[發明專利]鋰離子電池荷電狀態的在線預測方法與系統

在審

• 申請號: 202211038537.8
• 申請日: 2022-08-29
• 公開（公告）號: CN115407207A
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 徐康康;楊海東;何泰隆;朱成就;金熹;印四華;張卓勤;莊嘉威
• 申請（專利權）人: 廣東工業大學
• 主分類號: G01R31/367
• 分類號: G01R31/367
• 代理公司: 佛山市禾才知識產權代理有限公司 44379
• 代理人: 劉羽波

1.一種鋰離子電池荷電狀態的在線預測方法，其特征在于，所述在線預測方法包括以下步驟：

基于時空建模策略建立鋰離子電池溫度預測模型，并利用所述鋰離子電池溫度預測模型對鋰離子電池溫度的時空數據進行預測，得到溫度時空預測數據；

根據所述時空預測數據以及鋰離子電池的電壓數據、電流數據建立鋰離子電池荷電狀態離線預測模型；

在所述鋰離子電池荷電狀態離線預測模型的基礎上，為新的輸入數據增加節點，以建立鋰離子電池荷電狀態在線預測模型，并通過所述鋰離子電池荷電狀態在線預測模型進行鋰離子電池的荷電狀態預測，得到預測結果。

2.如權利要求1所述的鋰離子電池荷電狀態的在線預測方法，其特征在于，所述基于時空建模策略建立鋰離子電池溫度預測模型的步驟，包括以下子步驟：

使用KPCA算法對所述時空數據進行降維處理，得到滿足預設空間基函數個數的空間基函數，并得到相應的低階時間系數；

使用ELM模型對所述低階時間系數進行學習，得到具有時間動態特性的低階時序模型；

利用低階時序模型對后續的時間系數進行預測，然后聯合所述空間基函數進行重構，得到所述鋰離子電池溫度預測模型，并通過所述鋰離子電池溫度預測模型預測得到所述溫度時空預測數據。

3.如權利要求2所述的鋰離子電池荷電狀態的在線預測方法，其特征在于，定義所述時空數據為y(x,t)，所述時空數據滿足以下關系式：

上式中，表示所述空間基函數，a_i(t)表示所述低階時間系數，n為通過所述KPCA算法計算出的可以代表整個所述時空數據的分量數；

通過所述ELM模型，根據所述低階時間系數進行所述低階時序模型的建模，其中，所述ELM模型使用的所述低階時間系數滿足：

a_i(t)＝f(a_i(t-1),...,a_i(t-d_a),u(t-1),...,u(t-d_u))+ε(t)；

其中，d_a和d_u分別表示輸入信號和輸出信號的最大延遲；

所述鋰離子電池溫度預測模型滿足：

其中，為預測得到的所述溫度時空預測數據。

4.如權利要求2所述的鋰離子電池荷電狀態的在線預測方法，其特征在于，根據所述時空預測數據以及鋰離子電池的電壓、電流數據建立鋰離子電池荷電狀態離線預測模型的步驟，包括以下子步驟：

將所述電流數據、所述電壓數據、所述溫度時空預測數據作為輸入變量輸入到預設寬度學習網絡中進行訓練；

將完成訓練的所述預設寬度學習網絡輸出作為所述鋰離子電池荷電狀態離線預測模型。

5.如權利要求4所述的鋰離子電池荷電狀態的在線預測方法，其特征在于，所述預設寬度學習網絡滿足：

其中，Y為所述預設寬度學習網絡所輸出的預測結果，Z_n表示所述電流數據、所述電壓數據、所述溫度時空預測數據作為輸入變量輸入所述預設寬度學習網絡時的映射特征節點，Zⁿ表示所有所述映射特征節點的集合，H_m表示所述映射特征節點對應的增強節點，H^m表示所有所述增強節點的集合，和是隨機生成的權重和偏置，ξ表示激活函數，W^m是寬度結構的連接權重。