一种锂电池荷电状态估计方法技术

本发明专利技术公开了一种锂电池荷电状态估计方法。本发明专利技术步骤如下：步骤1、输入原始数据集；步骤2、清洗原始数据集，抽取需要的数据字段；步骤3、设定遗传算法的初始值，并选择使用非线性自回归外源输入神经网络预测结果的均方误差作为遗传算法的适应度函数；步骤4、搭建神经网络；步骤5、优化遗传算法；步骤6、训练预测模型。本发明专利技术将遗传算法与非线性自回归外源输入神经网络结合在一起，能减少寻找最佳神经网络参数的工作量和时间，准确的预测锂电池荷电状态，反映电池的健康状况。

A Method for Estimating the Charging State of Lithium Batteries

【技术实现步骤摘要】
一种锂电池荷电状态估计方法
本专利技术涉及锂电池技术，人工神经网络
，提供一种锂电池荷电状态估计方法，具体的涉及一种基于非线性自回归外源输入神经网络的锂电池荷电状态估计方法。
技术介绍
荷电状态(SOC)是指示锂离子电池内剩余电量的重要指标。是基于电流的积分计算的。精确而稳健的SOC估算技术可避免过荷电，过放电和过热，从而延长电池的使用寿命，现有荷电状态估计方法有着依赖电池模型精度或者估计结果不准确的缺陷，电池老化导致荷电容量减少也增加了现有技术准确估计荷电状态的困难。非线性自回归外源输入(NARX)神经网络是一种改进的人工神经网络，在学习能力，收敛速度，泛化和高精度方面有优异的表现。NARXNN网络使用有限的反馈来形成输出层而不是隐藏层。适用于预测非线性和时间序列问题。可用于多个输入和多个输出的时间序列应用。遗传算法(GA)是进化算法的重要分支，从建立问题解决方案集合的群体开始，在每一代演化过程中根据个体的适应性选择个体，进行交叉和变异生成新群体，最终从解码结果中得到近似最优解。使用遗传算法可减少在寻找最优解时进行试错实验的工作量。
技术实现思路
本专利技术的目的克服现有锂电池荷本文档来自技高网...

【技术保护点】
1.一种锂电池荷电状态估计方法,其特征在于，包括以下步骤：步骤1、输入原始数据集，原始数据集包含锂电池工作数据；步骤2、清洗原始数据集，抽取需要的数据字段；首先，去掉原始数据集中数据字段包含空值、负值的数据，获取清洗后的数据；然后，计算出每组数据对应的锂电池电荷剩余量作为数据标签，生成标准的二维数据矩阵；步骤3、设定遗传算法的初始值，并选择使用非线性自回归外源输入神经网络预测结果的均方误差作为遗传算法的适应度函数；所述的初始值包括迭代次数、个体数、需要优化的变量，其中需要优化的变量包括非线性自回归外源输入神经网络的输入延迟、反馈延迟、隐层神经元数；步骤4、搭建神经网络：首先，搭建供遗传算法优化...

【技术特征摘要】
1.一种锂电池荷电状态估计方法,其特征在于，包括以下步骤：步骤1、输入原始数据集，原始数据集包含锂电池工作数据；步骤2、清洗原始数据集，抽取需要的数据字段；首先，去掉原始数据集中数据字段包含空值、负值的数据，获取清洗后的数据；然后，计算出每组数据对应的锂电池电荷剩余量作为数据标签，生成标准的二维数据矩阵；步骤3、设定遗传算法的初始值，并选择使用非线性自回归外源输入神经网络预测结果的均方误差作为遗传算法的适应度函数；所述的初始值包括迭代次数、个体数、需要优化的变量，其中需要优化的变量包括非线性自回归外源输入神经网络的输入延迟、反馈延迟、隐层神经元数；步骤4、搭建神经网络：首先，搭建供遗传算法优化使用的非线性自回归外源输入神经网络；非线性自回归外源输入神经网络的输入延迟、反馈延迟、隐层神经元数由遗传算法随机生成的个体包含的数值确定；非线性自回归外源输入神经网络的网络结构分为输入层、隐层、输出层及反馈层；步骤5、优化遗传算法将步骤2中清洗好的数据集划分为训练集、验证集和测试集，分别作为非线性自回归外源输入神经网络的输入；根据步骤3确定非线性自回归外源输入神经网络的输入延迟、反馈延迟、隐层神经元数的最优值，直到达到迭代次数；步骤6、训练预测模型将步骤5中确定的非线性自回归外源输入神经网络的输入延迟、反馈延迟、隐层神经元数的最优值，搭建新的非线性自回归外源输入神经网络；将步骤2中清洗好的数据集划分为训练集、验证集和测试集作为新搭建的非线性自回归外源输入神经网络的输入；运行非线性自回归外源输入神经网络，开始训练锂电池荷电状态预测模型，将生成的模型用于锂电池荷电状态的预测。2.根据权利要求1所述的一种锂电池荷电状态估计方法，其特征在于：所述步骤2中，从原始数据集中的若干表格中抽取出与锂电池荷电状态相关的电流、电压、温度、初始电池容量、时间的数据...

【专利技术属性】
技术研发人员：郭创新，朱承治，袁根，王雪平，曹袖，
申请(专利权)人：浙江大学，国网浙江省电力有限公司，
类型：发明
国别省市：浙江,33