[發明專利]基于神經網絡與無跡卡爾曼濾波器的鋰電子電池剩余電量與傳感器偏差協同估計的方法

有效

• 申請號: 202010147425.0
• 申請日: 2020-03-05
• 公開（公告）號: CN111208438B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 孫雯;孫立;蘇志剛
• 申請（專利權）人: 東南大學
• 主分類號: G01R31/382
• 分類號: G01R31/382;G01R31/367
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 王安琪

本發明公開了一種基于神經網絡與無跡卡爾曼濾波器的鋰電子電池剩余電量與傳感器偏差協同估計的方法，包括如下步驟：S1：進行鋰電子電池充放電實驗并采集樣本數據，包含訓練數據和測試數據；S2：確定神經網絡的輸入和輸出變量，建立SOC的RBFNN模型；S3：基于訓練數據集對建立的RBFNN進行參數學習，獲取準確的RBFNN模型；S4：利用測試數據對建立的RBFNN進行獨立精度檢驗；S5：將SOC設置為內部狀態，設計RBFNN?UKF，實現在初始SOC不確定的情況下對SOC的實時估計；S6：將傳感器偏差設置為擴張狀態，在原有RBFNN?UKF基礎上設計擴張RBFNN?UKF，實現SOC與未知傳感器偏差的協同估計。本發明能夠實現SOC和傳感器偏差的協同估計，具有收斂速度快、精度高、誤差小的優點。

技術領域

本發明涉及電動汽車電池領域，尤其是一種基于神經網絡與無跡卡爾曼濾波器的鋰電子電池剩余電量與傳感器偏差協同估計的方法。

背景技術

汽車行業的快速發展間接導致了能源的大量消耗、環境的日益惡化。因此，以蓄電池為動力的電動汽車憑借低能耗、零排放、性價比高等優勢在新能源汽車行業獲得廣泛關注。鋰電子電池由于能量密度高、自放電低、充電快、壽命長等優點，在便攜式電器如手提電腦、攝像機、移動通訊中得到普遍應用，因此也成為新能源電動汽車的優選。

電池管理系統是電動汽車發展的關鍵技術之一。它可以有效評估電池的荷電狀態、健康狀態和溫度等。其中，電池的荷電狀態，是電池剩余電量的一個重要指標。它定義為使用一段時間或長期擱置不用后的剩余容量與其完全充電狀態的容量的比值，常用百分數表示。其取值范圍為0-1，當荷電狀態為0時表示電池放電完全，當荷電狀態為1時表示電池完全充滿。在電池的使用過程中，需將其荷電狀態保持在合適的范圍內，以提高電池的安全性能、延長電池的充放電循環壽命。同時可以防止電池因過充或過放而導致鋰電子電池老化、性能降低。

但是在電池充放電過程中，由于電池內部復雜的電化學反應特性及外部環境因素的影響，鋰電子電池是一個高度非線性系統。鋰電子電池的SOC無法直接通過儀表直接測量，只能通過電池的終端電壓、電流等外部特性參數，選取準確有效的模型進行估算，這為準確估算SOC帶來了很大的困難。

目前研究SOC的方法主要有安時積分法、開路電壓法、神經網絡法、卡爾曼濾波算法等。現有方法不足之處如下：一、安時積分法需要知道SOC初始值，同時作為開環算法，由于不確定的干擾比如溫度、電流測量偏差，SOC計算過程中會出現誤差累計效應；二、開環電壓法只有在電池處于開路、長期靜置條件下方可估算SOC，不可在線估計，而且這個靜置過程一般需要幾個到十幾個小時；三、神經網絡法需要大量實驗數據來對網絡進行訓練；四、傳統的卡爾曼濾波算法只適合應用于線性系統，因此對于高度非線性系統的鋰電子電池不適用。

發明內容

本發明所要解決的技術問題在于，提供一種基于神經網絡與無跡卡爾曼濾波器的鋰電子電池剩余電量與傳感器偏差協同估計的方法，能夠實現SOC和傳感器偏差的協同估計，具有收斂速度快、精度高、誤差小的優點。

為解決上述技術問題，本發明提供一種基于神經網絡與無跡卡爾曼濾波器的鋰電子電池剩余電量與傳感器偏差協同估計的方法，包括如下步驟：

S1：進行鋰電子電池充放電實驗并采集樣本數據，包含訓練數據和測試數據；

S2：確定神經網絡的輸入和輸出變量，建立SOC的RBFNN模型；

S3：基于訓練數據集對建立的RBFNN進行參數學習，獲取準確的RBFNN模型；

S4：利用測試數據對建立的RBFNN進行獨立精度檢驗；

S5：將SOC設置為內部狀態，設計RBFNN-UKF，實現在初始SOC不確定的情況下對SOC的實時估計；

S6：將傳感器偏差設置為擴張狀態，在原有RBFNN-UKF基礎上設計擴張RBFNN-UKF，實現SOC與未知傳感器偏差的協同估計。