摘要
本发明涉及电池SOP预测技术领域,且公开了一种基于电化学模型的电池SOP快速预测方法,包括以下步骤,将P2D模型简化为e‑SPM模型,并与热模型耦合得到电热耦合模型,通过变尺度的多目标灰狼优化算法分别辨识电热耦合模型的热参数和电化学参数,使用无迹卡尔曼滤波作为电化学模型的状态观测器,观测电池的内部和外部的状态;该方法通过一种变尺度的多目标灰狼优化算法,快速地辨识了21个电化学模型参数,通过在寻优过程中的改变输入辨识尺度的策略,避免了在寻优过程中出现的不收敛问题;通过一种多目标的策略,通过权重选择各类工况的适应度值的占比,避免了参数辨识中的过拟合问题。
技术关键词
灰狼优化算法
单体电池
固相体积分数
无迹卡尔曼滤波
电池正负极
电热
表达式
电解质
状态观测器
电压
电流
工况
时间段
功率
参数
误差
负极电极
离线
系统为您推荐了相关专利信息
单体充电电池
并联充电模块
并联电池
充电电源
充电系统
转移概率矩阵
多模型方法
协方差矩阵
无迹卡尔曼滤波
IMM算法
鲜烟叶成熟度
烟叶图像
识别方法
灰狼优化算法
大田环境
电力变压器故障
传感器
灰狼优化算法
支持向量机模型
识别方法
电池组管理
电池管理系统
融合特征
数据
单体电池容量