[發明專利]基于數據驅動法的鋰離子電池SOC在線預測方法在審
| 申請號： | 201810523703.0 | 申請日： | 2018-05-28 |
| 公開（公告）號： | CN108717165A | 公開（公告）日： | 2018-10-30 |
| 發明（設計）人： | 范興明;王超;張鑫;蔡茂;高琳琳 | 申請（專利權）人： | 桂林電子科技大學 |
| 主分類號： | G01R31/36 | 分類號： | G01R31/36;G06N7/00 |
| 代理公司： | 桂林市持衡專利商標事務所有限公司 45107 | 代理人： | 陳躍琳 |
| 地址： | 541004 廣西*** | 國省代碼： | 廣西;45 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 鋰離子電池 在線預測 計算復雜度 數據驅動法 存儲空間 樣本數據 在線訓練 逐漸增大 向量機 增量式 算法 向量 原始訓練樣本 初始樣本集 支持向量機 樣本組成 在線保持 在線數據 傳統的 計算量 增大的 預測 稀疏 引入 更新 | ||
1.基于數據驅動法的鋰離子電池SOC在線預測方法，其特征是，包括步如下：
步驟1、實時采集電池在待測工況下實際的N組電壓、電流和溫度數據，并結合電池廠家提供的OCV-SOC曲線，利用帶有溫度補償系數的安時積分法得到電池對應的N組荷電狀態數據；
步驟2、將步驟1采集到的N組數據中的n組數據作為當前訓練樣本集，另外N-n組數據作為新增樣本集；
步驟3、利用當前訓練樣本集，并采用快速序列稀疏貝葉斯學習法對相關向量機RVM模型進行訓練；
步驟4、訓練完成后，刪除與μi＝0所對應的當前訓練樣本集中的數據，得到當前相關向量集；
步驟5、利用以下公式計算訓練值Yxun：
Yxun＝φμ；
步驟6、將訓練值Yxun與當前訓練樣本集中的荷電狀態Y進行逐一比較：
若訓練值Yxun與荷電狀態Y的差值絕對值均小于等于設定的訓練誤差限，則保留當前RVM模型，并轉至步驟7；
否則，減小核參數，并返回步驟3；
步驟7、將新增樣本集中的輸入數據輸入到當前RVM模型中，得到預測值Ynew；
步驟8、將預測值Ynew與新增樣本集中的荷電狀態NY進行逐一比較：
若預測值Ynew與荷電狀態NY的差值絕對值均小于等于設定的預測誤差限，則輸出當前RVM模型，并轉至步驟9；
否則，將當前相關向量集和新增樣本集的并集作為當前訓練樣本集，并返回步驟3；
步驟9、將后續實時采集到的電壓、電流和溫度數據輸入到步驟8所輸出的RVM模型中，以實現對電池的荷電狀態的在線預測；
其中，N和n均為設定值，其N＞n；為基函數；μ＝[μ1，μ2，…，μm]T，μi為權值ω的均值；i＝1，2，..，m，m為基函數的個數。
2.根據權利要求1所述基于數據驅動法的鋰離子電池SOC在線預測方法，其特征是，步驟1中，將步驟1采集到的N組數據中的前n組數據作為當前訓練樣本集，后N-n組數據作為新增樣本集。
3.根據權利要求1所述基于數據驅動法的鋰離子電池SOC在線預測方法，其特征是，步驟6中設定的訓練誤差限與步驟7中設定的預測誤差限相同。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于桂林電子科技大學，未經桂林電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810523703.0/1.html，轉載請聲明來源鉆瓜專利網。
