[發明專利]一種基于LSSVM的SOC在線監測方法及其儲存介質

有效

• 申請號: 202011607506.0
• 申請日: 2020-12-30
• 公開（公告）號: CN112782588B
• 公開（公告）日: 2023-02-17
• 發明（設計）人: 唐旭日;李春喜;魏高義
• 申請（專利權）人: 深圳市加碼能源科技有限公司
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/382
• 代理公司: 上海微策知識產權代理事務所(普通合伙) 31333
• 代理人: 湯俊明

本發明涉及機器學習領域和負荷預測領域，更具體地，本發明涉及一種基于LSSVM的SOC在線監測方法及其儲存介質。包括：獲取實時報文數據，提取實時特征數據；LSSVM模型輸入實時特征數據，得到預測SOC。本發明提供一種基于LSSVM的SOC在線監測方法，可用于對SOC進行在線估計和監測，并對SOC的異常進行處理，具有SOC值預測準確，可實時監測SOC異常的特點；且通過確定合適的SOC判斷方法，可準確判斷SOC出現下降或者異常增長的情況，并對異常情況進行處理，提高充電的安全性，且本發明構建的在線監測方法步驟簡單、處理迅速。

技術領域

本發明涉及機器學習領域和負荷預測領域，更具體地，本發明涉及一種基于LSSVM的SOC在線監測方法及其儲存介質。

背景技術

近年來，隨著汽車工業的發展，燃油車加速了能源污染的情況。充電電動車的出現，其清潔低碳綠色的優點，快速成為汽車行業的熱門發展趨勢。但是由于電動汽車是靠電池來作為動力源，如果電池出現狀態問題，將直接導致電動車的安全問題。

傳統的充電安全保護機制是根據電動汽車的電池管理系統(BMS)，BMS是一套保護動力電池組使用安全的控制系統，能夠實時監測動力電池組的充放電過程，電壓電流值、SOC估計和電量等。但是隨著電池的老化，BMS的各個功能會下降，尤其是SOC值的估計不準確，將會影響電池的充電狀態和健康狀態。

SOC(電池荷電狀態)是電池管理系統中的核心部分之一，它能夠實時的反應電池的剩余電量，SOC的狀態同時也體現了電池的健康狀態。當電動車充電時，出現SOC異常時，應該及時監測，避免電動車出現安全故障問題。因此，對SOC進行在線估計和監測，有重要的研究意義。

發明內容

為了解決上述問題，本發明結合了機器學習方法的優勢，利用最小而成支持向量機(LSSVM)來預測SOC，并進行在線監測和修正，可以有效的根據當前的電量、電壓、電流等信息進行預測估計。本發明第一個方面提供了一種基于LSSVM的SOC在線監測方法，包括：

獲取實時報文數據，提取實時特征數據；

LSSVM模型輸入實時特征數據，得到預測SOC。

作為本發明一種優選的技術方案，所述實時特征數據包括當前電壓、當前電流、當前電量和當前SOC。

作為本發明一種優選的技術方案，所述LSSVM模型輸入實時特征數據，得到預測SOC，并進行SOC判斷，所述SOC判斷包括SOC下降判斷和/或SOC增長異常判斷。

作為本發明一種優選的技術方案，所述SOC下降判斷中，當當前SOC小于上一時刻SOC時，對SOC進行矯正。

作為本發明一種優選的技術方案，所述SOC矯正為使用預測SOC代替當前SOC。

作為本發明一種優選的技術方案，所述SOC增長異常判斷中，SOC增長的計算公式為當SOC增長大于等于30％時，SOC增長出現異常，停止充電。

作為本發明一種優選的技術方案，所述LSSVM模型的構建方法包括：

獲取歷史報文數據，并提取歷史特征數據，對LSSVM模型進行訓練，得到LSSVM模型。

作為本發明一種優選的技術方案，所述歷史特征數據包括歷史電壓、歷史電流、歷史電量和歷史SOC。

作為本發明一種優選的技術方案，所述歷史特征數據進行歸一化，得到歸一化數據，對LSSVM模型進行訓練。

本發明第二個方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質用于存儲計算機程序，所述計算機程序用于執行如上所述的基于LSSVM的SOC在線監測方法。