工業(yè)大數(shù)據(jù)與人工智能HFUT12第六章

工業(yè)中的智能優(yōu)化方法

剩余電量估計(jì)問題概述6.4電池剩余電量估計(jì)問題剩余電量估計(jì)的基本方法剩余電量估計(jì)中的智能優(yōu)化算法差分進(jìn)化算法算法在剩余電量估計(jì)中的應(yīng)用3電池剩余電量估計(jì)問題鋰離子電池在當(dāng)今電動(dòng)汽車技術(shù)中占據(jù)核心地位。設(shè)計(jì)一套性能可靠的電池管理系統(tǒng)（BatteryManagementSystem,BMS）是一項(xiàng)艱巨挑戰(zhàn)。其中，電池荷電狀態(tài)(StateofCharge,SOC)作為BMS不可或缺的功能模塊，衡量了電池當(dāng)前可用容量與其額定容量的比例，對于掌控電池能量使用、確保電池不過充過放至關(guān)重要。4電池剩余電量估計(jì)問題由于動(dòng)力電池內(nèi)部復(fù)雜的化學(xué)反應(yīng)機(jī)制以及外部因素如車輛行駛過程中的急停、溫度急劇變化以及外部環(huán)境干擾，致使電池實(shí)際監(jiān)測數(shù)據(jù)體現(xiàn)出強(qiáng)烈的耦合性和非線性特性，大大增加了精確估算SOC的難度。因此，實(shí)現(xiàn)對SOC的精確估計(jì)具有極其重大的實(shí)踐價(jià)值和實(shí)際意義。5剩余電量估計(jì)問題概述SOC估計(jì)過程中存在的關(guān)鍵技術(shù)難點(diǎn)可以歸結(jié)為以下三個(gè)方面：（1）電池具有高度非線性、多空間時(shí)間尺度老化等特性，難以建立能夠準(zhǔn)確反映其運(yùn)行狀態(tài)的模型；（2）影響SOC估計(jì)精度的內(nèi)外部因素很多，外部因素如環(huán)境溫度、電流突變等，內(nèi)部因素有循環(huán)次數(shù)、自發(fā)熱情況、老化狀態(tài)等；（3）估計(jì)過程中傳感器的精度、噪聲誤差、算法優(yōu)劣等會(huì)直接影響估計(jì)的收斂速度和準(zhǔn)確性。6剩余電量估計(jì)的基本方法SOC是為了研究動(dòng)力鋰電池電量狀態(tài)而特意給的一個(gè)數(shù)學(xué)定義，因研究角度不同而標(biāo)準(zhǔn)不一。常用的定義法如下式所示。式中CR是當(dāng)前電池剩余容量，CN表示電池出廠時(shí)設(shè)定的額定容量，則代表工作期間累計(jì)總共放出的電量。7剩余電量估計(jì)的基本方法SOC不是一個(gè)顯性變量，并不可以通過監(jiān)控設(shè)備直接被測量。因此需要通過一些間接的估計(jì)策略來獲取其值。目前最為普遍的有安時(shí)積分法、開路電壓法、內(nèi)阻法、數(shù)據(jù)驅(qū)動(dòng)法和基于模型的方法等。8剩余電量估計(jì)的基本方法安時(shí)積分法（CoulombCountingMethod）：通過對電池充放電過程中的電流進(jìn)行積分來估算SOC。具體來說，SOC可以表示為初始SOC減去放電電流的積分或加上充電電流的積分：其中，

為電池在時(shí)間

時(shí)的電流，Cnom為電池的額定容量。9剩余電量估計(jì)的基本方法開路電壓法（Open-CircuitVoltageMethod,OCV）基于電池的開路電壓與SOC之間的關(guān)系。在電池靜止一段時(shí)間后，其端電壓趨于穩(wěn)定，此時(shí)的電壓稱為開路電壓，開路電壓與SOC之間存在一定的函數(shù)關(guān)系：10剩余電量估計(jì)的基本方法內(nèi)阻法（InternalResistanceMethod）通過測量電池的內(nèi)阻來估計(jì)SOC。電池的內(nèi)阻會(huì)隨著SOC的變化而變化，因此可以利用內(nèi)阻與SOC之間的關(guān)系來進(jìn)行估計(jì)：其中，Rint表示電池內(nèi)阻。11剩余電量估計(jì)的基本方法數(shù)據(jù)驅(qū)動(dòng)法（Data-DrivenMethods）通過機(jī)器學(xué)習(xí)和統(tǒng)計(jì)分析等技術(shù)，利用大量實(shí)驗(yàn)數(shù)據(jù)來訓(xùn)練模型，從而實(shí)現(xiàn)SOC的估計(jì)。常見的數(shù)據(jù)驅(qū)動(dòng)方法包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、決策樹等。12剩余電量估計(jì)的基本方法基于模型的方法（Model-BasedMethods）通過建立電池的數(shù)學(xué)模型，結(jié)合電池的電壓、電流、溫度等實(shí)時(shí)測量數(shù)據(jù)，利用狀態(tài)估計(jì)算法（如卡爾曼濾波、擴(kuò)展卡爾曼濾波、粒子濾波等）來估算SOC。常見的模型包括等效電路模型、熱力學(xué)模型、動(dòng)力學(xué)模型等。13差分進(jìn)化算法在剩余電量估計(jì)中的應(yīng)用結(jié)合差分進(jìn)化算法和改進(jìn)的支持向量機(jī)回歸（improveSupportVectorRegression,imSVM）算法，用于優(yōu)化超參數(shù)并構(gòu)建imSVR模型從而對電池剩余電量進(jìn)行估計(jì)預(yù)測。一組電池訓(xùn)練樣本經(jīng)過加權(quán)核函數(shù)之后經(jīng)過加權(quán)特征提取后，需要對超參數(shù)進(jìn)行優(yōu)化，優(yōu)化過程使用差分進(jìn)化算法進(jìn)行參數(shù)自動(dòng)優(yōu)選。下面主要介紹差分進(jìn)化算法對超參數(shù)進(jìn)行優(yōu)化的步驟。14差分進(jìn)化算法在剩余電量估計(jì)中的應(yīng)用（1）隨機(jī)生成M個(gè)個(gè)體，其中每個(gè)個(gè)體包含n個(gè)特征，本小節(jié)中n=6，包括改進(jìn)支持向量回歸模型的2個(gè)超參數(shù)和4個(gè)加權(quán)參數(shù)，作為初代種群。第t代的種群表示為：15差分進(jìn)化算法在剩余電量估計(jì)中的應(yīng)用（2）變異：使用差分策略進(jìn)行個(gè)體突變，即在第t代種群中隨機(jī)選擇3個(gè)相異的向量使用差分策略：式中，F(xiàn)為縮放因子，取值介于0-1，本小節(jié)取0.6。為目標(biāo)向量，

為差分向量。

和

為常量且

。16差分進(jìn)化算法在剩余電量估計(jì)中的應(yīng)用（3）交叉：使用二項(xiàng)式交叉方式重組向量，將變異個(gè)體與當(dāng)前種群的個(gè)體進(jìn)行交叉：

為

個(gè)體的第j個(gè)基因。rand為0-1之間的隨機(jī)數(shù)，cr為交叉控制算子，cr越大表示交叉發(fā)生的概率越大。jrand為1-n維度的隨機(jī)數(shù)，保證交叉操作是有效的。17差分進(jìn)化算法在剩余電量估計(jì)中的應(yīng)用（4）選擇：若試驗(yàn)向量能獲得更