1.一种基于双步在线智能优化算法动力电池峰值功率估计方法,其特征在于:
步骤一,初始化第一步智能优化算法和第二步智能优化算法的类型和运行环境参数;
步骤二,定义第一步智能优化算法的第一优化变量、第一优化变量边界以及第一优化目标函数J1;
步骤三,基于第一步智能优化算法类型,在所述第一优化变量边界中寻找使得第一优化目标函数J1最大化的第一优化变量值,解得所述第一优化变量值所对应的J1值即为下一时刻动力电池的最大放电功率;
步骤四,定义第二步智能优化算法的第二优化变量、第二优化变量边界以及第二优化目标函数J2;
步骤五,基于第二步智能优化算法类型,在所述第二优化变量边界中寻找使得第二优化目标函数J2最小化的第二优化变量值,解得所述第二优化变量值所对应的J2值即下一时刻动力电池的最小充电功率;
步骤六,计算动力电池组的充放电峰值功率。
2.如权利要求1所述的方法,其特征在于:所述步骤二中第一优化变量是动力电池下一时刻允许的最大放电功率所对应的最大放电电流值第一优化变量边界设置为[0,Imax],Imax为最大放电电流。
3.如权利要求1所述的方法,其特征在于:所述步骤四中第二优化变量是动力电池下一时刻允许的最小充电功率所对应的最小充电电流值第二优化变量边界设置为[Imin,0],Imin为最小充电电流。
4.一种基于双步在线智能优化算法动力电池峰值功率估计方法,其特征在于:
第a步,设置所述电池峰值功率估计的持续时间参数ΔT;初始化动力电池极限工作状态的限制条件,包括最大放电电流和最小充电电流;
第b步,采集并记录时刻k动力电池的电流值;
第c步,估计当前时刻k的动力电池的SoC值;
第d步,辨识获取时刻k动力电池一阶RC等效电路模型参数;
第e步,基于上述等效电路模型,执行如权利要求1至3所述的方法;
第f步,进入下一时刻k=k+1,返回至第b步。
5.如权利要求4所述的方法,其特征在于:所述动力电池极限工作状态的限制条件还包含充电上截止电压Umax,放电下截止电压Umin、SoC最大限值zmax和SoC最小限制zmin中的至少一个。
6.如权利要求2-4任一项所述的方法,其特征在于第一优化目标函数J1表达式为:
M1和M2为惩罚因子,Umin为放电下截止电压,zmin为SoC最小限值,为动力电池在k+1时刻输出时的端电压,为动力电池在k+1时刻的SoC值。
7.如权利要求2-4任一项所述的方法,其特征在于第二优化目标函数J2表达式为:
M3和M4为惩罚因子,Umax为充电上截止电压,zmax为SoC最大限值,为动力电池在k+1时刻输出时的端电压,为动力电池在k+1时刻的SoC值。