粒子群算法在电池离线参数辨识应用

这一应用主要是利用粒子群算法的全局优化能力和随机搜索特性，对电池的等效电路模型参数进行离线辨识。通过设定目标函数，并对其进行寻优，可以找到使电池模型输出与实际测量值最为接近的参数值。这种方法具有原理简单、参数少、实现容易等优点，并且已经在锂离子电池等电池系统的参数辨识中得到了广泛应用。

粒子群算法基本原理详见：粒子群优化算法及应用-CSDN博客

目录

1、电池模型建立

1.1 二阶RC模型

1.2 状态方程建立

2、 电池模型辨识

2.1电池放电数据

2.2 参数R0的求解

2.3 适应度函数的建立

3 辨识结果

---

1、电池模型建立

1.1 二阶RC模型

目前广泛采纳的等效电路模型涵盖了Thevenin模型、PNGV模型以及多阶RC模型。研究表明，二阶RC网络模型在锂电池多种特性的模拟上表现出较高的精确度，并且能够有效地控制计算复杂度，使之保持在适宜的范围内。

图1 二阶RC模型

该模型结构包含一个电压源Uocv、一个欧姆内阻R0以及两个并联的RC网络。电压源Uocv代表电池的开路电压，它是关于荷电状态（SOC）的非线性函数，此函数可通过拟合方法获得。欧姆内阻R0体现了电极、电解液及隔膜对离子传输的阻碍。而R1 C1与R2 C2两组元件则分别描述了电池的两个极化效应。在此模型中，Ud代表锂电池的端电压，I代表流经电池的总电流。此外，U1和U2分别代表两个并联RC网络中电容的两端电压。

1.2 状态方程建立

离散化后

联立上公式可得

2、 电池模型辨识

2.1电池放电数据

锂离子测试放电工况：(1)选择容量为3000mAh的18650电池，对电池进行1C(3A)恒流充电直至4.5V使电池的SOC为100％后静置2个小时；(2)以1C(3A)恒流放出10％SOC的电量，然后静置2小时；(3)循环(2)，直至达到放电截止电压。 得到放电曲线图如下：

图2 放电曲线图

2.2 参数R0的求解

图3 电压局部放大

欧姆电阻R0是让电池端电压在通电和断电时电压骤变的主要原因。欧姆电阻R0可以用公式直接计算出来，具体公式如下：