本发明涉及电池管理系统，具体为一种多目标优化电池系统内部功率分配方法。
背景技术：
1、随着可再生能源和电动汽车等领域的发展，电池储能系统在现代能源管理中的重要性日益增加。电池储能系统需要在高效、可靠和经济的前提下运行，以满足日益增长的能源需求和严格的环境要求。然而，现有技术在实现多目标优化电池系统内部功率分配方面存在诸多挑战和缺陷。
2、传统的电池管理系统通常采用简单的功率分配方法，主要依赖于预设的规则和经验值来分配各电池单元的负载。这种方法往往忽略了电池单元之间的性能差异和老化状态，无法在动态环境中进行智能调整，导致系统整体效率低下。此外，现有系统通常只关注单一优化目标，例如最小化损耗或延长电池寿命，而忽略了系统运行成本和荷电状态(soc)一致性等其他关键因素。这种单一目标优化的方法难以平衡多重目标之间的关系，无法实现电池系统的综合优化。
3、在实际应用中，电池单元的老化和性能衰减是一个不可避免的问题。由于电池单元的制造工艺和使用环境不同，各单元的老化速率和性能退化程度存在差异。如果不考虑这些差异进行功率分配，某些电池单元可能会过度充放电，加速其老化过程，最终导致整个电池系统的寿命缩短。此外，传统的功率分配策略未能充分利用实时数据进行动态调整，无法适应负载变化和环境波动，导致系统稳定性和可靠性不足。
技术实现思路
1、针对现有技术的不足，本发明提供了一种多目标优化电池系统内部功率分配方法，解决了如何在电池系统中通过动态优化功率分配，提高系统效率、延长电池寿命并降低运行成本的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种多目标优化电池系统内部功率分配方法，包括以下步骤：
3、建立电池单元的电化学模型，描述单元电压vi、电流ii和内阻r之间的关系：
4、vi＝e0,i-ii·(rohm,i+ract,i+rconc,i)
5、其中，vi是第i个电池单元的电压，e0,i是开路电压，ii是电流，rohm,i是欧姆阻抗，ract,i是电化学极化阻抗，rconc,i是浓差极化阻抗；
6、定义总功率ptotal和各单元功率pi的关系：
7、
8、pi＝vi·ii
9、其中，ptotal是系统的总功率，pi是第i个电池单元的功率；
10、设置优化目标，包括最小化运行成本、损耗率和维持soc一致性：
11、
12、其中，c是总成本，ci是第i个单元的单位功率成本；
13、
14、其中，l是损耗率，ii是第i个单元的电流；
15、s＝var(soc1,soc2,…,socn)
16、其中，s是soc一致性，soci是第i个单元的荷电状态，i＝1,2,…,n；
17、采用非支配排序遗传算法进行优化，包括初始化种群、适应度评估、选择、交叉与变异、非支配排序和拥挤距离计算；
18、根据优化结果动态调整电池单元的功率分配。
19、优选的，所述电池单元的开路电压e0,i由以下公式确定：
20、
21、其中，e0是标准电极电位，r是气体常数，t是绝对温度，n是电子转移数，f是法拉第常数，[h+]、[vo2]、[h2o]是电解液中离子的浓度。
22、优选的，所述电池单元的功率分配模型考虑温度影响：
23、
24、其中，t是当前温度，tref是参考温度，α是温度系数。
25、优选的，所述采用非支配排序遗传算法进行优化，包括初始化种群、适应度评估、选择、交叉与变异、非支配排序和拥挤距离计算的步骤包括：
26、随机生成n个初始解，每个解表示为功率分配向量p＝(p1,p2,…,pn)；
27、根据成本、损耗率和soc一致性计算每个个体的适应度；
28、采用锦标赛选择法选择用于交叉和变异的个体；
29、采用模拟二进制交叉生成新解；
30、使用多项式变异操作生成新解；
31、对种群进行非支配排序，计算每个解的拥挤距离，选择最优解集。
32、优选的，所述适应度评估包括：计算成本c、损耗率l和soc一致性s，并根据成本、损耗率和soc一致性计算每个个体的适应度：适应度＝(c,l,s)。
33、优选的，所述选择操作包括以下步骤：
34、从当前种群中选择两个个体进行对比；
35、比较两个个体的适应度，选择适应度较高的个体进入下一代。
