[發明專利]一種剩余電量的估計方法及系統

在審

• 申請號: 201810245502.9
• 申請日: 2018-03-23
• 公開（公告）號: CN110298467A
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 高曉艷;晁涌耀;李慶;趙野
• 申請（專利權）人: 中國科學院微電子研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00;G06N3/12
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

本發明公開了一種剩余電量的估計方法，包括：獲取待估計電池對應的剩余電量估計神經網絡模型；依據所述剩余電量估計神經網絡模型，確定所述剩余電量估計神經網絡模型的權值和閾值；依據遺傳算法分別確定所述權值和所述閾值的目標權值和目標閾值；將所述目標權值和所述目標閾值傳遞到所述剩余電量估計神經網絡模型模型進行計算，得到所述待估計電池的剩余電量。上述的方法中，所述剩余電量估計神經網絡的權值和閾值時經過遺傳算法分析計算得到的，設定是有針對性的，避免了隨機設定的權值和閾值容易出現收斂速度慢、對初值敏感以及極易陷入局部最小值導致最終剩余電量SOC的估計不準確或者不成功的問題。

技術領域

本發明涉及電池管理技術領域，尤其涉及一種剩余電量的估計方法及系統。

背景技術

如今，電動汽車迅猛發展，而電池作為電動汽車的關鍵技術之一越來越受到人們的關注，電池作為電動汽車的唯一能量源，準確預測電池的剩余電量SOC能實現整車能量管理的優化控制，進行均衡的充放電，提高電池的利用效率。但是影響電池的剩余電量SOC的因素眾多，動力電池在使用過程中具有高度的非線性，而且充放電過程很難建立精確的數學模型，目前國內外對剩余電量SOC的估計采用神經網絡具來實現。

發明人對現有的基于神經網絡的剩余電量SOC的估計過程進行研究發現，神經網絡的權值和閾值的初始值是隨機設定的，隨機設定的權值和閾值容易出現收斂速度慢、對初值敏感以及極易陷入局部最小值導致最終剩余電量SOC的估計不準確或者不成功。

發明內容

有鑒于此，本發明提供了一種剩余電量的估計方法及系統，用以解決現有技術中神經網絡的權值和閾值的初始值是隨機設定的，隨機設定的權值和閾值容易出現收斂速度慢、對初值敏感以及極易陷入局部最小值等問題，導致最終剩余電量SOC的估計不準確或者不成功的問題。具體方案如下：

一種剩余電量的估計方法，包括：

獲取待估計電池對應的剩余電量估計神經網絡模型；

依據所述剩余電量估計神經網絡模型，確定所述剩余電量估計神經網絡模型的權值和閾值；

依據遺傳算法分別確定所述權值和所述閾值的目標權值和目標閾值；

將所述目標權值和所述目標閾值傳遞到所述剩余電量估計神經網絡模型模型進行計算，得到所述待估計電池的剩余電量。

上述的方法，可選的，依據遺傳算法分別確定所述權值和所述閾值的目標權值和目標閾值包括：

對每一個種群依據預設的適應度函數進行適應度計算，得到其對應的適應度值；

對各個種群依據其對應的適應度值進行篩選，得到目標種群集；

依據所述目標種群集中的每一個目標種群適應度值，確定目標權值和目標閾值。

上述的方法，可選的，對各個種群依據其對應的適應度值進行篩選，得到目標種群集包括：

對所述各個種群的適應度值依據降序進行排序，依據排序結果進行篩選，得到第一種群集；

對所述第一種群集的各個第一種群進行交叉計算，得到第二種群集，依據所述第二種群集中的各個第二種群的適應度值對所述第二種群集進行篩選，得到目標種群集。

上述的方法，可選的，對所述第一種群集的各個第一種群進行交叉計算，得到第二種群集，依據所述第二種群集中的各個第二種群的適應度值對所述第二種群集進行篩選，得到目標種群集還包括：

選取所述目標種群集中的目標種群進行變異計算。

上述的方法，可選的，依據所述目標種群集中的每一個目標種群適應度值，確定目標權值和目標閾值包括：