非线性步长优化算法

该算法能够在参数辨识进程中避免局部最优并提高效率，为储能电池状态的长期在线估计提供支撑。

Xiong, Ran · 王顺利 · 于春梅 · Fernandez, Carlos · Xiao, Wei · Jia, Jun

Journal of Energy Storage 2023

具体参数

长期SOH估计RMSE
{'zh': '0.42', 'en': '0.42'} %
长期SOH估计MAE
{'zh': '0.34', 'en': '0.34'} %
长期SOH估计MAPE
{'zh': '0.38', 'en': '0.38'}
长期SOH估计RMSE
{'zh': '0.33', 'en': '0.33'} %
长期SOH估计MAE
{'zh': '0.26', 'en': '0.26'} %
长期SOH估计MAPE
{'zh': '0.29', 'en': '0.29'}

技术优势

避开局部最优

非线性递减步长细菌觅食优化改进了参数辨识过程，避免陷入局部最优。

识别效率更高

该算法在提高识别效率的同时，保障了参数辨识的可靠性。

在线估计长期SOH

结合电池单粒子模型，能够在线估计锂离子电池的长期健康状态。

多维误差指标验证

在两种工况下均报告了RMSE、MAE和MAPE，验证了估计精度。

应用场景