一种基于剩余电量估计的电动汽车充电安全防护方法技术

本发明专利技术涉及电动汽车充电安全管理技术领域，更具体地，本发明专利技术涉及一种基于剩余电量估计的电动汽车充电安全防护方法。本发明专利技术提出了一种新的SOC估算方法，用于电动汽车充电过程中的安全防护，在大数据平台的基础上，本发明专利技术意在充电桩侧建立准确性更高的SOC估计算法，与BMS中的SOC估算形成同步过程，从而对电动汽车端的SOC变化过程是否正常做出判断，为及早发现充电过程中的SOC异常变化提供理论和方法依据。本发明专利技术方法设计的SOC估算方法具有准确性高，训练时间短等优点，提出的双SOC安全防护过程具有方案实施难度低，成本低但防护效果好等优点，在充电运营企业具有广泛的应用前景。

【技术实现步骤摘要】
一种基于剩余电量估计的电动汽车充电安全防护方法
本专利技术涉及电动汽车充电安全管理
，更具体地，本专利技术涉及一种基于剩余电量估计的电动汽车充电安全防护方法。
技术介绍
电动汽车的动力电池剩余电量估计是电动汽车充电过程中需要重点关注的指标，一般简称为SOC(StateofCharge)。SOC不能直接被测量，它由车载动力电池管理系统(BMS：BatteryManagementSystem)根据充电过程中可直接测量的参数，并通过特定的估算算法而间接生成。SOC估计的准确性是动力电池管理系统的核心功能，精确的SOC估计是保障电动汽车安全可靠工作的重要前提，并为电动汽车的能量管理和安全管理提供必要依据。然而，一直以来SOC估计工作都极具挑战性，一方面，可以用于SOC估计的可直接测量的参数数量有限且具有非线性，强耦合，强时变的特点。另一方面，动力电池系统的工作环境较为复杂，系统面临着由众多电池组串并联而成的复杂系统，同时还面临着全工况(宽倍率充放电)和全气候(-30-45℃温度范围)的严峻要求。因此研究更精确的SOC估算方法对电动汽车的安全管理具本文档来自技高网...

【技术保护点】
1.一种基于剩余电量估计的电动汽车充电安全防护方法，其特征在于，包括以下步骤：/n步骤一：在充电运营平台端建立AdaBoost-LSSVM算法；/n步骤二：当电动汽车开始充电时，在充电运营平台段使用步骤(1)建立AdaBoost-LSSVM算法，和电动汽车电池管理系统计算在同一时刻t的剩余电量值

【技术特征摘要】
1.一种基于剩余电量估计的电动汽车充电安全防护方法，其特征在于，包括以下步骤：
步骤一：在充电运营平台端建立AdaBoost-LSSVM算法；
步骤二：当电动汽车开始充电时，在充电运营平台段使用步骤(1)建立AdaBoost-LSSVM算法，和电动汽车电池管理系统计算在同一时刻t的剩余电量值并计算的距离L1t：



步骤三：若L1t属于(0，5％)，则未超标，可继续充电；若L1t不属于(0，5％)，则超标，需停止充电。


2.根据权利要求1所述的基于剩余电量估计的电动汽车充电安全防护方法，其特征在于，所述步骤一建立AdaBoost-LSSVM算法包括以下步骤：
(1)输入数据集：输入电动汽车充电数据集T：T＝{(x1，y1)，···，(xi，yi)，…，(xN，yN)}，其中是N个充电过程参数；是估计的剩余电量值；
(2)构建LSSVM预测器：设置M个LSSVM预测器Pm(xi)，m＝1，2，···，M，根据数据集进行学习，得到每个预测器Pm(xi)的四个关键参数αm、bm、γm、σm；
(3)计算预测器的归一化系数：计算预测器Pm(xi)在数据集上的预测误差率em，得到归一化系数cm；
(4)计算AdaBoost-LSSVM算法的线性组合：对每个预测器Pm(xi)的参数求和，得到AdaBoost-LSSVM算法的四个最终参数αfinal、bfinal、γfinal、σfinal：
(5)输出AdaBoost-LSSVM算法：所述AdaBoost-LSSVM算法Y(x)的公式如下所示：



其中，


3.根据权利要求2所述的基于剩余电量估计的电动汽车充电安全防护方法，其特征在于，所述步骤(2)构建LSSVM预测器中，包括以下步骤：
2-1)设置初始化权值分布D1：D1＝(w11，w12，…，w1i，…，w1N)，其中，
2-2)对于m＝1使用具有权值分布D1的数据集学习，得到预测器P1(xi)的四个关键参数：α1、b1、γ1、σ1，和权值分布D2；以此类推，对于m＝2，…，M，使用具有权值分布Dm的数据集学习，得到预测器Pm(xi)的...

【专利技术属性】
技术研发人员：唐旭日，李春喜，魏高义，
申请(专利权)人：深圳市加码能源科技有限公司，
类型：发明
国别省市：广东;44