一种电动汽车锂离子电池健康状态估计方法及系统技术方案

本发明专利技术公开了一种电动汽车锂离子电池健康状态估计方法及系统包括，根据电池额定容量、充电循环次数、电池初始参数以及电池待辨识参数，建立电池容量衰减模型；使用混沌信号替代郊狼优化算法中随机数改进郊狼优化算法，得到混沌郊狼优化算法，结合切比雪夫混沌映射，对所述模型进行计算；根据模型计算的最优解，对电池健康状态进行估计。本专利针对混合指数

【技术实现步骤摘要】
一种电动汽车锂离子电池健康状态估计方法及系统


[0001]本专利技术涉及锂离子电池健康状态估计
，尤其涉及一种电动汽车锂离子电池健康状态估计方法及系统。

技术介绍

[0002]随着电动汽车技术的快速发展，电池技术和电池管理技术也变得越来越重要。为了增加电动汽车的巡航里程和延长电池寿命，电池健康状况(State of Health,SOH)评估已成为一个重要的研究问题。电池的SOH可以表示为电池的老化状态，因此通过电池老化模型对循环过程中的额定容量衰减进行建模。在本专利技术中，指数模型被用来模拟电池的老化过程，因为它很好地反映了电池整个生命周期中测量值的变化。传统的辨识算法针对指数模型的参数辨识，有以下缺陷：
[0003](1)最小二乘算法、梯度算法、概率算法应用在指数模型的参数辨识时，没有考虑线性参数和非线性参数之间的耦合，导致参数估计精度较差。
[0004](2)粒子群算法、郊狼优化算法这类元启发式算法应用在指数模型的参数辨识时，易陷入局部最优并且收敛速度极慢。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述现有存在的问题，提出了本专利技术。
[0007]因此，本专利技术提供了一种电动汽车锂离子电池健康状态估计方法及系统，能够解决
技术介绍
中存在的问题。
[0008]为解决上述技术问题，本专利技术提供如下技术方案，一种电动汽车锂离子电池健康状态估计方法，包括：
[0009]根据电池额定容量、充电循环次数、电池初始参数以及电池待辨识参数，建立电池容量衰减模型；
[0010]使用混沌信号替代郊狼优化算法中随机数改进郊狼优化算法，得到混沌郊狼优化算法，结合切比雪夫混沌映射，对所述模型进行计算；
[0011]根据模型计算的最优解，对电池健康状态进行估计。
[0012]作为本专利技术所述的电动汽车锂离子电池健康状态估计方法的一种优选方案，其中：所述电池容量衰减模型包括，
[0013][0014]其中，C
epk
是电池在第k次循环的额定容量，下标中e表示包含混合指数
‑
多项式模型，p表示包含多项式模型，k表示为第k次循环，C
ek
表示电池内部阻抗，C
pk
表示电池内部老化；a1、a2与电池内部阻抗有关，a3、a4、a5代表老化率，为混合指数
‑
多项式模型需要辨识的未
知参数。
[0015]作为本专利技术所述的电动汽车锂离子电池健康状态估计方法的一种优选方案，其中：所述混沌郊狼优化算法包括，
[0016]将郊狼种群划分为N
p
组，每组拥有N
c
只郊狼，在第k次迭代时，第p组的第c只郊狼定义为：即决策向量，其中，D是搜索空间的维数，即为同一个决策向量中决策变量总的个数，这一决策向量的第j个分量公式为：
[0017][0018]其中，l
j
是第j个决策变量的下界,u
j
是第j个决策变量的上界，Chaotic
j
是替代了0
‑
1分布的随机数的混沌序列数，其中，社会条件的随机性体现在混沌序列数中，通过决策向量定义社会表现为：
[0019][0020]作为本专利技术所述的电动汽车锂离子电池健康状态估计方法的一种优选方案，其中：所述混沌郊狼优化算法还包括，
[0021]记每个群体中社会表现最好的郊狼叫做alpha，k时刻第p组的alpha
p,k
被定义如下：
[0022][0023]上式表示在第k次迭代时，对第p组的所有郊狼计算适应度函数，选择适应度函数值最小的那个郊狼作为alpha
p,k
，其中表示在第k次迭代时，对第p组的N只郊狼中，选择适应度函数最小的那只郊狼。
[0024]作为本专利技术所述的电动汽车锂离子电池健康状态估计方法的一种优选方案，其中：所述混沌郊狼优化算法还包括，
[0025]在k时刻，第p组郊狼的组文化趋势定义为cult
p,k
，它的第j个分量即为第p组所有决策向量的第j个分量取组中值，整体定义为：
[0026][0027]在k时刻，第p组的第j只郊狼计算公式如下：
[0028][0029]此处与分别是在k时刻，第p组中随机选择的第r1与第r2只郊狼的社会条件这一决策向量的第j个分量，γ
