基于IALO算法的蓄电池参数辨识
Parameter Identification of Battery Based on IALO Algorithm作者机构:燕山大学河北省工业计算机控制工程重点实验室河北秦皇岛066004
出 版 物:《计量学报》 (Acta Metrologica Sinica)
年 卷 期:2021年第42卷第9期
页 面:1206-1213页
学科分类:08[工学] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器]
主 题:计量学 蓄电池 参数辨识 改进蚁狮优化算法 自适应权重 随机柯西变异 精英反向学习
摘 要:合理的等效电路模型及准确的模型参数对蓄电池荷电状态(SOC)的准确估计具有重要影响。针对蓄电池三阶Thevenin等效电路模型,基于改进蚁狮优化算法,提出了一种模型参数辨识方法。引入混沌Logistic映射初始化,使初始化群体遍及解空间,有利于寻找全局最优解;引入自适应惯性权重加随机柯西变异策略,有效提高了算法收敛速度;引入精英反向学习策略,有效提高了群体的多样性,避免算法陷入局部最优解。5个测试函数的测试结果表明:相比于蚁狮优化算法、粒子群算法与樽海鞘优化算法,改进蚁狮优化算法收敛速度更快,精度更高。对蓄电池三阶Thevenin等效电路模型进行参数辨识,结果表明:改进蚁狮优化算法相比蚁狮优化算法具有更高的辨识精度。