【技术实现步骤摘要】
一种基于ANFIS模型的公交车电池SOC预测方法
本专利技术属于公交车电池SOC预测
，具体涉及一种基于ANFIS模型的公交车电池SOC(StateofCharge，荷电状态)预测方法。
技术介绍
近几年，一些国家虽然已经在节能减排上做出一定努力，但是近年来环境恶化和能源短缺的问题在全球范围内日益严重，特别是全球变暖的现象更是受到学者和工业部门的密切关注。加速开发和推广新能源技术已成为全球共识，也是车辆工业发展的主要方向之一。新能源车辆的动力来源绿色无污染，因此新能源技术在车辆工业上的普及是处理当前全球石油资源日益短缺和环境变暖问题的重要途径。我国在汽车工业上需要将新能源汽车作为主要研究方向。工信和信息化部也面向社会公开征求新能源车辆的发展意见。而新能源技术的关键在于研制安全、高效和低成本的动力电池，目前，磷酸铁锂电池因其热稳定性好，能量比高和使用时间长等优点，逐渐成为新能源车辆动力来源的主要选用的电池类型之一。电池管理系统(BatteryManagementSystem，BMS)是在电动车辆上无法缺少的一部分...
【技术保护点】
1.一种基于ANFIS模型的公交车电池SOC预测方法，其特征在于，该方法包括以下步骤：/n步骤一、采集同一线路上的M辆公交车的电池数据，即分别获得每辆公交车在各采集节点处的电池组电压数据、电流数据、电池组内最大电压差数据以及同一辆公交车在各采集节点处的电池组平均温度数据；/n步骤二、对步骤一获得的数据进行归一化处理，获得归一化处理后的数据；/n步骤三、建立ANFIS模型，将归一化处理后数据作为ANFIS模型的输入数据，将公交车的SOC数据作为输出数据，利用粒子群优化方法对ANFIS模型进行训练，直至训练达到设置的最大迭代次数G
【技术特征摘要】
1.一种基于ANFIS模型的公交车电池SOC预测方法，其特征在于，该方法包括以下步骤：
步骤一、采集同一线路上的M辆公交车的电池数据，即分别获得每辆公交车在各采集节点处的电池组电压数据、电流数据、电池组内最大电压差数据以及同一辆公交车在各采集节点处的电池组平均温度数据；
步骤二、对步骤一获得的数据进行归一化处理，获得归一化处理后的数据；
步骤三、建立ANFIS模型，将归一化处理后数据作为ANFIS模型的输入数据，将公交车的SOC数据作为输出数据，利用粒子群优化方法对ANFIS模型进行训练，直至训练达到设置的最大迭代次数Gk时停止训练，获得训练好的ANFIS模型；
所述ANFIS模型的第一层为隶属度函数层、第二层为激励强度层、第三层为激励强度归一化层、第四层为规则层、第五层为输出层；
输入数据向前传输至ANFIS模型的第四层后，调整第四层的节点参数，再通过第四层的节点参数计算误差率，并将误差率反向传输至第一层，并调整第一层节点参数；
步骤四、按照步骤一的方法，采集待进行SOC预测的公交车数据，将采集的数据输入训练好的ANFIS模型，获得ANFIS模型输出的SOC预测结果。
2.根据权利要求1所述的一种基于ANFIS模型的公交车电池SOC预测方法，其特征在于，所述步骤一中，同一辆公交车在各采集节点处的电池组平均温度数据表示为tempavg：
其中：n为数据采集节点的数量，tempi为第i个采集节点采集到的电池组温度；
所述电池组内最大电压差数据表示为dif：
其中：为电池组内第i0个单体电池的电压值，为电池组内第j0个单体电池的电压值，N为电池组内单体电池数量。
3.根据权利要求1所述的一种基于ANFIS模型的公交车电池SOC预测方法，其特征在于，所述ANFIS模型中的初始模糊推理系统的生成方法为：
步骤1、利用减法聚类方法获得初始聚类中心，并将获得的初始聚类中心作为FCM聚类方法的初始聚类中心；
利用减法聚类方法获得初始聚类中心时，引入了余弦相似度对欧式距离加权；
步骤2、通过FCM聚类方法获得最优聚类结果。
4.根据权利要求3所述的一种基于ANFIS模型的公交车电池SOC预测方法，其特征在于，所述FCM聚类方法的目标函数J(U,c1,...,ck)为：
其中：m为模糊指数，cj为第j个初始聚类中心，j＝1,2,…,k，k为初始聚类中心的个数，xi为第i个样本点，dij(xi,cj)为xi和cj之间的欧氏距离，uij表示xi对cj的隶属度，wi是第i个样本点的权值；
其中：Di代表第i个样本点的密度。
5.根据权利要求4所述的一种基于ANFIS模型的公交车电池SOC预测方法，其特征在于，所述步骤2中通过FCM聚类方法获得最优聚...
【专利技术属性】
技术研发人员：吴艳霞，韩亚璋，陈旭，彭希强，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙;23
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。