j
是代替了0
‑
1分布随机数的混沌序列，R
j
表示决策变量范围内的随机数，p
s
是分散概率，p
a
表示联合概率，分别定义如下：
[0030][0031][0032]作为本专利技术所述的电动汽车锂离子电池健康状态估计方法的一种优选方案，其中：所述混沌郊狼优化算法还包括，
[0033]通过alpha
p,k
和组文化趋势cult
p,k
描述了种群的组内的信息传递影响：
[0034][0035][0036]其中，δ1表示第p组内的alpha
p,k
对随机选择后第c1只郊狼的信息传递的影响；δ2为第p组的组文化趋势cult
p,k
对随机选择后第c2只郊狼的信息传递影响。
[0037]作为本专利技术所述的电动汽车锂离子电池健康状态估计方法的一种优选方案，其中：所述混沌郊狼优化算法还包括，
[0038]在第k次迭代时，更新的社会条件这一决策向量为：
[0039][0040]其中，Chaotic1和Chaotic2分别衡量alpha
p,k
和cult
p,k
对于组内郊狼的信息传递的程度大小，是由混沌序列生成的混沌映射；
[0041]在第k次迭代时，第p组的第c只郊狼的新的适应度函数计算如下：
[0042][0043]当前k时刻的适应度函数值决定了k+1时刻的社会条件决策向量的选择，k+1时刻第p组的第c只郊狼的社会条件计算如下：
[0044][0045]迭代完成后，在所有郊狼中，具有最小适应度值的郊狼作为全局最优解，即为需要估计的参数向量[a1,a2,a3,a4,a5]的最终估计结果。
[0046]一种电动汽车锂离子电池健康状态估计系统，其特征在于：包括模型建立模块、优化计算模块以及估计模块，
[0047]模型建立模块，所述模型建立模块用于根据电池额定容量、充电循环次数、电池初始参数以及电池待辨识参数，建立电池容量衰减模型；
[0048]优化计算模块，所述优化计算模块用于使用混沌信号替代郊狼优化算法中随机数改进郊狼优化算法，得到混沌郊狼优化算法，结合切比雪夫混沌映射，对所述模型进行计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动汽车锂离子电池健康状态估计方法，其特征在于：包括，根据电池额定容量、充电循环次数、电池初始参数以及电池待辨识参数，建立电池容量衰减模型；使用混沌信号替代郊狼优化算法中随机数改进郊狼优化算法，得到混沌郊狼优化算法，结合切比雪夫混沌映射，对所述模型进行计算；根据模型计算的最优解，对电池健康状态进行估计。2.如权利要求1所述的电动汽车锂离子电池健康状态估计方法，其特征在于：所述电池容量衰减模型包括，其中，C
epk
是电池在第k次循环的额定容量，下标中e表示包含混合指数
‑
多项式模型，p表示包含多项式模型，k表示为第k次循环，C
ek
表示电池内部阻抗，C
pk
表示电池内部老化，a1、a2与电池内部阻抗有关，a3、a4、a5代表老化率，为混合指数
‑
多项式模型需要辨识的未知参数。3.如权利要求2所述的电动汽车锂离子电池健康状态估计方法，其特征在于：所述混沌郊狼优化算法包括，将郊狼种群划分为N
p
组，每组拥有N
c
只郊狼，在第k次迭代时，第p组的第c只郊狼定义为：即决策向量，其中，D是搜索空间的维数，即为同一个决策向量中决策变量总的个数，这一决策向量的第j个分量公式为：其中，l
j
是第j个决策变量的下界,u
j
是第j个决策变量的上界，Chaotic
j
是替代了0
‑
1分布的随机数的混沌序列数，其中，社会条件的随机性体现在混沌序列数中，通过决策向量定义社会表现为：4.如权利要求3所述的电动汽车锂离子电池健康状态估计方法，其特征在于：所述混沌郊狼优化算法还包括，记每个群体中社会表现最好的郊狼叫做alpha，k时刻第p组的alpha
p,k
被定义如下：上式表示在第k次迭代时，对第p组的所有郊狼计算适应度函数，选择适应度函数值最小的那个郊狼作为alpha
p,k
，其中表示在第k次迭代时，对第p组的N只郊狼中，选择适应度函数最小的那只郊狼。5.如权利要求4所述的电动汽车锂离子电池健康状态估计方法，其特征在于：所述混沌郊狼优化算法还包括，在k时刻，第p组郊狼的组文化趋势定义为cult
p,k
，它的第j个分量即为第p组所有决策向量的第j个分量取组中值，整体定义为：
在k时刻，第p组的第j只郊狼计算公式如下：此处与分别是在k时刻，第p组中随机选择...

【专利技术属性】
技术研发人员：纪曦曦，陈晶，浦琰，殷霞，
申请(专利权)人：江南大学，
类型：发明
国别省市：