[发明专利]基于粒子群优化算法的电池单体容量估计方法

权利要求书

1.一种基于粒子群优化算法的电池单体容量估计方法，其特征在于，对于同一类型、不同老化程度的未知容量的电池单体，包括以下步骤：

步骤1、对电池单体进行特性测试实验，使用容量增量法获取电池当前老化状态的IC曲线；

步骤2、分析电池IC曲线，提取电池IC曲线特征峰、谷值点信息，计算对应的IC特征面积，分析IC特征面积与电池老化关系；在OCV曲线中选取包含电池老化状态的特征电量段；

步骤3、根据OCV曲线变换公式，建立特征电量段与容量的关系模型；将同型号新电池的OCV曲线和容量值作为基准，以变换后电池基准特征电量段与容量未知的电池特征电量段差值的平方和的最小值构建目标函数；

步骤4、利用粒子群优化算法，求解目标函数，根据所得最优系数，估计电池容量值。

2.根据权利要求1所述的基于粒子群优化算法的电池单体容量估计方法，其特征在于，步骤1具体为：

步骤1-1，电池首先以1C/2倍率恒流充电，至电池上限截止电压时恒压充电，直到充电电流小于1C/20倍率时停止充电；接着，静置2小时；然后，以1C/2倍率恒流放电，至电池下限截止电压时停止放电；C为电池充放电倍率；

步骤1-2，静置2小时；

步骤1-3，以1C/20倍率对电池恒流充电，至电池上限截止电压时停止充电；

步骤1-4，根据步骤1-1中恒流放电时间，计算电池当前状态的标准容量值；

步骤1-5，根据步骤1-3中充电电量与充电电压的对应关系，计算容量随电压变化量dQ/dV，得到容量增量与电压关系曲线，然后使用高斯滤波算法，得到平滑的IC数据曲线。

3.根据权利要求1所述的基于粒子群优化算法的电池单体容量估计方法，其特征在于，步骤2具体为：

步骤2-1，利用步骤1中得到的电池IC曲线，求取曲线中极大值点和极小值点，分别为IC曲线峰、谷值点；

步骤2-2，利用积分公式，计算峰、谷值点与x轴围成的面积，得到表征电池容量衰退变化的IC特征面积。

4.根据权利要求3所述的基于粒子群优化算法的电池单体容量估计方法，其特征在于，所述的IC特征面积数值上等于峰、谷值对应电压区间内的充电电量值，即为特征电量段的电量值。

5.根据权利要求3所述的基于粒子群优化算法的电池单体容量估计方法，其特征在于，电池IC特征“峰”的数量为n，IC特征“谷”的数量为n-1,电池IC特征面积和特征电量段的数量为2(n-1)，n∈[2，3]，且n为整数。

6.根据权利要求1所述的基于粒子群优化算法的电池单体容量估计方法，其特征在于，步骤3具体为：

步骤3-1，根据OCV曲线变换，建立特征电量段与容量的关系模型，所述的特征电量段与容量的关系模型如下：

其中，C_i为变换后的电池a的标准容量，k为电池OCV曲线变换系数，C_a为电池a的标准容量，S_i为变换后的电池a特征电量段的电量值，S_a为电池a特征电量段的电量值；

步骤3-2，选取同一型号新电池的OCV曲线和容量值作为基准，根据步骤2中所述的特征电量段，求取电池基准特征电量段的电量值；

步骤3-3，根据步骤3-1中特征电量段与容量的关系模型，将变换后的电池基准的特征电量段与待估计电池的特征电量段的电量值求差，然后求平方和的最小值，作为目标函数，具体公式如下：

其中，m为电池所选的特征电量段数量，S_i,j为待估计容量的电池i的特征电量段j的电量值，S_0,j为电池基准的特征电量段j的电量值。

7.根据权利要求1所述的基于粒子群优化算法的电池单体容量估计方法，其特征在于，步骤4具体步骤如下：

步骤4-1，对粒子群算法参数进行初始设置，其中，粒子数量为50，最大迭代次数为500，变量数为1，惯性系数为0.5，随机因数1、2设置为2；

步骤4-2，根据步骤3-2所述的最小值，利用粒子群算法求解公式(1)的目标函数，得到最优系数k_fun；

步骤4-3，估计电池i的容量，具体公式如下：

C_i＝k_fun×C₀ (3)

其中，C_i为待估计电池i的容量，C₀为所选电池基准的标准容量值。