The invention discloses a method for prediction of vehicle battery SOC online data and based on extreme learning machine, voltage, current, temperature resistance, external characteristics such as parameter selection of the battery, through the big data approach will integrate a lot of battery external characteristic parameters online, the formation of large data prediction system SOC, so that later. To ensure effective data mining, prediction accuracy; the extreme learning machine and SOC prediction method to find the most effective data close relationship, according to the effective data mining and accurate prediction of SOC. This method has the advantages of high prediction precision and strong practicability.
【技术实现步骤摘要】
一种基于大数据和极限学习机的车载电池SOC在线预测方法
本专利技术涉及一种车载电池荷电状态(stateofcharge,SOC)的预测方法,根据电池的电压、电流、温度、内阻等外部特性参数,基于大数据和极限学习机方法,对其SOC进行精确预测。
技术介绍
电池作为电动汽车或者混合动力汽车动力系统的关键部件,对整车系统的动力性、安全性以及经济性至关重。为保证电池性能良好,延长其使用寿命,需要对电池进行合理的管理与控制,但是前提必须是准确而又可靠地获得电池的荷电状态(stateofcharge,SOC)。SOC作为电池的内部特性不可以直接对其进行测量,只能通过对电池电压、电流、温度等一些直接测量的外部特性参数预测而得。常用的电池SOC预测方法包括安时计量法、开路电压法、内阻特性法、卡尔曼滤波法以及神经网络方法等等,归纳总结后发现上述预测方法过度依赖算法本身,试图从算法上对SOC的精确预测求得突破,往往忽略了电池数据本身固有的特性。然而在电池SOC在线预测中,电池的外部特性参数种类较多,数据量较大,有必要大数据条件下实时快速地对SOC进行精确预测。其次,电池外部特性参数包括电压、电流、温度和内阻等,在实际预测中并不是将所有参数都用于预测,就能获得较好的预测结果,预测输入会出现多种组合,如(电压,电流)、(电压,电流,温度)、(电压,电流,内阻)等等,不同的组合可能得出的分类效果也有所不同,精度也必然不同,因此最优输入组合有待确定。
技术实现思路
为实现车载电池SOC的精确在线预测,本专利技术提出了一种基于大数据和极限学习机的SOC预测方法。为了实现上述目的,本专利技术是 ...
【技术保护点】
一种基于大数据和极限学习机的SOC预测方法,包括以下步骤:S1、实时在线采集大量的电池外部特性参数,根据电池的外部特性参数以及SOC的真实值,确定SOC预测建模所需的输入、输出变量;形成电池SOC预测的大数据系统;S2、根据SOC大数据系统,建立极限学习机的输入、输出样本训练集和测试集;S3、建立多重极限学习机预测模型,根据汽车和电池的实际运行情况有针对性地对多重预测模型进行动态修正,保证数据的实时性;S4、利用极限学习机的挖掘和预测功能对建立好的电池SOC多重动态预测模型进行预测和误差分析,得到预测精度;S5、对多个不同的预测精度值进行分析,得到精度最高值,从而确定最优预测组合,给出预测结果。
【技术特征摘要】
1.一种基于大数据和极限学习机的SOC预测方法,包括以下步骤:S1、实时在线采集大量的电池外部特性参数,根据电池的外部特性参数以及SOC的真实值,确定SOC预测建模所需的输入、输出变量;形成电池SOC预测的大数据系统;S2、根据SOC大数据系统,建立极限学习机的输入、输出样本训练集和测试集;S3、建立多重极限学习机预测模型,根据汽车和电池的实际运行情况有针对性地对多重预测模型进行动态修正,保证数据的实时性;S4、利用极限学习机的挖掘和预测功能对建立好的电池SOC多重动态预测模型进行预测和误差分析,得到预测精度;S5、对多个不同的预测精度值进行分析,得到精度最高值,从而确定最优预测组合,给出预测结果。2.根据权利要求1所述的SOC预测方法,其特征在于:所述步骤S1中的电池外部参数包括电池的电流、电压、内阻和温度。3.根据权利要求2所述的SOC预测方法,其特征在于:所述步骤S3中建立十...
【专利技术属性】
技术研发人员:王琪,罗印升,倪福银,陈太洪,
申请(专利权)人:江苏理工学院,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。