[發明專利]一種用于鋰電池荷電狀態估計的快速響應方法

在審

• 申請號: 202210851533.5
• 申請日: 2022-07-20
• 公開（公告）號: CN115015766A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 盧劍偉;武棟;周國華;袁凱烽;郝中超
• 申請（專利權）人: 常州工業職業技術學院
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/3842
• 代理公司: 常州市英諾創信專利代理事務所(普通合伙) 32258
• 代理人: 張秋月

本發明涉及機器學習技術領域，尤其涉及一種用于鋰電池荷電狀態估計的快速響應方法，利用一個具有聯合串并聯二階RC模型來對實時荷電狀態進行估計，基于大數據建模理論，建立Volterra模型，生成關于電流電壓和荷電狀態之間的模型關系，建立電流電壓與荷電狀態的對應模型，從而對荷電狀態進行估計；其中，Volterra模型的記憶特性能夠極好的提升模型預測的準確性，多方向算法具有較快的收斂速度。本發明解決傳統的方法需要高精度的測量儀器，且在真實應用中需要較長的放電時間來進行測試，因而不具有實際應用價值；本發明具有廣泛的使用范圍，理論和仿真驗證了本方法的準確性與快速性。

技術領域

本發明涉及機器學習技術領域，尤其涉及一種用于鋰電池荷電狀態估計的快速響應方法。

背景技術

由于能源危機，電動汽車的市場占有率已越來越高，許多傳統的汽車廠商也紛紛進軍電動汽車市場。然而，電動汽車面臨的最嚴峻的挑戰是電能的存儲的問題。鋰離子電池因為其能量密度高，環保等優勢成為新能源汽車電源的重要來源。為了減少鋰電池的消耗，增加電池壽命，對鋰電池荷電狀態的估計變得尤為重要。

傳統的方法如卡爾曼濾波法，等效電路法，存在如下問題：

(1)需要保持電池開路至少一個小時，這在實際的工業環境中難以實現。

(2)對測量儀器的精度要求特別高，測量儀器誤差的累加容易導致電池荷電狀態的誤差變大。

發明內容

針對現有算法的不足，本發明在二階RC電路模型中，SOC荷電狀態和電池的輸入和輸出之間存在非線性關系，如何精確描述其關系對荷電狀態的估計有著舉足輕重的作用；Volterra模型由于具有記憶因子和不同階數特點，可用來逼近任意的非線性系統，根據系統的輸入和輸出，通過調整不同的階數和記憶因子，理論上，只要階數夠高，記憶因子夠大，Volterra模型可以用于逼近任意復雜的非線性系統；然而，記憶因子和階數越高，會導致Volterra模型的參數維數急劇增長，引起維數災難；系統的維數越高，辨識的精度和速度就越容易得不到保障；本發明針對具有高維特性的Volterra模型，提出一種用于鋰電池荷電狀態估計的快速響應方法，能快速，精確的估計鋰電池的荷電狀態。

本發明所采用的技術方案是：一種用于鋰電池荷電狀態估計的快速響應方法包括以下步驟：利用二階RC模型，并借助Volterra模型對二階RC模型電池的荷電狀態進行估計；其中，Volterra模型的輸入為電流和電壓，輸出為電池當前時刻的荷電狀態，通過調節記憶因子長度來對荷電狀態進行精確的擬合。

進一步的，詳細步驟包括：

S1、采集電池電路每一時刻的電流、電壓與SOC的準確值；

S2、利用電流和電壓作為輸入，SOC荷電狀態作為輸出，構建Volterra模型；

進一步的，Volterra模型為：

SOC(t)＝a₁I(t)+a₂I(t-1)+…a_iI(t-i+1)…a_nI(t-n+1)+b₁U(t)+…b_pU(t-p+1)…+b_mU(t-m+1)+a_1,1I²(t)+a_1,2I(t)I(t-1)+…a_i,jI(t-i+1)I(t-j+1)…a_n,nI²(t-n+1)+b_1,1U²(t)+…b_p,qU(t-p+1)U(t-q+1)…+b_m,mU²(t-m+1)+v(t)

其中，SOC為電池電路某時刻的荷電狀態，I為電池電路某時刻的電流，U為電池電路某時刻的電流；