基于ARX模型的锂离子电池荷电状态在线估算

准确估计锂电池荷电状态(state-of-charge,So C)是电源管理系统的核心技术问题之一。针对锂离子电池等效电路模型参数难以获取这一关键问题,该文采用自回归各态历经(autoregressive exogenous,ARX)模型建立锂电池等效模型,由基于赤池信息量准则的遗传算法确定ARX模型的阶数,采用递推最小二乘法获取模型系数;然后利用得到的模型系数和锂电池状态方程构造自适应卡尔曼滤波(adaptive Kalman filter,AKF)算法所需方程,再由卡尔曼迭代方程求出锂电池SoC,文中将这种估计锂电池SoC的方法称为ARX-AKF算法。最后,通过多组对比实验,验证了该算法的有效性和准确性。实验结果表明:在混合动力脉冲能力特性实验和美国城市循环工况下,采用该算法的锂电池SoC估计误差分别在0.5%和0.8%以内,从而证实了该算法具有一定的工程应用价值。     

带密度加权的自适应遗传算法

为了改善传统自适应遗传算法收敛速度慢、易陷入局部最优解的情况,提出了带密度加权的自适应遗传算法. 该算法基于种群的分布密度,动态调整遗传算法的交叉概率和变异概率,并且在算法中使用了保留最佳个体法. 实验结果表明：该算法在破坏种群局部稳定性、跳出局部极值的同时,又能以较快的速度收敛于全局最优,提高了算法的实用性和鲁棒性.