[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

说明书

本发明公开了一种基于智能优化算法的电池健康状态估计方法，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；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；步骤三、计算电池的健康状态。本发明通过建立一个群体为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，并利用遗传算法的更新、迭代、变异特征实现粒子的快速迭代而使算法迅速收敛，并在此基础上，利用粒子算法(PF)及电池状态空间方程实现电池SOH的在线估计。

技术领域

本发明属于技术领域，特别是涉及一种基于智能优化算法的电池健康状态估计方法。

背景技术

随着环境污染和能源危机的不断加剧，各国政府都在努力寻找新的能源利用方式，以缓解环境污染和提高能源利用效率。以锂离子动力电池系统为动力的新能源汽车具有能量密度高、自放电低、环境友好的特点而得到广泛的利用。但是，锂离子电池系统作为一个典型的复杂系统，在使用时受电池特性及工作环境的影响，动力电池的安全使用以及废旧电池的回收利用一直是人们关注的重点。对于汽车用电池系统在使用过程中，当电池的健康状态下降到80％左右时，将不再适合用于汽车动力系统。若将这些电池直接报废处理，将会造成资源的极大浪费。为解决该实际问题，通常需要准确估计电池的健康状态。为此，本发明设计了一种基于智能优化算法的电池健康状态估计方法。

发明内容

本发明的目的在于提供一种基于智能优化算法的电池健康状态估计方法，通过建立一个群体为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，并利用遗传算法的更新、迭代、变异特征实现粒子的快速迭代而使算法迅速收敛，并在此基础上，利用粒子算法(PF)及电池状态空间方程实现电池SOH的在线估计；利用电池管理系统实时数据实现电池健康状态的准确估计，具有方法简单，控制方便。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为一种基于智能优化算法的电池健康状态估计方法，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；