基于改进猫群算法的动力锂电池模型参数辨识

摘要

为最大限度延长锂电池寿命、保证电池安全性，提高电池模型参数辨识的精确度非常重要。在传统二阶RC等效电路模型的基础上，探讨了猫群算法的改进策略，并将其应用于锂电池的模型参数辨识。首先得到等效电路模型的时域响应表达式，在猫群算法的基础上引入Logistic混沌映射增强初始猫群多样性，利用Lévy飞行扩大搜索范围，并采取自适应惯性权重来提高全局搜索能力；然后进行电池脉冲充放电实验，获取OCV-SOC曲线的拟合系数，并结合以上数据，利用改进后的猫群算法进行参数辨识；最后利用MATLAB/Simulink搭建电池等效电路模型对参数辨识结果进行仿真，并对辨识得到的模型参数进行敏感度分析。实验结果表明，改进猫群算法仿真得到的电压相较于粒子群算法，最大绝对误差降低了25.9%，均方根误差降低了40.4%。改进猫群算法可有效提高参数辨识的准确度和电池模型精确度，具有很好的实用性。

关键词

锂电池 / 改进猫群算法 / 参数辨识 / 二阶RC等效电路模型