[发明专利]一种构建锂离子电池等效电路模型的方法、系统及设备

说明书

本发明公开了一种构建锂离子电池等效电路模型的方法、系统及设备，设置种群规模、选择率、交叉率、变异率和最大进化代数的参数值；使用遗传规划算法随机生成与种群规模数量相同的初始种群，每个初始种群包括多个表达式树，每个表达式树包括一个随机的等效电路；按照选择率、交叉率和变异率，对所有初始种群进行选择、交叉和变异操作；计算产生的每个表达式树的适应度，将每个表达式树的适应度从大到小排列，取适应度较大一半的表达式树，并对保留的表达式树进行选择、交叉、变异操作，计算保留的表达式树的适应度；直到保留的表达式树的适应度满足最大迭代代数和适应度函数任意一项，解码最大适应度的表达式树，得到等效电路模型的拓扑结构。

技术领域

本发明属于动力电池领域，涉及一种构建锂离子电池等效电路模型的方法、系统及设备。

背景技术

目前动力电池模型主要是等效电路模型。电化学模型基于电池内部的电化学反应原理，应用了大量热力学和动力学方程，运算量很大，对车载电池管理系统的要求很高，所以一般不采用。神经网络模型利用目前非常热门的机器学习来建立模型，能够很好地体现动力电池的非线性特性，但存在耗时的问题。等效电路模型可以很好地描述电池的外特性，具有较好的实时性和鲁棒性，适用于动力电池的各种工作状态，而且状态空间方程通常也易被推导出来，所以电动车动力电池建模主要采用此类模型。

因为单体电池的建模是必要的一步，如果电池模型的精度不够，接下来进行的工作也是徒劳的，所以需要建立精确的电池模型。目前常用的电池模型精度还不够高，由于非线性和时变性等特性而难以构建精准模型。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种构建锂离子电池等效电路模型的方法、系统及设备，可以随意改变的单体电池等效电路模型，使得比常规的RC等效电路模型要更精确。

为达到上述目的，本发明采用以下技术方案予以实现：

一种构建锂离子电池等效电路模型的方法，包括以下步骤；

步骤一，设置种群规模、选择率、交叉率、变异率和最大进化代数的参数值；

步骤二，使用遗传规划算法随机生成与步骤一中种群规模数量相同的初始种群，每个初始种群包括多个表达式树，每个表达式树包括一个随机的等效电路；

步骤三，按照步骤一中设置的选择率、交叉率和变异率，对所有初始种群进行选择、交叉和变异操作；

步骤四，计算产生的每个表达式树的适应度，将每个表达式树的适应度从大到小排列，取适应度较大一半的表达式树，并对保留的表达式树进行选择、交叉、变异操作，计算保留的表达式树的适应度；

步骤五，直到保留的表达式树的适应度满足步骤一中设定的最大迭代代数和适应度函数任意一项，解码最大适应度的表达式树，得到等效电路模型的拓扑结构。

优选的，步骤二中，在进行交叉、选择、变异操作之前，先利用电路构造函数生成最小电路单元，最小电路单元构成终止符集，将最小电路单元插入到拓扑结构中，对等效电路的拓扑结构进行修改，修改后的等效电路为一个表达式树，再将表达式树经过交叉、变异、选择操作之后随机生成新一代，将得到的所有表达式树作为初始种群。

进一步，步骤三中，电路构造函数包括连接修改函数、组件构造函数、算术构造函数和/或自动定义函数，电路构造函数构成函数集。

优选的，计算表达式树适应度所采用的函数为Hoeffding不等式。

优选的，每当进行选择、交叉、变异操作时，根据步骤一中的选择率，用适应度高的表达式树代替适应度低的表达式树；随机选取两个表达式树进行交叉操作，计算两个表达式树的2个节点数，随机产生2个在节点数范围内的随机数，在每个表达式树中找到随机数的节点位置，交换两个节点位置处的子树；随机选取一个表达式树，计算其节点数，生成一个在节点数范围内的随机数，在该节点处利用电路构造函数随机修改表达式树。