算每个粒子对应的目标函数值，记录个体最优粒子，确定PSO全局最优目标函数值；

步骤8：更新粒子位置和速度，返回步骤6，进行下一次进化。