[發明專利]一種基于卷積神經網絡的液態金屬電池組的均衡管理系統

在審

• 申請號: 202010885609.7
• 申請日: 2020-08-28
• 公開（公告）號: CN112072735A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 黃青丹;莫文雄;王勇;饒銳;魏曉東;徐欽;宋浩永;趙崇智;劉靜;王婷延;何彬彬;王煒;吳培偉;李助壓
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: H02J7/00
• 分類號: H02J7/00;H01M10/42;G06N3/04;G06N3/08
• 代理公司: 南京常青藤知識產權代理有限公司 32286
• 代理人: 高遠

1.一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，包括上位機以及下位機，所述上位機用于構建卷積神經網絡，所述卷積神經網絡作為計算各個電池均衡方案的分類器，所述卷積神經網絡包括輸入層、至少一個卷積層、全連接層以及輸出層；所述下位機包括主控模塊、電池信息采集模塊、PWM信號產生模塊、開關驅動模塊以及反激均衡模塊，所述電池信息采集模塊用于采集電池組的工作數據以及各個單體電池的信息數據，將采集得到的數據傳送至主控模塊；所述主控模塊接收電池信息采集模塊的數據，將數據上傳至上位機，并接收上位機的控制命令，將控制命令解析后發送至PWM信號產生模塊產生相應的PWM控制信號；所述PWM信號產生模塊用于向開關驅動模塊發送PWM控制信號，實現反激均衡模塊中能量與電流的控制；所述開關驅動模塊用于根據輸入的PWM控制信號快速準確地控制反激均衡模塊中MOSFET的通斷；所述反激均衡模塊用于接收開關驅動模塊的直接控制，實現電池組中能量的轉移。

2.根據權利要求1所述的一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，所述卷積神經網絡為一維卷積神經網絡且包括兩個卷積層。

3.根據權利要求1所述的一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，所述卷積神經網絡的訓練過程，包括以下步驟：

S1、通過對電池信息采集模塊采集的電池組工作數據以及信息數據進行處理和特征提取得到電池特征信息集；

S2、將電池特征信息集作為卷積神經網絡的訓練集；

S3、初始化卷積神經網絡參數，將訓練集輸入卷積神經網絡進行訓練；

S4、選取交叉熵函數作為卷積神經網絡的損失函數，則該多分類的卷積神經網絡的各個輸出結果的交叉熵損失函數的表達式為：

式中M表示類別的數量；y_tc表示一個變量，若類別c跟樣本t的類別相同則為1，否則為0；p_tc表示樣本t屬于類別c的預測概率；

S5、重復步驟S3-S4直到卷積神經網絡訓練完畢。

4.根據權利要求3所述的一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，所述S3中將訓練集輸入卷積神經網絡進行訓練包括：

卷積神經網絡的計算公式為：

式中表示第n層卷積層的第i個輸入，表示第n層卷積層的第j個輸出，s^n-1表示n-1層卷積層輸出的個數，f(·)表示激活函數，*表示卷積計算，表示第n層卷積層可訓練的卷積核，表示第n層卷積層第j個偏置。

5.根據權利要求4所述的一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，所述激活函數f(·)為線性整流函數ReLU，所述ReLU表示為：

f(x)＝max(0，x)。

6.根據權利要求1所述的一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，所述卷積層的輸出經全連接層按特征進行分類，全連接層的計算公式可表示為：

式中表示第n層的第i個神經元的輸出，sⁿ表示n層神經元的個數，表示第n層第i個神經元與第n+1層神經元之間的權值，表示第n層第j個神經元的偏置值，表示第n+1層第j個神經元的輸出值。

7.根據權利要求6所述的一種基于卷積神經網絡的液態金屬電池組的均衡管理系統，其特征在于，經過所述全連接層的輸出值在輸出層通過SoftMax函數分類器進行計算獲得輸出結果，SoftMax函數計算公式為：

其輸出結果是輸入電池特征信息集對應電池適應各個不同均衡方案類別的預測概率。