[發明專利]一種基于時間卷積網絡的鋰離子動力電池估算方法

有效

• 申請號: 202111007681.0
• 申請日: 2021-08-30
• 公開（公告）號: CN113671381B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 魏翼鷹;張勇;文寶毅;鄒琳;張暉;李志成;楊杰;袁鵬舉
• 申請（專利權）人: 武漢理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/36;G01R31/388;G01R31/385;G01R31/396;G01R31/00
• 代理公司: 武漢智嘉聯合知識產權代理事務所(普通合伙) 42231
• 代理人: 萬青青

1.一種基于時間卷積網絡的鋰離子動力電池估算方法，其特征在于，包括：

建立初始時間卷積網絡模型；

獲取電池的實時狀態數據集；

根據所述電池的實時狀態數據集對所述初始時間卷積網絡模型進行訓練、驗證和測試，得到目標時間卷積網絡模型；

將待估算的電池數據輸入至所述目標時間卷積網絡模型，得到電池剩余電量量測值；

根據待估算的電池數據，通過預設方法計算出電池剩余電量觀測值；

根據所述電池剩余電量量測值和所述電池剩余電量觀測值，通過卡爾曼濾波算法計算電池剩余電量估算值；

通過卡爾曼濾波算法優化所述電池剩余電量估算值；

其中，所述通過預設方法計算出電池剩余電量觀測值，具體為：

將電池剩余電量觀測值離散化：

，

其中，表示k時刻電流值，表示采樣時間，表示電池的額定容量，服從N(0,Q)高斯分布，X(k)是k時刻的電池剩余電量觀測值；

其中，所述根據所述電池剩余電量量測值和所述電池剩余電量觀測值，通過卡爾曼濾波算法優化得到最優電池剩余電量估算值之后，包括：更新所述最優電池剩余電量估算值的卡爾曼增益矩陣：

，

其中，為k+1時刻卡爾曼增益矩陣，P為協方差矩陣，為的逆矩陣，為k時刻的電池剩余電量觀測值，為k時刻時間卷積網絡模型的電池剩余電量量測值；

其中，所述根據所述電池剩余電量量測值和所述電池剩余電量觀測值，通過卡爾曼濾波算法優化得到最優電池剩余電量估算值之后，還包括：進行狀態更新和協方差更新，具體為：

，

，

其中，為k+1時刻卡爾曼增益矩陣，P為協方差矩陣，為的逆矩陣，為K的轉置矩陣，為k時刻估計k+1時刻的最優電池剩余電量估算值，為k時刻估計k+1時刻根據sigma點計算的電池剩余電量量測值;

其中，所述電池的實時狀態，包括電池實時電壓、電池實時電流、電池實時表面溫度及電池實時SOC，所述電池的實時狀態數據集包括數據訓練集、數據驗證集以及數據測試集，且所述數據訓練集、數據驗證集以及數據測試集均包括電池實時電壓數據集、電池實時電流數據集、電池實時表面溫度數據集;

其中，所述根據所述電池的狀態數據集對所述初始時間卷積網絡模型進行訓練、驗證和測試，得到目標時間卷積網絡模型，包括：

將所述電池實時電壓數據集、所述電池實時電流數據集以及所述電池實時表面溫度數據集作為當前時間步的輸入信息x_t輸入至所述初始時間卷積網絡模型中進行訓練，得到過渡時間卷積網絡模型；

對所述過渡時間卷積網絡模型進行驗證并判斷驗證后的模型是否達到預測精度或者迭代次數，若未達到，則再次對所述過渡時間卷積網絡模型進行驗證；若達到，則所述過渡時間卷積網絡模型為所述目標時間卷積網絡模型；

利用所述數據測試集對所述目標時間卷積網絡模型的預測性能進行測試，獲得訓練完備的目標時間卷積網絡模型;

其中，所述將待估算的電池數據輸入至所述目標時間卷積網絡模型，得到電池剩余電量量測值，包括：

設置三維預設輸入數據，包括樣本數、時間步長和電池的狀態數據；

將所述三維預設輸入數據輸入到所述訓練完備的目標時間卷積網絡模型，得到電池剩余電量量測值；

其中，所述樣本數為采集的樣本總數；所述時間步長為預設時間范圍；所述電池的狀態數據包括電池的實時電池電壓，實時電池電流以及實時電池表面溫度。