[發明專利]一種基于人工智能的鋰離子電池系統SOC估計方法

有效

• 申請號: 202011280497.9
• 申請日: 2020-11-16
• 公開（公告）號: CN112379272B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 熊瑞;田金鵬;段硯州
• 申請（專利權）人: 北京理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/378
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 范盈

1.一種基于人工智能的鋰離子電池系統SOC估計方法，其特征在于：具體包括以下步驟：

步驟一、獲取電池系統采用多種充電方式的日常充電曲線作為訓練數據；

步驟二、將充電曲線分割為數據片段，并標定數據片段最后一點的SOC，具體包括：確定一個預設片段長度，將預設片段長度在充電曲線上滑動，由此將步驟一獲取的充電曲線劃分為包含多個預設片段長度的數據片段，每個分割的片段包括各個時刻的采樣信號序列；同時，對于每個片段確定其最后一點的SOC；

步驟三、選擇適用的深度學習算法，利用由步驟二獲取的各數據片段對所述算法進行訓練，以步驟二中分割的各數據片段作為深度學習算法輸入，并且以各片段對應的最后一點SOC作為算法輸出，建立每個數據片段與該片段最后一點SOC間的映射關系；

步驟四、將經過步驟三訓練好的深度學習算法實際應用，以電池管理系統采集的充電片段數據作為所述深度學習算法的輸入，輸出估計的電池SOC；

步驟五、在每兩次充電過程之間，使用安時積分算法進行SOC的遞推計算。

2.如權利要求1所述的方法，其特征在于：在鋰離子電池經歷過滿充、滿放操作歷程后，利用電池管理系統采集的充電曲線重新對所述深度學習算法進行訓練更新。

3.如權利要求1所述的方法，其特征在于：所述步驟一中在獲取日常充電曲線時采用恒流充電、恒流恒壓充電、多階恒流充電或者脈沖充電方式；所獲得的曲線包括電池充電電流、電壓和溫度參數；通過安時積分方法，獲得電池的容量，并計算充電曲線上各個時刻的SOC。

4.如權利要求1所述的方法，其特征在于：所述步驟三中的深度學習算法選用卷積神經網絡、密集連接網絡或者循環神經網絡，利用梯度下降算法及其各種變體對深度學習算法進行訓練。

5.如權利要求1所述的方法，其特征在于：所述步驟五中利用安時積分法計算兩次充電過程之間的SOC變化值，用于對SOC的遞推。