[发明专利]一种锂电池模型参数辨识和荷电状态估计的方法

说明书

本发明提供了一种锂电池模型参数辨识和荷电状态估计的方法，通过分析锂电池的电化学阻抗谱，建立了分数阶等效电路模型；提出了基于邻域的多策略和均值因子差分进化算法NMMDE来辨识模型参数；在开发的NMMDE算法中，本发明提出了一个新的突变策略，该策略首先定义了一个称为顶域的动态邻域，然后用顶域中所有个体的均值替换当前个体；此外，本发明在突变过程中引入了一个额外的突变策略，通过自适应调整两种不同策略在种群中的比例，弥补了探索和利用不平衡的问题；然后用分数阶扩展卡尔曼滤波算法对SOC进行估计，并将得到的SOC和实际值进行比较，绝对误差平均为1%。实验结果表明，本发明提供的算法能够更准确的辨识模型参数，并获得准确的SOC估计结果。

技术领域

发明涉及锂电池模型的参数辨识和荷电状态估计技术领域，具体涉及一种锂电池模型参数辨识和荷电状态估计的方法。

背景技术

现今，锂电池已被广泛应用于电动汽车、混合动力车辆和可再生能源储存系统等领域，准确地估计锂电池的参数对于电池管理系统的安全性、性能和寿命至关重要。设计电池模型参数辨识方法和荷电状态(SOC)估计方法，能够帮助监测电池电量、进行故障诊断并且指导电池的充放电行为。然而，由于锂电池的复杂化学过程和非线性特性，精确地辨识参数和估计荷电状态一直是一个具有挑战性的问题。

目前，锂电池模型参数辨识和荷电状态估计存在着以下几点不足之处：

1、锂电池的行为受到多种因素的影响，如温度、充放电速率、容量衰减等。因此，模型不仅需要具备良好的适应性和鲁棒性，以能够准确预测电池的行为，而且需要权衡模型的准确性和计算成本之间的关系，较为复杂的模型可能需要更高的计算资源和时间，不适合实际应用，这使得建模难度大大提升。

2、锂电池模型的参数通常是多维的，包括电池内部的物理和化学特性，用进化算法对参数进行辨识时，进化算法可能会陷入局部最优解的问题，可能会导致无法获得最佳参数解。为了克服这个问题，需要设计适当的启发式策略和变异操作，以增加全局搜索的能力。因此，在实际操作中，准确辨识这些参数是具有挑战性的。

3、锂电池的充放电行为通常是非线性的，导致荷电状态与电池电压、电流等之间的关系具有复杂性。因此，需要采用适当的状态估计算法来解决非线性问题。

发明内容

为了解决上述问题，本发明提供了一种锂电池模型参数辨识和荷电状态估计的方法，该方法能够准确地估计锂电池的模型参数和荷电状态，并对电池系统进行有效管理和控制，对于优化锂电池系统的运行和控制至关重要。

本发明采用的技术方案为：

一种锂电池模型参数辨识和荷电状态估计的方法，包括以下步骤：

步骤1，通过电池测试设备对电池进行测试并采集数据：通过静态容量测试获得电池当前的最大可用容量，然后采用混合功率脉冲特性测试去获取电池OCV的离线数据，用联邦城市驾驶工况进行循环动态放电测试；

步骤2，建立模型：通过对锂电池电化学阻抗谱的分析建立分数阶等效电路模型；

步骤3，用基于邻域的多策略和均值因子差分进化算法NMMDE对模型参数进行辨识；

步骤4，根据辨识得到的参数，用分数阶扩展卡尔曼滤波算法对电池荷电状态进行估计。

进一步，在步骤2中，对锂电池进行分数阶建模的具体步骤包括：

步骤2-1，分数阶模型的传递函数由等式(1)表示，