36、优选的，所述交叉操作采用模拟二进制交叉(sbx)生成新解，步骤如下：
37、从父代个体中选择两个个体pparent1和pparent2；
38、根据以下公式生成新的子代个体pnew：pnew＝0.5(pparent1+pparent2)。
39、优选的，所述变异操作使用多项式变异操作，步骤如下：
40、对于每个个体pi，根据以下公式生成新的个体：
41、
42、其中，δ是一个随机扰动因子，和分别是第i个单元的最大和最小功率值。
43、优选的，所述非支配排序步骤包括以下子步骤：
44、对种群中的所有个体进行非支配排序，生成不同的pareto前沿；
45、计算每个个体的拥挤距离，用于衡量个体在目标空间中的分布；
46、根据非支配排序结果和拥挤距离选择最优解集。
47、本发明还提供一种多目标优化电池系统内部功率分配装置，包括：
48、数据采集模块，用于采集电池单元的电压、电流、soc和温度数据；
49、优化计算模块，用于执行所述的方法，进行功率分配优化；
50、控制模块，用于根据优化计算模块的输出，动态调整各电池单元的功率分配；
51、通信模块，用于与外部监控系统和用户接口进行数据交互。
52、本发明提供了一种多目标优化电池系统内部功率分配方法。具备以下有益效果：
53、1、本发明通过精确的电化学模型和优化的功率分配策略，确保每个电池单元都在其最佳效率点运行。这不仅提高了整个系统的能效，还显著减少了能源的总消耗。通过最小化电池单元的损耗率和优化其充放电周期，可以更有效地使用电能，减少浪费。
54、2、本发明的优化算法中包括维持各电池单元soc(荷电状态)一致性的目标，这有助于均匀电池的老化过程。通过均衡各单元的负载和充放电周期，可以避免单个电池单元过度使用而加速老化，从而延长整个电池系统的使用寿命。
55、3、本发明通过优化电池的运行参数和动态调整功率分配，有效地降低了运行过程中的能量损耗和潜在的维护需求。减少能量损耗直接降低了能源成本，而电池寿命的延长则减少了更换和维护的频率，从而降低了长期运行的总成本。
56、4、本发明采用非支配排序遗传算法来处理多目标优化问题，能够有效找到在成本、损耗率和soc一致性之间的最优平衡点。这种方法提供了更高的适应性，能够根据实际运行条件和环境变化动态调整功率分配策略，增强了整个电池系统的稳定性和可靠性。
1.一种多目标优化电池系统内部功率分配方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述电池单元的开路电压e0,i由以下公式确定：
3.根据权利要求1所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述电池单元的功率分配模型考虑温度影响：
4.根据权利要求1所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述采用非支配排序遗传算法进行优化，包括初始化种群、适应度评估、选择、交叉与变异、非支配排序和拥挤距离计算的步骤包括：
5.根据权利要求4所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述适应度评估包括：计算成本c、损耗率l和soc一致性s，并根据成本、损耗率和soc一致性计算每个个体的适应度：适应度＝(c,l,s)。
6.根据权利要求4所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述选择操作包括以下步骤：
7.根据权利要求4所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述交叉操作采用模拟二进制交叉(sbx)生成新解，步骤如下：
8.根据权利要求4所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述变异操作使用多项式变异操作，步骤如下：
9.根据权利要求4所述的一种多目标优化电池系统内部功率分配方法，其特征在于，所述非支配排序步骤包括以下子步骤：
10.一种多目标优化电池系统内部功率分配装置，其特征在于，包括：
