本发明涉及电力技术领域，具体涉及一种基于混沌猫群算法的锂离子电池模型参数辨识方法。
背景技术：
锂离子电池的容量大，适中的电压，广泛的来源以及其循环使用寿命长、性能好、对环境无污染等特点，被越来越广泛地应用在正在迅速发展的新能源电动汽车上。而锂离子电池soc代表的是电池使用一段时间或长期搁置不用后的剩余可放电电量与其完全充电状态的电量的比值，准确的估计soc，能为使用者提供电动汽车所能行驶的剩余里程，保证锂离子电池工作在合理的电压范围内，能有效的防止由于过充和过放对电池带来的损伤，延长电池的使用寿命，提高能量的利用率，降低使用成本。因而准确的估计电池soc对电动汽车尤为重要。而建立一个电池模型，并对电池模型参数进行辨识是准确估计电池soc的关键所在。而现有对电池模型参数进行辨识的方法收敛速度较慢。
技术实现要素：
为解决现有技术问题，本发明通过引进混沌猫群算法对锂离子电池模型进行参数辨识，由于猫群算法能够同时进行局部搜索和全局搜索，且在猫群的基础上引进了混沌算法提高了算法遍历性大大地提高了全局最优解的收敛度。
本发明具体采用以下技术方案：
一种基于混沌猫群的锂离子电池模型参数辨识方法，包括以下步骤：
s1：初始化猫群，设置猫群优化算法的群体大小为n，最大迭代次数为kmax，分组率mr，随机初始化猫群体位置；
s2：计算种群中所有猫的适应度值fitness，选取并记录种群中适应度最佳的猫；
s3：根据mr将猫群随机分组，mr表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，mr一般为一个较小的值，以确保猫群中的大部分猫处于搜寻模式，少数猫处于跟踪模式；
s4：搜寻模式：复制猫个体，将复制好的个体存入记忆池smp中，复制猫的个体数由其适应度值的大小决定，适应度值越高，被复制的个体数目相对越多，复制个体的公式为：
式中：ni为第i只猫的复制个体数；nsum为复制的个体总数；fitnessi为第i只猫的适应度；n为猫的初始化群体总数；执行变异算子，即随机在原来的位置上加一个扰动，达到新的位置来代替原来的位置，更新smp，计算smp中所有个体的适应度值；执行选择算子，通过计算smp中适应度值最小的候选点来代替当前猫的位置，完成算法输出参数的更新；
step5：跟踪模式：整个猫群经历过的最好的位置，即为目前搜索到的最优解为xbest(n)，每个猫的速度为vi，速度更新公式如下：
vi(n 1)＝vi(n)×w c×rand×[xbest(n)-vi(n)]
式中vi(n 1)表示更新后第i只猫的速度值；c为常量；rand为[01]之间的随机数；惯性权重w更新公式如下：
其中，k为迭代指标，kmax为最大迭代数；每个猫的位置更新公式如下：
xi(n 1)＝xi(n) vi(n 1)
式中xi(n 1)表示位置更新后第i只猫的位置；计算适应度值，用适应度值最小的猫更新最初的猫的位置；
s6：记录保留种群中适应度最优的猫；
s7：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，判断全局最优解是否得到改善，若改善了，则重复步骤s2到s6；否则根据
对常规变量
对混沌变量
对混沌变量
s8：根据s7求得的最优结果，分别求出二阶rc电路模型中uocv，r1，r2，c1，c2。
进一步的方案是，s1中所述的初始化种群是根据锂离子电池电压回弹特性曲线以及二阶rc电路模型在放电结束后的零输入响应方程：u(t)＝uocv-u(r1)*e-t/τ1-u(r2)*e-t/τ2，相对应的初始化相关的5个参数，其中5个参数分别表示：x1＝uocv，x2＝u(r1)，x3＝τ1，x4＝u(r2)，x5＝τ2；对于式u(t)＝x1-x2*e-t/x3-x4*e-t/x5，在任意解x＝[x1x2x3x4x5]下，任意时刻都有唯一确定的y(t)与之对应；即在任意时刻都可由动力电池模型参数确定唯一的端电压值，可建立如下目标函数:
进一步的方案是，s7中所述的混沌映射为tent混沌映射；其数学表达式为：
xn 1＝a-1-a|xn|，a∈(1，2)
当a≤1时，tent混沌映射处于稳定状态；当a>1时，处于混沌状态；当a＝2时，为中心tent映射，其数学表达式为：
