[發明專利]一種基于改進型BP神經網絡的電池SOC值的預測方法

有效

• 申請號: 201810016229.2
• 申請日: 2018-01-08
• 公開（公告）號: CN108181591B
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 徐自強;楊云龍;吳孟強;朱洪濤;王曉輝;馬永笠;廖家軒;鞏峰;林金明;張韜
• 申請（專利權）人: 電子科技大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/382
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 吳姍霖

一種基于改進型BP神經網絡的電池SOC值的預測方法，屬于電動汽車電池技術領域。本發明采用免疫遺傳優化算法優化網絡模型，克服了普通遺傳優化算法陷入局部極值的缺點，同時保留了遺傳算法強大的全局隨機搜索能力；本發明利用神經網絡較好的非線性擬合能力，挖掘出電池數據與電池SOC值的潛在對應關系，實現了動態電池SOC值的精確預測，便于電池的維護管理，有助于提高電池的效率與使用壽命，同時方法簡單，易于實現，準確高效，具有廣泛的應用價值。

技術領域

本發明屬于電動汽車電池技術領域，具體涉及一種基于改進型BP神經網絡的電池SOC值的預測方法。

背景技術

經濟的快速發展導致環境和資源都出現嚴重的問題，為進一步減少對資源的消耗，加大對環境的保護力度，勢必要發展新能源電動汽車。而電動汽車發展的關鍵技術問題在于動力電池技術的發展，電池是新能源電動汽車的能量來源，為保證電池組的優良性能并延長其使用壽命，需要對電池進行必要的管理和控制。SOC作為體現電池內部狀態的重要參量，對SOC值的準確估算在電池技術發展中顯得尤為重要。目前，在動力電池領域，對電池的SOC值的估算主要有安時積分法、開路電壓法、卡爾曼濾波算法以及計算機智能算法等。這些算法通常預測精度不高，存在容易受傳感器采集精度的影響、電磁干擾引起的狀態監測的不準確、估算誤差大以及穩定性不好等問題，難以滿足實際應用的需求。

發明內容

本發明針對背景技術存在的缺陷，提出了一種基于改進型BP神經網絡的電池SOC值的預測方法。本發明利用神經網絡較好的非線性擬合能力，挖掘出電池數據與電池SOC值的潛在對應關系，從而構建出與車輛電池數據相關的電池SOC估算預測網絡模型；本發明方法適用于多種電池類型，減少了對電池模型的依賴性，實現了對新能源車輛電池的SOC值的精確預測。

本發明的技術方案如下：

一種基于改進型BP神經網絡的電池SOC值的預測方法，包括以下步驟：

1、電池數據采集步驟：采集電動汽車動力電池數據，得到初始的電池數據樣本；

2、數據預處理步驟：對步驟1采集得到的電池數據進行數據清洗、數據轉換和數據降維，得到數據矩陣；

3、網絡模型搭建步驟：采用三層BP神經網絡結構模型建模，得到網絡結構模型；

4、網絡模型優化步驟：利用免疫遺傳算法優化步驟3得到的網絡結構模型中的權值和閾值，從而構建出優化后的網絡結構模型；

5、網絡結構模型訓練步驟：將步驟2得到的數據矩陣進行數據劃分，分為訓練集和測試集，將訓練集的數據導入步驟4優化后的網絡結構模型進行網絡訓練；

6、網絡模型測試步驟：將步驟5得到的測試集的數據導入步驟5訓練后的網絡模型中進行測試，得到預測的電池SOC值；

7、誤差評估步驟：將步驟6預測的電池SOC值與實際的SOC值進行誤差計算，當得到的誤差小于或等于設定的精度時，輸出電池的SOC值，當得到的誤差大于設定的精度時，返回步驟3，重新對網絡模型進行搭建，直到滿足設定的誤差精度要求。

優選地，在步驟2所述數據預處理步驟中，數據清洗的具體過程為：a.采用描述性統計方法，初步清洗所述電池數據中的臟數據，例如：無效值、空值、重復值或異常值；b.通過專家系統對經初步清洗的電池數據進行進一步清洗處理，輸出最終的電池數據，記為第一數據集。其中，專家系統為基于電池數據變量的物理意義構建的數據清洗工具。

優選地，步驟2所述數據預處理的具體過程為：首先，對步驟1采集得到的電池數據進行數據清洗，得到第一數據集；然后，采用標準差標準化的方式，將第一數據集轉換得到第二數據集；最后采用主成分分析的方法將第二數據集中無關的特征向量刪除，完成數據的降維過程，得到數據矩陣。