[發明專利]一種模擬車輛工況動力電池荷電狀態SOC估算優化方法

在審

• 申請號: 202010423342.X
• 申請日: 2020-05-19
• 公開（公告）號: CN111426957A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 劉桂雄;李泓沛;李遠茂
• 申請（專利權）人: 華南理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G06N3/08
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 王澤云

1.一種模擬車輛工況動力電池荷電狀態SOC估算優化方法，其特征在于，所述方法包括以下步驟：

A控制溫度控制箱對動力電池模組的運行溫度，使動力電池模組運行在恒功率充放電、動態變化的模擬工況切換條件下，使用充放電設備對動力電池模組充放電電流、電壓、模組的平均溫度進行采集；

B利用鄰域插值的方式對動力電池模擬工況下采集的數據通過頻率進行調整，獲取相同頻率下的數據，對數據按照不同的工況初始溫度和充放電功率模式進行分組，將數據分成訓練集、測試集；

C將訓練集數據輸入LSTM神經網絡中進行訓練，計算前向傳播預測獲得SOC值，并通過SOC值與預測值求得損失值，通過損失值和Adam優化權值方法優化神經網絡內部權值，訓練1000個Epoch；

D通過測試集數據優化LSTM神經網絡的滑動窗口，滑動窗口大小通過num step參數設計，構建SOC估算模型在不同滑動窗口大小范圍內的各個優化參數指標，并在不同激活函數模式下，尋優LSTM隱藏神經元個數及滑動窗口大小范圍；

E對測試集輸入數據加入模擬工況噪聲，將加入模擬工況噪聲的測試集輸入數據輸入到優化訓練結束的LSTM神經網絡中，在不同動力電池工況下測量噪聲和工況環境的關系，優化設計滑動窗口大小、LSTM隱藏節點個數和激活方式，提高動力電池動態工況下的估算穩定性。

2.如權利要求1所述的模擬車輛工況動力電池荷電狀態SOC估算優化方法，其特征在于，步驟A中，充放電設備對不同溫度初始狀態的動力電池在恒定功率充放電和動態模擬切換工況下的數據進行采集，模擬動力電池模組在低溫、常溫、高溫下的運行工況。

3.如權利要求1所述的模擬車輛工況動力電池荷電狀態SOC估算優化方法，其特征在于，步驟D中:

預測時間片段誤差范圍超5％時，預測時間片段誤差期望計算公式如下所示：

其中M表示預測時間產生大于5％的片段個數

預測時間片段誤差方差計算公式及標準化如下所示：

優化設計滑動窗口目標函數：

W＝min(-ω₁R₂+ω₂σ_ε'+ω₃Mse'+ω₄Mae')

其中，R₂、Mae'、Mse'為多組數據標準化處理的網絡性能指標，ω₁、ω₂、ω₃與ω₄表示對應的指標權重，其和為1，其中，ω₁為0.1、ω₂為0.4、ω₃為0.25、ω₄為0.25。

4.如權利要求1所述的模擬車輛工況動力電池荷電狀態SOC估算優化方法，其特征在于，步驟E中對測試集輸入到LSTM神經網絡的數據計算方法如下：

x^num_^step＝[x^(t),x^(t-1),...,x^(t-n-1)]_{1*num_step}

其中，表示各個工況下的動態工況噪聲，其期望為μ_k＝[0,0,0]^T、方差為σ_k＝[σ₁,σ₂,σ₃]^T，K表示工況的種類；

W_j＝min(-ω₁R₂+ω₂σ_ε'+ω₃Mse'+ω₄Mae')