进一步的方案是，s8中所述的二阶rc电路模型中的uocv、r1、r2、c1、c2是根据uocv＝x1，x2＝u(r1)＝i*r1，x3＝τ1＝r1*c1，x4＝u(r2)＝i*r2，x5＝τ2＝r2*c2求出的。
本发明的有益效果：
通过引进混沌猫群算法对锂离子电池模型进行参数辨识，由于猫群算法能够同时进行局部搜索和全局搜索，且在猫群的基础上引进了混沌算法提高了算法遍历性,大大地提高了全局最优解的收敛度。
附图说明
图1为本发明实施例一种基于混沌猫群算法的锂离子电池模型参数辨识方法的流程图；
图2为二阶rc等效电路模型示意图；
图3本发明实施例中的锂离子电池端电压在soc＝0.9时的回弹特性曲线图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
如图1所示，本发明的一个实施例公开了一种基于混沌猫群的锂离子电池模型参数辨识方法，包括以下步骤，其中需要进行参数辨识的锂电池的型号为：inr18650-20r；
s1：初始化猫群，设置猫群优化算法的群体大小为n＝20，最大迭代次数为kmax＝500，分组率mr＝0.3，随机初始化猫群体位置；
s2：计算种群中所有猫的适应度值fitness，选取并记录种群中适应度最佳的猫；
s3：根据mr将猫群随机分组，mr表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，mr一般为一个较小的值，以确保猫群中的大部分猫处于搜寻模式，少数猫处于跟踪模式；
s4：搜寻模式：复制猫个体，将复制好的个体存入记忆池smp中，复制猫的个体数由其适应度值的大小决定，适应度值越高，被复制的个体数目相对越多，复制个体的公式为：
式中：ni为第i只猫的复制个体数；nsum为复制的个体总数；fitnessi为第i只猫的适应度；n为猫的初始化群体总数；执行变异算子，即随机在原来的位置上加一个扰动，达到新的位置来代替原来的位置，更新smp，计算smp中所有个体的适应度值；执行选择算子，通过计算smp中适应度值最小的候选点来代替当前猫的位置，完成算法输出参数的更新；
step5：跟踪模式：整个猫群经历过的最好的位置，即为目前搜索到的最优解为xbest(n)，每个猫的速度为vi，速度更新公式如下：
vi(n 1)＝vi(n)×w c×rand×[xbest(n)-vi(n)]
式中vi(n 1)表示更新后第i只猫的速度值；c为常量；rand为[01]之间的随机数；惯性权重w更新公式如下：
其中，k为迭代指标，kmax为最大迭代数，wmax＝0.5，wmin＝0.1，每个猫的位置更新公式如下：
xi(n 1)＝xi(n) vi(n 1)
式中xi(n 1)表示位置更新后第i只猫的位置；计算适应度值，用适应度值最小的猫更新最初的猫的位置；
s6：记录保留种群中适应度最优的猫；
s7：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，判断全局最优解是否得到改善，若改善了，则重复步骤s2到s6；否则根据
对常规变量
对混沌变量
对混沌变量
s8：根据s7求得的最优结果，分别求出二阶rc电路模型中uocv，r1，r2，c1，c2，二阶rc电路模型如图2所示。
在本实施例中，如图3所示，soc＝0.9时，s1中所述的初始化种群是根据锂离子电池电压回弹特性曲线以及二阶rc电路模型在放电结束后的零输入响应方程：u(t)＝uocv-u(r1)*e-t/τ1-u(r2)*e-t/τ2，相对应的初始化相关的5个参数，其中5个参数分别表示：x1＝uocv，x2＝u(r1)，x3＝τ1，x4＝u(r2)，x5＝τ2；对于式u(t)＝x1-x2*e-t/x3-x4*e-t/x5，在任意解x＝[x1x2x3x4x5]下，任意时刻都有唯一确定的y(t)与之对应；即在任意时刻都可由动力电池模型参数确定唯一的端电压值，可建立如下目标函数:
在本实施例中，s7中所述的混沌映射为tent混沌映射；其数学表达式为：
xn 1＝a-1-a|xn|，a∈(1，2)
当a≤1时，tent混沌映射处于稳定状态；当a>1时，处于混沌状态；当a＝2时，为中心tent映射，其数学表达式为：
tent映射又被称为帐篷映射，是分段线性的一维映射，与logistic相比，具有均匀的功率谱密度、概率密度和理想的相关特性，更快的迭代速度。
