[发明专利]一种基于智能优化算法的电池健康状态估计方法

权利要求书

1.一种基于智能优化算法的电池健康状态估计方法，其特征在于：包括以下步骤：

步骤一、采用粒子群-遗传算法实现电池模型参数在线辨识，建立一个群体为M的粒子群，利用粒子之间的个体与群体之间的信息共享，通过修改个体和群体的最优解实现参数辨识，并使算法迅速收敛，包括以下子步骤：

Stp01、初始化随机粒子随机位置X和粒子随机速度V,粒子数量为pop_size，粒子数为M，由GA算法产生的粒子数为pop_size_M；PSO迭代次数为k_max，PSO-GA算法的最大迭代次数为max_gen；

Stp02、创建pop_size个随机粒子和计算并排列粒子的适度值；

Stp03、设置gen＝1；

Stp04、如果gen≤max_gen，跳转到步骤Stp05；否则跳转到步骤Stp13；

Stp05、设置k＝1；

Stp06、如果k≤max_k,跳转到步骤Stp07；否则跳转到步骤Stp09；

Stp07、更新第k个粒子的位置和速度：

其中r₁、r₂∈(0,1)；c₁和c₂等于2.05，ν_i，k和x_i，k分别表示第k次迭代后粒子i当前的移动速度和当前位置，pbest表示粒子当前的最优位置，gbest表示粒子历史最优位置，最大迭代次数为G；

Stp08、k＝k+1返回步骤Stp06；

Stp09、按照适度值对pop_size各粒子排序；

Stp10、将适度值不满足要求的pop_size_M个粒子剔除，并采用GA算法产生pop_size_M个新的粒子：

其中，N表示所有的粒子个数，f_i表示第i个粒子的适度值，f_max表示N个粒子最大的适度值；

Stp11、组合pop_size-M和M个粒子；

Stp12、gen＝gen+1跳转到步骤Stp04；

Stp13、获取最优值，得到辨识结果；

步骤二：在PF算法中，利用粒子群-遗传算法得到电池的模型参数，实现电池荷电状态的实时现在更新，包括以下子步骤：

SS01、初始化N个随机粒子；

SS02、设置k＝1,i＝1；

SS03、重要性采样：观测噪声大小为Q，计算粒子的权值：

SS04、权值归一化：

SS05、重采样：计算粒子的有效性，判断是否需要重采样，如需跳转到步骤SS02，否则跳转到步骤SS06；

SS06、更新系统观测值：

SS07、i＝i+1。如果iN返回步骤SS04，否则跳转到步骤SS08；

SS08、计算系统的观测值：

SS09、k＝k+1，跳转到步骤SS02；

步骤三：利用下述公式计算电池的健康状态(SOH)：