基于密度特征聚类集成的锂电池荷电状态估算方法技术

本发明专利技术是一种基于密度特征聚类集成的锂电池荷电状态估算方法，目的针对锂离子电池荷电状态(SOC)智能估算模型精度提高困难、传统估算方法稳定性差的问题，结合电池实际运行数据的特点，设计一种基于数据特征聚类的集成建模方法对SOC进行估算。其特征在于首先结合SOC数据波动范围较大、状态间转换频繁的特点，设计将分散范围较广的建模数据依据特征进行聚类以获取子学习机训练数据集的数据选取策略，通过缩小子学习机训练数据的分布范围提高子学习机性能；其次在集成学习时，由于每个子学习机的训练数据具有相似特征，因此利用数据与簇的相关性对数据的权重进行更新，使得子学习机在训练时具有较强的针对性；之后，将包含了多个子学习机进行集成，进一步提高模型的估算精度。

【技术实现步骤摘要】
基于密度特征聚类集成的锂电池荷电状态估算方法
本专利技术——基于密度特征聚类集成的锂电池荷电状态估算方法，是针对电动汽车锂离子电池SOC(荷电状态)的一种智能估算方法。
技术介绍
电动汽车是一种使用电动机替代传统发动机作为动力的汽车，其消耗的能源为清洁电能，使用电能可以摆脱汽车对传统资源的依赖，从而减少传统能源危机和环境污染。目前锂离子电池以其体积小、能量密度高、电压高、续航时间长、自放电率小和循环寿命好等优点，已经成为新能源汽车最重要的动力电池类型，被越来越广泛地应用到正在迅速发展的电动汽车上。但是电池荷电状态(SOC)无法直接测量，传统的SOC估算方法大多通过电池的外部特性近似地计算得出，同时由于车辆的行驶状况的多变而包含许多随机因素，因此很难对SOC的进行实时而准确估算。针对该问题，本文提出一种基于数据特征聚类的集成建模方法，首先依据数据特征将建模数据划分成不同的数据子集，并利用这些数据子集建立SOC估算子模型，由于每个数据子集特征的相似性，可以获得更高精度的估算子模型；再利用集成学习思想结合数据特征设计集成策略，将多个子学习机进本文档来自技高网...

【技术保护点】
1.基于密度特征聚类集成的锂电池荷电状态估算方法，其特征在于：针对锂离子动力电池荷电状态(SOC)智能估算模型精度提高困难、稳定性差的问题，结合电池实际运行数据的特点，提出一种基于数据特征聚类的集成建模方法对SOC进行估算。/n

【技术特征摘要】
1.基于密度特征聚类集成的锂电池荷电状态估算方法，其特征在于：针对锂离子动力电池荷电状态(SOC)智能估算模型精度提高困难、稳定性差的问题，结合电池实际运行数据的特点，提出一种基于数据特征聚类的集成建模方法对SOC进行估算。


2.权利要求1所述的基于密度特征聚类集成的锂电池荷电状态估算方法，其特征还在于：有训练数据集S＝{(x1，y1)，(x2，y2)，…，(xn，yn)}，yt∈R，采用DBSCAN算法对S进行聚类，产生K个数据簇。


3.权利要求1所述的基于密度特征聚类集成的锂电池荷电状态估算方法，其特征还在于：计算每个数据计算其k-NN映射以及它们之间的距离并根据数据与数据所在簇的相关性计算数据的...

【专利技术属性】
技术研发人员：田慧欣，李晓宇，欧阳北平，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12