在本实施例中，s8中所述的二阶rc电路模型中的uocv、r1、r2、c1、c2是根据uocv＝x1，x2＝u(r1)＝i*r1，x3＝τ1＝r1*c1，x4＝u(r2)＝i*r2，x5＝τ2＝r2*c2求出的。
最后说明的是，以上仅对本发明具体实施例进行详细描述说明。但本发明并不限制于以上描述具体实施例。本领域的技术人员对本发明进行的等同修改和替代也都在本发明的范畴之中。因此，在不脱离本发明的精神和范围下所作的均等变换和修改，都涵盖在本发明范围内。
1.一种基于混沌猫群的锂离子电池模型参数辨识方法，其特征在于：包括以下步骤：
s1：初始化猫群，设置猫群优化算法的群体大小为n，最大迭代次数为kmax，分组率mr，随机初始化猫群体位置；
s2：计算种群中所有猫的适应度值fitness，选取并记录种群中适应度最佳的猫；
s3：根据mr将猫群随机分组，mr表示执行跟踪模式下的猫的数量在整个猫群中所占的比例，mr一般为一个较小的值，以确保猫群中的大部分猫处于搜寻模式，少数猫处于跟踪模式；
s4：搜寻模式：复制猫个体，将复制好的个体存入记忆池smp中，复制猫的个体数由其适应度值的大小决定，适应度值越高，被复制的个体数目相对越多，复制个体的公式为：
式中：ni为第i只猫的复制个体数；nsum为复制的个体总数；fitnessi为第i只猫的适应度；n为猫的初始化群体总数；执行变异算子，即随机在原来的位置上加一个扰动，达到新的位置来代替原来的位置，更新smp，计算smp中所有个体的适应度值；执行选择算子，通过计算smp中适应度值最小的候选点来代替当前猫的位置，完成算法输出参数的更新；
step5：跟踪模式：整个猫群经历过的最好的位置，即为目前搜索到的最优解为xbest(n)，每个猫的速度为vi，速度更新公式如下：
vi(n 1)＝vi(n)×w c×rand×[xbest(n)-vi(n)]；
式中vi(n 1)表示更新后第i只猫的速度值；c为常量；rand为[01]之间的随机数；惯性权重w更新公式如下：
其中，k为迭代指标，kmax为最大迭代数；每个猫的位置更新公式如下：
xi(n 1)＝xi(n) vi(n 1)；
式中xi(n 1)表示位置更新后第i只猫的位置；计算适应度值，用适应度值最小的猫更新最初的猫的位置；
s6：记录保留种群中适应度最优的猫；
s7：判断是否满足终止条件，若满足则输出最优解，结束程序；反之，判断全局最优解是否得到改善，若改善了，则重复步骤s2到s6；否则根据
对常规变量cxij(t)进行映射变换，映射后的混沌变量xij(t)处[01]于之间，运用
对混沌变量xij(t)混沌映射得到xij(t 1)，再通过
对混沌变量xij(t 1)进行映射变换，得到下一次迭代中的常规变量cxij(t 1)后，再重复s2到s6；
s8：根据s7求得的最优结果，分别求出二阶rc电路模型中uocv，r1，r2，c1，c2。
2.根据权利要求1所述的一种基于混沌猫群算法的锂离子电池模型参数辨识方法，其特征在于：
s1中所述的初始化种群是根据锂离子电池电压回弹特性曲线以及二阶rc电路模型在放电结束后的零输入响应方程：u(t)＝uocv-u(r1)*e-t/τ1-u(r2)*e-t/τ2，相对应的初始化相关的5个参数，其中5个参数分别表示：x1＝uocv，x2＝u(r1)，x3＝τ1，x4＝u(r2)，x5＝τ2；对于式u(t)＝x1-x2*e-t/x3-x4*e-t/x5，在任意解x＝[x1x2x3x4x5]下，任意时刻都有唯一确定的y(t)与之对应；即在任意时刻都可由动力电池模型参数确定唯一的端电压值，可建立如下目标函数：
3.根据权利要求1所述的一种基于混沌猫群算法的锂离子电池模型参数辨识方法，其特征在于：
s7中所述的混沌映射为tent混沌映射；其数学表达式为：
xn 1＝a-1-a|xn|，a∈(1，2)
当a≤1时，tent混沌映射处于稳定状态；当a>1时，处于混沌状态；当a＝2时，为中心tent映射，其数学表达式为：
4.根据权利要求1所述的一种基于混沌猫群算法的锂离子电池模型参数辨识方法，其特征在于：
s8中所述的二阶rc电路模型中的uocv、r1、r2、c1、c2是根据uocv＝x1，x2＝u(r1)＝i*r1，x3＝τ1＝r1*c1，x4＝u(r2)＝i*r2，x5＝τ2＝r2*c2求出的。
技术总结