(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110044991.3 (22)申请日 2021.01.13 (65)同一申请的已公布的文献号 申请公布号 CN 112883632 A (43)申请公布日 2021.06.01 (73)专利权人 合肥工业大 学 地址 230009 安徽省合肥市包河区屯溪路 193号 (72)发明人 陈波　黄凯成　沈道贤　肖洒　 朱坤　储昭碧　 (74)专利代理 机构 合肥市上嘉专利代理事务所 (普通合伙) 34125 专利代理师 郭华俊 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/00(2006.01) G06N 3/12(2006.01) G01R 31/367(2019.01) G06F 111/06(2020.01) 审查员 李换 (54)发明名称 一种基于改进蚁群算法的锂电池等效电路 模型参数辨识方法 (57)摘要 本发明公开了一种基于改进蚁群算法的锂 电池等效电路模 型参数辨识方法， 属于电气工程 领域。 包括： 搭建锂电池等效电路模型； 引入改进 蚁群算法进行参数辨识， 提出一种可靠的蚁群算 法双信息素浓度计算指标与有效防止局部最优 解的路径选择方法； 最后， 通过仿真实验对参数 辨识结果精度进行验证。 本发明解决了锂电池等 效电路模型参数辨识精度不高的问题， 提出了一 种切实有效适用性强的锂电池等效模型参数辨 识方法。 权利要求书2页 说明书7页 附图3页 CN 112883632 B 2022.12.02 CN 112883632 B 1.一种基于改进蚁群算法的锂电池等效电路模型参数辨识方法， 其特征在于， 在电脑 中存有如下逻辑 运算模块： 参数辨识的模块； 取值范围优化方法的模块； 计算指标的模块； 路径选择 方法的模块； 将锂电池脉冲放电实验数据依次经过上述模块的运算处理， 最终辨识获得锂电池等效 模型的参数； 其中， 参数辨识的模块， 是采用改进蚁群算法对锂电池等效模型进行参数辨识； 具体包 括： S101、 初始化操作； S102、 根据自适应遗传算法的计算结果， 设定改进蚁群算法各待辨识参数的取值范围； S103、 以端电压误差平方和作为改进蚁群算法计算指标计算每条路径的信息素浓度， 求得局部最优路径对应值VJ(i)； 其公式为： 其中， i代表第i次脉冲放电， n为脉冲放电次数上限， 为20， VSm(i)为m路径第i次脉冲放 电时的端电压模型值， VTm(i)为m路径第i次脉冲放电时的端电压真实值， VJm(i)为m路径第i 次脉冲放电对应时的端电压误差平方和， 其值越小， 浓度越大， 之后蚂蚁走该路径的概率越 大， 路径越 优， VJ(i)为最优路径对应值； S104、 将改进 蚁群算法的信息素浓度计算指标变更为最大端电压误差平方和与端电压 平方和之差； 其公式为： 其中， VS为各时刻端电压模型值， VT为各时刻端电压真实值， VHm(i)为m路径第i次脉冲放 电对应的最大端电压误差平方和与端电压平方和之差， 该值越 大， 浓度越大， 之后蚂蚁走该 路径的概率越大， 用以计算路径转移 概率； 路径 转移概率为蚂蚁选取某条路径的概率， 公式 为： 其中， Rm(i)为第i次脉冲放电时m的路径转移概率， VHm(i)为蚂蚁走路径m时第i次脉冲 放电时的最大端电压误差平方和与端电压平方和之差， VH为最大端电压误差平方和与各脉 冲时端电压平方和之差的和； S105、 以S104 步骤的信息素浓度计算指标为基准计算各路径的转移概 率； S106、 选择部分蚂蚁按照S103信息素浓度选择路径， 并设置另一部分蚂蚁随机选择路 径， 求得全局最优路径对应值VK(i)； 部分与另一部分是按照 和 进行划分的， 其中X指 蚂蚁个数； S107、 计算VK(i)‑VJ(i)： 如果结果 为正,则接收VJ(i)作为解的当前解； 如果结果 为负， 则接收Vk(i)作为解的当前解； S108、 若满足规定的算法终止条件则输出当前最优解作为 最终输出 结果并结束迭代，权　利　要　求　书 1/2 页 2 CN 112883632 B 2反之， 返回步骤S10 3。 2.根据权利要求1所述的一种基于改进蚁群算法的锂电池等效电路模型参数辨识方 法， 其特征在于， 取值范围优化方法的模块， 是基于蚁群算法的、 对待辨识参数的取值范围进行优化的 方法模块； 计算指标的模块， 是基于双信息素浓度的计算模块； 路径选择 方法的模块， 旨在提高搜索全局最优解。权　利　要　求　书 2/2 页 3 CN 112883632 B 3