[發明專利]一種基于神經網絡算法的電池管理系統及其操作方法

在審

• 申請號: 201910261973.3
• 申請日: 2019-04-02
• 公開（公告）號: CN109884530A
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 王子喬;李冬;趙鴻飛;張仁杰;王寧
• 申請（專利權）人: 西安交通大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/388
• 代理公司: 長沙智德知識產權代理事務所(普通合伙) 43207
• 代理人: 左祝安

本發明公開了一種基于神經網絡算法的電池管理系統及其操作方法，包括電源功率監控系統主控模塊、充電機、主控制器、外部系統控制器、從控模塊和上位機監控模塊，所述電源功率監控系統主控模塊分別通過高速CAN線與主控制器、充電機、外部系統控制器連接，電源功率監控系統主控模塊通過導線與電路中電流、電壓接通，通過內部CAN線與從控模塊連接，從控模塊設置有多個；所述上位機監控系統設置有無線傳輸模塊，通過無線信號與電源功率監控系統主控模塊連接；本發明提高電池中SOC估算精度，可以對充放電過程進行監控于控制，并可以通過上位機軟件遠程監控。

技術領域

本發明涉及電池管理系統，具體為一種基于神經網絡算法的電池管理系統及其操作方法。

背景技術

SOC，全稱是State of Charge，電池荷電狀態，也叫剩余電量，代表的是電池使用一段時間或長期擱置不用后的剩余可放電電量與其完全充電狀態的電量的比值，常用百分數表示。

傳統SOC估算方法：安時法、開路電壓法、阻抗跟蹤法，三種估算方法在實際使用過程中，存在測量不準確、受電池材質影響的情況，難以對SOC準確測量估算。

發明內容

本發明的目的在于提供一種基于神經網絡算法的電池管理系統及其操作方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種基于神經網絡算法的電池管理系統，包括電源功率監控系統主控模塊、主控制器、充電機、外部系統控制器、從控模塊和上位機監控模塊，所述電源功率監控系統主控模塊分別通過高速CAN線與主控制器、充電機、外部系統控制器連接，電源功率監控系統主控模塊通過導線與電池電路中電流、電壓接通，通過內部CAN線與從控模塊連接，從控模塊設置有多個；所述上位機監控模塊設置有無線傳輸模塊，通過無線信號與電源功率監控系統主控模塊連接。

優選的，所述主控制器內部集成有RBF神經網絡模塊，所述RBF神經網絡模塊包括輸入層、隱含層、輸出層，設置有兩種模式，分別為學習模式和誤差傳遞模式。

優選的，所述輸入層、隱含層、輸出層相互連接，進行數據傳輸，隱含層、輸出層之間的數據傳輸呈線性關系。

優選的，所述學習模式為所述輸入層接收電源功率監控系統主控模塊的檢測參數：電流、電壓以及溫度，進行歸一化處理，傳遞至隱含層的神經元中，由隱含層進行數據變換后傳給輸出層，由輸出層輸出SOC值。

優選的，所述誤差傳遞模式為輸入層的實際輸出值與期望SOC值不符時，通過輸出層向隱含層、輸入層進行反向傳播，訓練對象是每層的權值。

優選的，所述RBF神經網絡模塊中，隱含層采用輸入模式與中心向量的距離作為函數的自變量，并使用徑向基函數作為激活函數。

本發明還提供了一種基于神經網絡算法的電池管理系統的操作方法，包括如下步驟：

S1：確定電源功率監控系統主控模塊連接的電池基本參數，包括電池截止電壓、容量等；.

S2：確定電池初始SOC；

S3：對電池進行充放電循環實驗，測量該過程中的電池電壓、電流、容量、充放電效率的變化情況；

S4：利用電池初始SOC及步驟S中測量的數據，對RBF神經網絡進行訓練，建立電池SOC預測模型；

S5：對已知模型進行實驗驗證，測定誤差，重復步驟S，繼續訓練，并對誤差進行修正。

與現有技術相比，本發明的有益效果是：本發明通過設置電源功率監控系統主控模塊，對電池進行監控；在主控制器中設置RBF神經網絡模塊，通過RBF神經網絡模塊接收參數，對SOC進行估算；提高電池中SOC估算精度，可以對充放電過程進行監控于控制，并可以通過上位機軟件遠程監控。

附圖說明