[發(fā)明專利]一種實現(xiàn)鋰電池組荷電狀態(tài)估計的方法

有效

• 申請?zhí)枺?/td>: 201710541965.5
• 申請日: 2017-07-05
• 公開（公告）號: CN107132490B
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計）人: 鄭明魁;吳蘭花;楊秀芝;蘇凱雄
• 申請（專利權(quán)）人: 福州大學
• 主分類號: G01R31/382
• 分類號: G01R31/382
• 代理公司: 福州元創(chuàng)專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發(fā)明涉及一種實現(xiàn)鋰電池組荷電狀態(tài)估計的方法。采用支持向量機理論強大的自學習能力實現(xiàn)對大容量鋰電池的離線建模和在線狀態(tài)估計，并從選取支持向量機最佳模型參數(shù)的角度出發(fā)，采用了簡單、快速的粒子群優(yōu)化算法實現(xiàn)參數(shù)的自適應(yīng)全局搜索，縮短模型訓練時間。而且采用粒子群優(yōu)化算法實現(xiàn)參數(shù)的自適應(yīng)搜索過程及建模過程是離線進行的，SOC預(yù)測過程則是實時的，參數(shù)的搜索過程不會影響到SOC估計的實時性。本發(fā)明在訓練集樣本數(shù)據(jù)不多的情況下,能夠?qū)崿F(xiàn)大容量鋰電池荷電狀態(tài)的準確估計，用廉價的數(shù)字處理器就可以操作，適合用于基于低成本微控制器的電池管理系統(tǒng)實現(xiàn)電池SOC的預(yù)測，具有實時、高效、低成本等特點。

技術(shù)領(lǐng)域

本發(fā)明涉及鋰電池領(lǐng)域，特別是一種針對通信基站大容量鋰電池荷電狀態(tài)估計的方法，具體為一種實現(xiàn)鋰電池組荷電狀態(tài)估計的方法。

背景技術(shù)

鋰電池作為常見的儲能電源以其高性能、高性價比等優(yōu)勢，在儲能領(lǐng)域市場具有很大的空間，應(yīng)用需求急速攀升，在通信基站應(yīng)用領(lǐng)域已經(jīng)具有完全的商業(yè)市場。為了安全高效地使用鋰電池，需要一套完善可靠的系統(tǒng)對分布在不同地區(qū)的電池進行監(jiān)控管理，其中電池的荷電狀態(tài)(Sate of Charge,SOC)是實現(xiàn)電池有效管理的基礎(chǔ)與核心。本發(fā)明設(shè)計了一種應(yīng)用于鋰電池管理系統(tǒng)的荷電狀態(tài)估計方法，實現(xiàn)對大容量鋰電池SOC的在線估計。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種實現(xiàn)鋰電池組荷電狀態(tài)估計的方法，旨在根據(jù)電池采集的工作參數(shù)實現(xiàn)對鋰電池SOC的在線估計，避免電池過充、過放，保護電池、延長電池使用壽命；提醒用戶合理使用電池、提高電池利用率；使得鋰電池管理系統(tǒng)中基于SOC的操作更有說服力，增加了鋰電池管理系統(tǒng)的可靠性。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：一種實現(xiàn)鋰電池組荷電狀態(tài)估計的方法，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(shù)據(jù)作為訓練數(shù)據(jù)集，每個樣本數(shù)據(jù)包括工作電壓、電流以及實際放電量；

步驟S2：對所述樣本數(shù)據(jù)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(yōu)化算法實現(xiàn)支持向量機預(yù)測模型最佳參數(shù)組合的自適應(yīng)搜索；

步驟S4：在所述訓練數(shù)據(jù)集上利用最佳參數(shù)組合完成支持向量機訓練，建立支持向量機預(yù)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(yù)測模型，預(yù)測當前電池放電量，并通過荷電狀態(tài)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。

在本發(fā)明一實施例中，所述步驟S3中的支持向量機預(yù)測模型最佳參數(shù)組合的自適應(yīng)搜索以及所述步驟S4中的支持向量機預(yù)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(yù)測和SOC計算是在線實時進行的，參數(shù)的搜索過程不會影響到SOC估計的實時性。

在本發(fā)明一實施例中，所述支持向量機回歸訓練中，樣本數(shù)據(jù)中的工作電壓、電流作為輸入，實際放電量作為輸出。

在本發(fā)明一實施例中，所述步驟S3中，3折交叉驗證過程為：將訓練數(shù)據(jù)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(tǒng)計3個測試集上預(yù)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(yù)測準確度。

在本發(fā)明一實施例中，所述步驟S3中，采用粒子群優(yōu)化算法實現(xiàn)支持向量機預(yù)測模型最佳參數(shù)組合的自適應(yīng)搜索過程中，所述支持向量機預(yù)測模型的核函數(shù)為RBF核函數(shù)，即高斯核函數(shù)為：

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