(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 202110370086.7 (22)申请日 2021.04.02 (65)同一申请的已公布的文献号 申请公布号 CN 113111579 A (43)申请公布日 2021.07.13 (73)专利权人 华北电力大 学 （保定） 地址 071003 河北省保定市莲池区永华北 大街619号 (72)发明人 余洋　陈东阳　 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01R 31/378(2019.01)G01R 31/367(2019.01) (56)对比文件 CN 112415391 A,2021.02.26 CN 111177925 A,2020.0 5.19 CN 112345939 A,2021.02.09 CN 112529685 A,2021.0 3.19 CN 111308363 A,2020.0 6.19 CN 110208704 A,2019.09.0 6 审查员 黄云雪 (54)发明名称 一种自适应天牛须优化神经网络的锂电池 等效电路模型参数辨识方法 (57)摘要 本发明公开了一种自适应天牛须优化神经 网络的锂电池等效电路模型参数辨识方法。 它包 括以下步骤： (1)根据锂离子电池的二阶PNGV等 效电路模型， 确定出待辨识的参数， 进一步根据 基尔霍夫定律得到端电压计算公式； (2)利用电 池混合脉冲功率特性测试方法对锂电池进行充 放电试验， 得到响应曲线， 并计算不同荷电状态 下等效电路模型的参数， 包括开路电压、 电池内 阻、 电化学极化电阻、 电化学极化电容、 浓度差极 化电阻、 浓度差极化电容； (3)对等效电路模型参 数数据进行归一化处理， 得到神经网络训练所需 要的输入输出数据集； (4)构建锂离子电池的神 经网络辨识系统； (5)确定自适应天牛须算法的 适应度函数， 并利用自适应天牛须算法获取网络 的最优初始权值和阈值； (6)对天牛须优化的神 经网络辨识系统进行训练， 建立锂离子电池参数 辨识器， 用于辨识锂离子电池的等效电路模型参数， 进而计算锂离子电池的端电压。 本发明考虑 了锂离子电池的非线性特征， 利用自适应天牛须 优化的神经网络， 能够 有效地对锂电池等效电路 模型参数进行辨识， 可以缩短神经网络训练所需 的迭代次数， 并且提高了锂离子电池等效电路模 型的精度。 权利要求书1页 说明书7页 附图4页 CN 113111579 B 2022.09.09 CN 113111579 B 1.一种自适应天牛须优化神经网络的锂电池等效电路模型参数辨识方法， 其特征在 于， 包括以下步骤： (1)利用电池混合脉冲功率特性测试(HPPC)方法对不同荷电状态的锂电池进行充放电 试验， 得到 响应曲线， 并计算不同荷电状态下锂电池二阶PNGV 等效电路模型的参数， 包括开 路电压、 电池内阻、 电化学极化电阻、 电化学极化电容、 浓度差极化电阻、 浓度差极化电容； (2)对电路模型参数数据值进行归一化处理， 得到神经网络训练所需要的输入输出数 据集； (3)构建锂离 子电池的BP神经网络辨识系统拓扑 结构； (4)设计自适应天牛须算法的自适应步长， 设计自适应天牛须算法寻优的适应度函数， 并利用自适应天牛 须算法获取网络的最优初始权值和阈值， 自适应步长的计算公式如下： 式中： μmax为最大步长， n 为第n次迭代， 其数值小于最大迭代次数， a和b为 步长参数； (5)对天牛须优化的神经网络辨识系统进行训练， 建立锂离子电池参数辨识器， 用于辨 识锂离子电池的二阶PNGV等效电路模型参数， 进 而计算锂离 子电池的端电压 。 2.根据权利要求1所述的一种自适应天牛须优化神经网络的锂电池等效电路模型参数 辨识方法， 其特征在于， 所述步骤(3)中锂离子电池BP神经网络辨识系统的 隐含层节 点数通 过以下公式获取： 式中： Nhid为隐含层节点数， Nsam为样本个数， Nin和Nout分别为输入层节点数和 输出层节 点数， α 为预设的可变常数， cei l为向上取整符号。 