[發(fā)明專利]一種電動汽車動力電池最優(yōu)充電起始SOC預測的方法

在審

• 申請?zhí)枺?/td>: 202210337441.5
• 申請日: 2022-03-31
• 公開（公告）號: CN114690040A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設計）人: 張爽;高蓓;許崇霞;劉輝
• 申請（專利權）人: 日照職業(yè)技術學院
• 主分類號: G01R31/36
• 分類號: G01R31/36;G01R31/382;G01R31/389;G01R31/392
• 代理公司: 北京盛凡佳華專利代理事務所(普通合伙) 11947
• 代理人: 吳佳佳

1.一種電動汽車動力電池最優(yōu)充電起始SOC預測的方法，其特征在于：包括系統(tǒng)搭建和系統(tǒng)實施兩部分；

所述系統(tǒng)搭建包括如下步驟：

步驟一：數(shù)據(jù)處理：通過電動汽車車載終端采集汽車電池相關數(shù)據(jù)；

將采集的數(shù)據(jù)通過移動網(wǎng)絡傳輸至企業(yè)平臺；

由企業(yè)平臺將數(shù)據(jù)轉(zhuǎn)發(fā)至集中平臺進行統(tǒng)一存儲；

在平臺上針對采集到的電池數(shù)據(jù)進行清洗，去除空值和錯誤數(shù)據(jù)，然后對數(shù)據(jù)進行標準化整理；

步驟二：模型求解：采用遺傳算法求解動力電池最長使用壽命對應數(shù)據(jù)進行分析，獲得最優(yōu)壽命下的充電行為特征，從而確定最優(yōu)壽命下的動力電池充電起始SOC；

(1)數(shù)據(jù)初始化

將步驟一中經(jīng)過標準化整理后的數(shù)據(jù)字段采用二進制的方式進行初始化，得到二進制樣本數(shù)據(jù)；

(2)自適應函數(shù)求解

采用變異系數(shù)法快速求解權重，具體計算過程如下：

1)求解標準化整理后的數(shù)據(jù)中各因子標準差

其中x_i為樣本值，μ為樣本均值；

依次將電壓一致性、溫度一致性、電池充電起始SOC、電池內(nèi)阻值、壓差、溫差、充電次數(shù)等因子的值代入公式，求解各因子標準差σ₁-σ₇；

2)求解標準化整理后的數(shù)據(jù)各因子變異系數(shù)

將步驟1)求解出的σ₁-σ₇及各因子對應均值μ1-μ7代入以上公式，求出各因子的變異系數(shù)c_v1-c_v7；

3)求解各因子權重

求解可得：

將步驟2)求得數(shù)據(jù)代入，求解權重函數(shù)，最終可得出自適應函數(shù)如下：

f(x)＝ω₁U+ω₂T+ω₃S+ω₄R+ω₅ΔU+ω₆ΔT+ω₇n

其中，f(x)為電池生命長度，U為電壓一致性，T為溫度一致性，S為電池充電起始SOC，R為電池內(nèi)阻值，δU為壓差，δT為溫差，n為充電次數(shù)；

(3)交叉繁衍

步驟(1)初始化完成后的數(shù)據(jù)進行兩兩交叉繁衍，交叉率選擇為100％，暫不考慮交叉繁衍過程中可能存在的變異，將變異的概率設為0；

將交叉繁衍得到的后代代入自適應函數(shù)求解找到最佳樣本，并將最佳樣本的電池充電起始SOC數(shù)據(jù)作為結果輸出；

步驟三：模型訓練

通過步驟一的數(shù)據(jù)處理方法對其他增量數(shù)據(jù)進行處理后，導入模型進行結果驗證，結果如符合實際情況，則完成模型訓練，否則將本次的數(shù)據(jù)補充進上一次的樣本數(shù)據(jù)，重復步驟一和步驟二，直至輸出結果達到預期效果為止。

2.根據(jù)權利要求1所述的一種電動汽車動力電池最優(yōu)充電起始SOC預測的方法，其特征在于：所述系統(tǒng)實施包括以下步驟：

步驟一：數(shù)據(jù)處理：與系統(tǒng)搭建部分數(shù)據(jù)處理方式相同；

步驟二：數(shù)據(jù)導入：將通過步驟一處理好的數(shù)據(jù)輸入到模型中，通過模型進行計算；

步驟三：結果輸出：模型完成計算后，將動力蓄電池最優(yōu)充電起始SOC排列組合進行輸出，輸出結果通過車載電腦大屏或手機APP的形式進行展現(xiàn)，同時結果支持定期刷新和修正。

3.根據(jù)權利要求1所述的一種電動汽車動力電池最優(yōu)充電起始SOC預測的方法，其特征在于：所述求解各因子權重步驟中，選擇壽命最長的電池作為理論值，通過交叉繁殖方式獲得≥理論值的樣本作為最優(yōu)解。

4.根據(jù)權利要求1所述的一種電動汽車動力電池最優(yōu)充電起始SOC預測的方法，其特征在于：所述系統(tǒng)搭建中數(shù)據(jù)采集以每次充電開始到充電結束為一次。