基于IALO算法的蓄電池參數(shù)辨識

吳忠強(qiáng)，王國勇，謝宗奎，盧雪琴，何怡林

(燕山大學(xué) 河北省工業(yè)計(jì)算機(jī)控制工程重點(diǎn)實(shí)驗(yàn)室，河北 秦皇島 066004)

1 引 言

隨著能源危機(jī)的日益加重，新能源汽車代替燃油汽車成為各國可持續(xù)發(fā)展的重要舉措。相對于傳統(tǒng)汽車,電動汽車在能量補(bǔ)給速度方面存在一定的劣勢，因此動力電池充放電成為制約電動汽車推廣的關(guān)鍵因素。動力電池模型的建立以及模型參數(shù)的精確辨識是對電池電量進(jìn)行高效利用和優(yōu)化控制的前提[1～3]。

蓄電池模型是研究蓄電池充放電性能的主要載體。常用的蓄電池模型主要有等效電路模型和電化學(xué)模型[4]。電化學(xué)模型主要研究動力電池內(nèi)部電化學(xué)反應(yīng)過程，是一種精確的電池模型，由于計(jì)算復(fù)雜，僅適用于理論研究[5]；等效電路模型是目前應(yīng)用最廣泛的電池模型，由電池內(nèi)阻、極化電容和電壓源等理想電路元件組成，采用線性變參數(shù)方法(linear parameter varying, LPV)來模擬蓄電池的非線性工作特性[6]。等效電路模型精度略低于電化學(xué)模型，但相比電化學(xué)模型具有參數(shù)少、計(jì)算簡單、便于實(shí)時估計(jì)等優(yōu)點(diǎn)[7]。目前，常用的等效電路模型有Rint模型、RC模型、PNGV模型和Thevenin模型等。Thevenin模型具有更好的動態(tài)適應(yīng)性，可以很好地模擬電池的動態(tài)特性且結(jié)構(gòu)簡單[8]，在蓄電池的建模及荷電狀態(tài)(SOC)估計(jì)中的應(yīng)用也最廣泛[9]。

目前，常用的等效電路模型參數(shù)辨識方法有最小二乘法，遺傳算法，粒子群優(yōu)化(particle swarm optimization, PSO)算法等。文獻(xiàn)[10,11]采用最小二乘法對電池等效電路模型中各元件參數(shù)進(jìn)行辨識。……