3.根据权利要求2所述的一种自适应天牛须优化神经网络的锂电池等效电路模型参数 辨识方法， 其特 征在于， 所述预设的可变常数α， 其范围为[1 ‑10]。 4.根据权利要求1  所述的一种自适应天牛须优化神经网络的锂电池等效电路模型参 数辨识方法， 其特 征在于， 所述的步长参数a为0.9， 步长参数b为1。 5.根据权利要求1所述的一种自适应天牛须优化神经网络的锂电池等效电路模型参数 辨识方法， 其特 征在于， 所述 步骤(4)中自适应天牛 须算法寻优的适应度函数为： 式中： M为等效电路模型参数个数， Nsam为样本个数， sij为第i个参数第j个样本的模型输 出值， yij为第i个参数第j个样本归一 化后的实际输出值。权　利　要　求　书 1/1 页 2 CN 113111579 B 2一种自适应天牛须优化神经 网络的锂电池等效电路模型参数 辨识方法 技术领域 [0001]本发明涉及储能技 术领域， 具体涉及锂电池等效电路参数辨识方法。 技术背景 [0002]风电、 光伏等可再生能源大规模并网， 其间歇性与不确定性的出力特性给电力系 统的频率调节带来了 极大地压力。 传统火电机组参与调频时深受响应时间长、 调节速率慢、 调节精度差等限制， 使得当前电网快速调频资源十分缺乏。 [0003]锂离子电池由于具有容量大、 工作电压高、 允许工作温度范围宽、 循环使用寿命长 以及可以达到95％以上的充放电效率等优点， 被广泛的应用于电力系统调频。 在电力系统 中， 电池单体起到的作用微乎其微， 因此建立大量电池的串并联聚合模型才能有效地应用 于电力系统。 但是研究大量电池的聚合模型必须要先对电池单体进行建模， 因此获取更加 精确单体电池等效电路模型至关重要， 是研究电池聚合模型 的前提。 现有的模型参数辨识 方法对于线性系统具有良好的分析效果， 但由于锂电池的工作特性是一个非线性系统， 因 此现有的参数辨识方法很那满足精确辨识的需求。 发明内容 [0004]本发明目的在于设计合理的锂离子电池等效电路模型参数辨识方法， 能够满足非 线性的锂离子电池精确 辨识的需求， 提高锂电池等效电路模型参数辨识的精确度。 通过自 适应天牛须优化神经网络的初始权值和阈值， 进而对网络进行训练， 建立锂离子电池参数 辨识器， 能够根据锂电池当前的荷电状态(state  of charge， SOC)确定其等效电路模型的 各个参数， 进 而得到电池的端电压 。 最后通过仿真验证该 策略的有效性。 [0005]本发明采用技术方案： 一种自适应天牛须优化神经网络的锂电池等效电路模型参 数辨识方法， 其包括 步骤： [0006](1)利用混合脉冲功率特性测试(H ybrid Pulse Power Character istic， HPPC)方 法对锂电池进行充放电试验， 得到响应曲线， 并计算不同荷电状态下电池的PNGV等效电路 模型的参数， 包括开路电压、 电池内阻、 电化学极化电阻、 电化学极化电容、 浓度差极化电 阻、 浓度差极化电容 等参数； [0007](2)对电路模型参数数据值进行归一化处理， 得到神经网络训练所需要的输入输 出数据集； [0008](3)构建锂离 子电池的BP(Back  Propagation， BP)神经网络辨识系统拓扑 结构； [0009](4)设计自适应天牛须算法的自适应步长， 设计自适应天牛须算法寻优的适应度 函数， 并利用自适应天牛须搜索算法(Beetle  Antennae  Search Algorithm， BAS)获取网络 的最优初始权值和阈值； [0010](5)对天牛须优化的神经 网络辨识系统进行训练， 建立锂离子电池参数辨识器， 用 于辨识锂离 子电池的二阶PNGV等效电路模型参数， 进 而计算锂离 子电池的端电压 。说　明　书 1/7 页 3 CN 113111579 B 3