基于遗传算法的电池参数标定方法、系统及设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112214862A(43)申请公布日2021.01.12(21)申请号201911422922.0(22)申请日2019.12.31(71)申请人蜂巢能源科技有限公司地址213000江苏省常州市金坛区华城中路168号(72)发明人李豪豪贾建豪盛杰张恒利赵龙灿(74)专利代理机构北京润平知识产权代理有限公司11283代理人肖冰滨王晓晓(51)Int.Cl.G06F30/20(2020.01)G06N3/12(2006.01)权利要求书2页说明书8页附图2页(54)发明名称基于遗传算法的电池参数标定方法、系统及设备(57)摘要本发明涉及电池技术领域，其实施方式提供了一种基于遗传算法的电池参数标定方法，所述标定方法包括：基于与辨识参数相关的试验数据，构建包括所述试验数据和所述辨识参数的电池仿真模型；根据所述电池的老化程度确定所述电池仿真模型的适应度函数和所述辨识参数的初始范围；采用自适应遗传算法确定所述辨识参数的最优解，将所述最优解作为所述电池的标定参数。同时还提供了一种对应的基于遗传算法的电池参数标定系统及设备。本发明的实施方式用于快速准确地标定电池的参数。CN112214862ACN112214862A权利要求书1/2页1.一种基于遗传算法的电池参数标定方法，其特征在于，所述标定方法包括：基于与辨识参数相关的试验数据，构建包括所述试验数据和所述辨识参数的电池仿真模型；根据所述电池的老化程度确定所述电池仿真模型的适应度函数和所述辨识参数的初始范围；采用自适应遗传算法确定所述辨识参数的最优解，将所述最优解作为所述电池的标定参数。2.根据权利要求1所述的标定方法，其特征在于，所述辨识参数包括：所述电池的热容、热阻和内阻。3.根据权利要求1所述的标定方法，其特征在于，所述电池仿真模型包括：2单位时间的生热量Q＝I×(R+R1)散热量电池实时温度：其中，Q为当前单位时间的生热量，I为当前单位时间的电流值，R为内阻，R1为电气连接件电阻值，Tcell为电池实时温度，TTcoolant为当前冷却液的温度，Tamb为当前环境温度，Rth1为所述电池与环境之间的热阻，Rth2为所述电池与冷却液之间的热阻，Cth为所述电池的热容，m为所述电池的质量。4.根据权利要求1所述的标定方法，其特征在于，根据所述电池的老化程度确定所述电池仿真模型的适应度函数，包括：基于所述电池的老化程度确定第一适应度函数对应的权重和第二适应度函数对应的权重；所述适应度函数为所述第一适应度函数和所述第二适应度函数的加权和；其中所述第一适应度函数为适用于新电池的适应度函数，所述第二适应度函数为适用于老化后电池的适应度函数。5.根据权利要求4所述的标定方法，其特征在于，所述适应度函数为：其中，y为模型测试的参数，包含电流、电压和温度，n为电池试验测量参数的个数，ysimu(i)为新电池的仿真结果，ysimu(j)老化后电池的仿真结果，ytest(i)及ytest(j)分别为新电池及老化后电池的试验测试结果；μ1、μ2分别为赋予新电池及老化后电池的适应度函数的权重，且μ1+μ2＝1。6.根据权利要求1所述的标定方法，其特征在于，根据所述电池的老化程度确定所述辨识参数的初始范围，包括：以所述电池在新电池状态下的辨识参数的范围，乘以所述老化程度对应的修正系数，得到所述辨识参数的初始范围。7.根据权利要求1所述的标定方法，其特征在于，所述自适应遗传算法中的遗传策略包括：自适应交叉、自适应选择及自适应变异；2CN112214862A权利要求书2/2页其中，自适应交叉概率计算公式如下：其中，Pc为交叉概率，fmax为每代最大的适应值，favg为每代适应度的平均值，f为要交叉个体的适应度值，k1、k2为常数，用于改变遗传算法中种群交叉的概率；自适应变异概率计算公式如下：其中：Pm为变异概率，为突变的初始化值；t0为自适应遗传算法群体起始时间，t为自适应遗传算法群体进化时间，tmax为自适应遗传算法群体终止时间；自适应变异选择计算公式如下：其中：Pi为选择概率；fi为种群中个体的适应度值，i取值为1到M，M为种群规模。8.根据权利要求7所述的标定方法，其特征在于，所述自适应遗传算法的迭代终止判定的条件包括：种群迭代达到预设的次数，或所述种群的适应度值小于预设阈值。9.一种基于遗传算法的电池参数标定系统，其特征在于，所述标定系统包括：控制模块，用于基于与辨识参数相关的试验数据和电池仿真模型，根据权利要求1至8中任一项权利要求所述的标定方法，获得所述电池的标定参数。10.一种基于遗传算法的电池参数标定设备，其特征在于，包括：至少一个处理器；存储器，与所述至少一个处理器连接；其中，所述存储器存储有能被所述至少一个处理器执行