一种基于神经网络的锂电池SOC观测方法技术

本发明专利技术公开了一种基于神经网络的锂电池SOC观测方法。结合锂电池特性，建立锂电池等效电路模型的拓扑结构及其模型公式；通过对已知电池参数的电池进行测试，获得锂电池等效电路模型的模型参数；用锂电池等效电路模型，使用基于径向基神经网络的状态观测器对锂电池的剩余电量SOC进行估测。本发明专利技术能够准确仿真出锂电池的SOC状态，能将观测得到的锂电池SOC误差缩小到相当小的一个值。

A SOC observation method for lithium batteries based on Neural Networks

The invention discloses a SOC observation method of a lithium battery based on a neural network. According to the characteristics of lithium, topology structure of lithium battery equivalent circuit model and model formula; according to the test of known battery parameters of the battery, to obtain the model parameters of lithium battery equivalent circuit model; lithium battery equivalent circuit model using state observer based on RBF neural network SOC of lithium battery residual capacity estimation. The invention can accurately simulate the SOC state of the lithium battery, and can reduce the SOC error of the observed lithium battery to a relatively small value.

【技术实现步骤摘要】
一种基于神经网络的锂电池SOC观测方法
本专利技术一种电池观测方法，尤其是涉及了一种基于神经网络的锂电池SOC观测方法。
技术介绍
节能与环保已经成为当今中国以至于全世界努力的目标。其中，锂电池的广泛应用成为了时代的一种标致。锂电池是将储存的化学能转化为电能的装置。因为他们的高电能密度性、设计随意性、以及低费用，现在锂电池广泛应用在各个场合，比如电子通讯设备、混合电动汽车等。然而，如果没有好好对锂电池进行管理，锂电池的寿命和效用会大大降低。所以，一个能够时刻监测电池状态、保证电池平稳运行的BMS(电池管理系统)对于一个锂电池非常重要。为了能够尽可能地提高电池的表现并延长电池寿命，SOC(荷电状态)是BMS中需要监测的一个最为重要状态。SOC即是剩余电量。不准确的SOC测量可能造成电池的过充或过放。
技术实现思路
为了解决
技术介绍
中存在的问题，针对锂电池的SOC难以直接测量问题，本专利技术公开了一种锂电池的荷电状态(SOC)观测方法。本专利技术所采用的技术方案包括以下步骤：1)利用锂电池特性，建立锂电池等效电路模型的拓扑结构及其模型公式；2)通过对已知电池参数的电池进行测试，获得锂电池等效本文档来自技高网...

【技术保护点】
一种基于神经网络的锂电池SOC观测方法，其特征在于包括以下步骤：1)利用锂电池特性，建立锂电池等效电路模型的拓扑结构及其模型公式；2)通过对已知电池参数的电池进行测试，获得锂电池等效电路模型的模型参数；3)用锂电池等效电路模型，使用基于径向基神经网络的状态观测器对锂电池的剩余电量SOC进行估测。

【技术特征摘要】
1.一种基于神经网络的锂电池SOC观测方法，其特征在于包括以下步骤：1)利用锂电池特性，建立锂电池等效电路模型的拓扑结构及其模型公式；2)通过对已知电池参数的电池进行测试，获得锂电池等效电路模型的模型参数；3)用锂电池等效电路模型，使用基于径向基神经网络的状态观测器对锂电池的剩余电量SOC进行估测。2.根据权利要求1所述的一种基于神经网络的锂电池SOC观测方法，其特征在于：所述步骤1)具体为：针对每个电池，采用第一副回路和第二副回路来描述电池的状态：第一副回路包括并联在电池两端的放电电阻Rsd、电容Cb和电流源IB，通过电容Cb和电流源IB获得电池剩余的工作时长和电池的SOC；第二副回路包括串联在电池的开路电压VOC、电阻R0、由电阻Rs和电容Cs构成的RC回路以及由电阻Rf和电容Cf构成的RC回路，通过两组RC回路获得电池的短时反应以及电池的V-I曲线。3.根据权利要求2所述的一种基于神经网络的锂电池SOC观测方法，其特征在于：所述锂电池等效电路模型采用以下公式表示：y＝Cx其中，表示x的导数，x是状态向量，x＝[SOC,Vf,Vs,VB]T，SOC代表电池的剩余容量，满足SOC∈[0,1]，Vs代表短期瞬态响应的电压值，Vf代表长期瞬态响应的电压值，VB代表电池的最终电压，IB为外部电流；A()表示电池SOC的状态转移，g()表示外部电流影响，表示误差函数；并且y＝VB；所述A()、g()和分别采用以下公式计算：其中，ψ(x,IB)是可预测干扰量，C＝[0001]，h1(x1)、h2(x1)和h3(x1)分别表示短期瞬态响应方程、长期瞬态响应方程以及总瞬态响应方程，g1(x1)、g2(x1)、g3(x1)和g4(x1)表示第一、第二、第三、第四中间电量，x1表示上一瞬间的x，即x的前值；所述h1(x1)、h2(x1)、h3(x1)，g1(x1)、g2(x1)、g3(x1)和g4(x1)分别采用以下公式计算：

【专利技术属性】
技术研发人员：陈剑，欧阳权，郭宣宏，郑剑，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33