[發(fā)明專利]基于學習算法的SOC檢測方法

在審

• 申請?zhí)枺?/td>: 202011506097.5
• 申請日: 2020-12-18
• 公開（公告）號: CN112240980A
• 公開（公告）日: 2021-01-19
• 發(fā)明（設計）人: 不公告發(fā)明人
• 申請（專利權(quán)）人: 中海儲能科技（北京）有限公司
• 主分類號: G01R31/3842
• 分類號: G01R31/3842;G01R31/36
• 代理公司: 北京可專樂知識產(chǎn)權(quán)代理事務所(普通合伙) 11787
• 代理人: 王文紅

1.一種基于學習算法的SOC檢測方法，其特征在于，包括步驟：

S1：設置兩個配制參數(shù)完全相同的液流電池，標記為校正電池和測試電池，測試所述測試電池的荷電狀態(tài)；用化學分析的方法檢測所述校正電池的荷電狀態(tài)；

S2：以測試電池的荷電狀態(tài)數(shù)據(jù)為校正集，以校正電池的荷電狀態(tài)數(shù)據(jù)為驗證集，選取標樣集；

S3：分析校正前所述校正集和驗證集的差異，分析所述差異引起的荷電狀態(tài)結(jié)果的差異性；

S4：對兩組荷電狀態(tài)數(shù)據(jù)進行全局中心化處理，對處理后的矩陣進行正交運算，求出校正權(quán)重矢量，應用于目標荷電狀態(tài)數(shù)值的校正；

S5：分析校正后的荷電狀態(tài)差異。

2.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，測試所述測試電池的電壓、電流、溫度、充電或放電時間，求得荷電狀態(tài)。

3.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，所述化學分析的方法為滴定法， Fe（II）的含量用重鉻酸鉀溶液滴定，Cr（III）的含量用用硫酸亞鐵銨溶液滴定，總鐵TFe和總鉻TCr為加入值；

TFe-Fe（II）=Fe（III）； （1）

TCr-Cr（III）=Cr（II）； （2）。

4.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，所述校正電池和測試電池均間隔同樣的充電或放電時間測試荷電狀態(tài)，間隔時間為2min~15min。

5.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，步驟S2中通過剔除偏差大的數(shù)據(jù)選取標樣集，剔除標準是≥5%。

6.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，步驟S4中，對兩個電池的標樣集矩陣和校正電池荷電狀態(tài)值進行全局中心化處理，處理后的矩陣A_標樣和所述的校正電池荷電狀態(tài)值矩陣B_校正進行正交運算，求出校正矩陣D=A_標樣^-1T （6），

T為權(quán)重向量；

C=A_標樣-B_校正（B_校正^TB_校正）^-1B_校正^TA_標樣 （3）

對CC^T進行主成分分析，計算主成分載荷，載荷矩陣E= A_標樣^TT/（T^TT） （7）

檢測電池的校正矩陣A_校正=A-ADE^T （8）。

7.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，步驟S5中，對數(shù)據(jù)進行一階倒數(shù)處理，求平均差AD：

AD= （4）

式中，N為總檢測次數(shù)，i為檢測次數(shù)，Sc為測試電池的荷電狀態(tài)數(shù)據(jù)，Sm為校正電池的荷電狀態(tài)數(shù)據(jù)。

8.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，校正的預測標準差RMSEP為

RMSEP= （5）。

9.根據(jù)權(quán)利要求1所述的基于學習算法的SOC檢測方法，其特征在于，對待測電池檢測電壓、電流、溫度、充電或放電時間，求出荷電狀態(tài)估計值并用校正值補足。