[發明專利]一種實現鋰電池組荷電狀態估計的方法

有效

• 申請號: 201710541965.5
• 申請日: 2017-07-05
• 公開（公告）號: CN107132490B
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 鄭明魁;吳蘭花;楊秀芝;蘇凱雄
• 申請（專利權）人: 福州大學
• 主分類號: G01R31/382
• 分類號: G01R31/382
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種實現鋰電池組荷電狀態估計的方法，其特征在于：包括如下步驟，

步驟S1：從電池完整放電過程中選取300個樣本數據作為訓練數據集，每個樣本數據包括工作電壓、電流以及實際放電量；

步驟S2：對所述樣本數據做[0,1]歸一化處理；

步驟S3：在3折交叉驗證下，采用粒子群優化算法實現支持向量機預測模型最佳參數組合的自適應搜索；

步驟S4：在所述訓練數據集上利用最佳參數組合完成支持向量機訓練，建立支持向量機預測模型；

步驟S5：采集當前電池工作電壓、電流，輸入支持向量機預測模型，預測當前電池放電量，并通過荷電狀態公式：計算得到當前時刻電池的SOC；其中，C_n即電池額定容量；C_r表示的是電池當前的剩余電量，等于額定容量與放電量的差值；

所述步驟S3中的支持向量機預測模型最佳參數組合的自適應搜索以及所述步驟S4中的支持向量機預測模型建模均是離線進行的，所述步驟S5中當前電池放電量的預測和SOC計算是在線實時進行的，參數的搜索過程不會影響到SOC估計的實時性；

所述步驟S3中，3折交叉驗證過程為：將訓練數據集均分互斥為3個子集，將其中的每一個子集分別做一次測試集，其余2個子集做訓練集，統計3個測試集上預測的均方誤差，并將3個誤差的均值記為3折交叉驗證下模型的預測準確度；

所述步驟S3中，采用粒子群優化算法實現支持向量機預測模型最佳參數組合的自適應搜索過程中，所述支持向量機預測模型的核函數為RBF核函數，即高斯核函數為：

所述支持向量機預測模型的參數包括：不敏感損失參數ε＝0.01，把懲罰參數c和核參數g看作一個組合優化問題，采用粒子群優化算法實現參數組合(c,g)的自適應選擇；

粒子群優化算法實現參數組合(c,g)的自適應選擇過程如下：

步驟S31：初始化，進行粒子群參數：種群個數size＝20、最大迭代次數為100，根據參數產生初始粒子群{(c₁,g₁),…,(c_size,g_size)}，初始粒子速度{(v₁,v₂),…,(v_size,v_size)}；

步驟S32：計算適應度：對每一個粒子個體(c,g)，在訓練集上進行3折交叉驗證方式下的回歸訓練，將輸出的回歸均方誤差作為對應粒子個體的適應度值，記錄粒子個體的個體極值和群體極值，也稱為全局極值；

步驟S33：對每一個粒子按照速度更新方程和粒子更新方程，完成對粒子個體值以及速度的更新，從而使粒子群體得到更新；

步驟S34：計算更新后的每一個粒子個體的適應度值，根據適應度值的大小，確定當前個體極值以及群體極值，即當前最優解；

步驟S35：判斷是否滿足最大迭代次數或者預定誤差，如果滿足條件，則輸出當前的群體極值點，即全局極值點(bestc,bestg)，否則返回步驟S33。