[發明專利]一種動力鋰電池的樣本數據集生成方法、SOC估計方法

在審

• 申請號: 202210558510.5
• 申請日: 2022-05-20
• 公開（公告）號: CN114839542A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 楊彪;王銀雙;成宬;錢斌;李琨;張長勝;金懷平;王彬
• 申請（專利權）人: 昆明理工大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/387;G06N3/04;G06N3/08
• 代理公司: 昆明明潤知識產權代理事務所(普通合伙) 53215
• 代理人: 張云

本發明公開了一種動力鋰電池的樣本數據集生成方法、SOC估計方法，生成方法包括：搭建鋰電池充放電瞬態求解模型；依據搭建的鋰電池充放電瞬態求解模型，獲得鋰電池電勢圖、電流密度分析圖以及電池不同倍率性能分析圖；導出鋰電池電勢圖、電流密度分析圖以及電池不同倍率性能分析圖對應的數據；對導出的數據進行預處理，獲得鋰電池樣本數據集。SOC估計方法引入蝙蝠算法，設計迭代優化流程，得到優化后的超參數組合，將更新后的超參數輸入網絡，從而對鋰電池SOC進行估算。本發明能夠適用于不同材料的鋰電池，一方面減少了模型計算量，另一方面可以在一定程度上提高了模型預測性能，使得對電池SOC的估計精度較高，具有更高的自適應性。

技術領域

本發明涉及一種動力鋰電池的樣本數據集生成方法、SOC估計方法，屬于電池管理系統(BMS)的荷電狀態(SOC)預測范疇。

背景技術

一個優秀的電池管理系統可以提高電池效率，延長電池壽命。其中鋰電池具有能量密度高、壽命長，無污染等優點，被認為是最有前途的儲能選擇之一。目前鋰電池被廣泛應用于工業、日常生活等領域，高精度地估算SOC，不僅能夠估算新能源汽車儲能電池當前的剩余電量，提高均衡一致性和輸出功率，減少額外的冗余；同時可以為準確地評估電池健康狀況提供數據依據，以實時了解電池的老化情況。因此如何找到一種有效的方法對電池SOC的估算已成為電池管理的重要環節。

電池的結構復雜，鋰電池的實時SOC是一個變量，無法通過傳感器件直接測量得到，在工作時會隨外部環境的變化而發生變化。包括溫度、放電電流、放電倍率、內阻、自放電率、衰減程度等因素的影響，都會使得電池SOC的估算更加困難。

目前電池SOC的估算方法有開路電壓法、安時計量法、數據驅動法和基于模型的卡爾曼濾波法。(1)開路電壓法：當電池處于靜止狀態時，電池的各項參數相對來說較穩定，利用開路電壓與荷電狀態之間穩定的函數關系，測量電池開路電壓，再對照特性曲線圖(OCV-SOC)得出SOC的值。(2)安時計量法：主要就是測量電池的放電電流并將電流隨時間進行積分，以此算出一段時間內放出的電量，進而估計電池的SOC。(3)基于模型的卡爾曼濾波法：其中心思想是在已知系統狀態空間模型、噪聲統計特性以及初始狀態值的前提下，依據最小均方誤差原則，利用實際的輸出觀測數據對系統的狀態變量進行修正，實時地獲得被估計數據狀態量的最優估計值。但此方法很大程度深度上依賴于模型的準確性。(4)數據驅動法：該方法無須考慮電池內部的實際反應情況，主要依據系統輸入和輸出之間的映射關系來建立估算模型。對于傳統的神經網絡而言，模型只會關注當前時刻信息的處理，不會關注上一時刻信息的處理是否對下一時刻有所幫助。而LSTM網絡在傳統RNN神經網絡的基礎上引入了時序的概念，使得上一刻的輸出能對下一刻的輸入產生直接影響。在LSTM網絡中，超參數的選擇通常采用不斷訓練網絡，結合訓練經驗來確定，在試湊的過程中無形中增加了網絡訓練的時間。為節約訓練成本和獲得更高的估計精度，通過利用優化算法改善神經網絡的結構進行解決尤為重要。

發明內容

本發明提供了一種動力鋰電池的樣本數據集生成方法，以用于獲得鋰電池樣本數據集；并進一步提供了一種動力鋰電池的SOC估計方法，以用于可以通過動力鋰電池的樣本數據集生成方法獲得的鋰電池樣本數據集訓練模型實現動力鋰電池的SOC估計。

本發明的技術方案是：一種動力鋰電池的樣本數據集生成方法，包括：

搭建鋰電池充放電瞬態求解模型；

依據搭建的鋰電池充放電瞬態求解模型，獲得鋰電池電勢圖、電流密度分析圖以及電池不同倍率性能分析圖；

導出鋰電池電勢圖、電流密度分析圖以及電池不同倍率性能分析圖對應的數據；對導出的數據進行預處理，獲得鋰電池樣本數據集。

所述搭建鋰電池充放電瞬態求解模型，包括：

選擇物理場：添加鋰離子電池接口進行電池的充放電瞬態研究；

構建對象：采用線段間隔指定電池負極、隔膜、正極，構建一維幾何；