电池滞回模型训练方法、估算电池SOC的方法和装置制造方法及图纸

本申请提供一种电池滞回模型训练方法，该方法包括：在线采集电池从所述t0时刻至所述t

【技术实现步骤摘要】
电池滞回模型训练方法、估算电池SOC的方法和装置


[0001]本申请涉及电池
，尤其涉及一种电池滞回模型训练方法、估算电池SOC的方法和装置。

技术介绍

[0002]电池的核电状态(State of Charge，SOC)估计是电池管理系统的核心功能之一。精确的SOC估计可以保障电池系统安全可靠地工作，优化电池系统，并为用电装置(如电动汽车)的能量管理和安全管理等提供依据。传统的SOC估计方法较多是利用SOC与开路电压(Open Circuit Voltage，OCV)对应关系得到。然而电池中开路电压和OCV并不完全一一对应，而是存在滞回关系。因此，在使用开路电压估算电池的SOC时，需要考虑滞回特性对电池的OC的影响。现有的电池开路电压滞回特性的建模方法引入了较多的简化，使得滞回模型的建模精度低，从而影响SOC估计。因此，满足精度要求且能实时得到的电池SOC一直是行业内亟待解决的问题。

技术实现思路

[0003]有鉴于此，有必要提供一种电池滞回模型训练方法、估算电池SOC的方法和装置，可以根据实时采集的电流和温度在线得到电池的开路电压。
[0004]本申请一实施方式提供了一种电池滞回模型训练方法，在线采集电池从所述t0时刻至所述t
k
时刻的工作电流I
k
，其中，k＞0；根据所述工作电流计算从所述t0时刻至所述t
k
时刻的电流积分量Q(t
k
)，其中，若根据所述工作电流确定所述电池在t
k
时刻满足开路电压采集条件，采集所述电池在所述t
k
时刻的开路电压OCV(t
k
)；采集所述电池在t
k
时刻的温度T
bat
(t
k
)；根据所述电流积分量Q(t
k
)、所述温度T
bat
(t
k
)和所述开路电压OCV(t
k
)构造样本集；及根据所述样本集训练所述电池滞回模型。
[0005]根据本申请的一些实施方式，所述样本集包括正样本集和负样本集，根据所述电流积分量Q(t
k
)、所述温度T
bat
(t
k
)和所述开路电压OCV(t
k
)构造样本集包括：获取所述正样本集中的正样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)及所述负样本集中的负样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)；将正样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)据标注类别数据，以使正样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)携带类别标签。
[0006]根据本申请的一些实施方式，所述根据所述样本集训练所述电池滞回模型包括：根据所述样本集生成样本训练集及样本测试集；根据所述样本训练集训练所述电池滞回模型，并根据所述样本测试集验证训练后的所述电池滞回模型的准确率；及若所述准确率大于或者等于预设准确率，结束所述电池滞回模型的训练过程。
[0007]根据本申请的一些实施方式，所述根据所述样本集训练所述电池滞回模型包括还包括：若所述准确率小于所述预设准确率，增加所述样本训练集的数量以重新训练所述电
池滞回模型，直至所述准确率大于或者等于所述预设准确率。
[0008]根据本申请的一些实施方式，所述根据所述样本集生成样本训练集及样本测试集包括：在所生成的样本训练集中随机选择第一预设数量的样本训练集用于训练；在所生成的样本测试集中随机选择第二预设数量的样本测试集用于验证。
[0009]根据本申请的一些实施方式，若所述工作电流在第一预设时间段内保持小于第一预设值，确定在t
k
时刻所述电池满足开路电压采集条件，其中，所述第一预设时间段的起始时间点为t
k
‑
i
，结束时间点为t
k
，0＜i＜k。
[0010]根据本申请的一些实施方式，所述方法还包括：若所述工作电流在第二预设时间段内大于或等于第二预设值，结束采集所述电池的开路电压；继续采集所述电池的工作电流，并根据采集的工作电流更新历史数据。
[0011]根据本申请的一些实施方式，所述第一预设值和电池容量或电池温度中至少一个相关。
[0012]根据本申请的一些实施方式，所述电池滞回模型包括输入层、隐含层和输出层。
[0013]本申请一实施方式提供了一种利用所述电池滞回模型训练方法训练出的滞回模型进行估算电池SOC的方法，所述方法包括：在线采集电池从所述t0时刻至所述t
k
时刻的工作电流I
k
，其中，k＞0；根据所述工作电流计算从所述t0时刻至所述t
k
时刻的电流积分量Q(t
k
)；获取所述电池在t
k
时刻的温度T
bat
(t
k
)；输入所述电流积分量Q(t
k
)和温度T
bat
(t
k
)至所述电池滞回模型，得到所述电池在t
k
时刻的开路电压；及根据所述开路电压查询SOC
‑
OCV对应关系得到所述电池的荷电状态。
[0014]根据本申请的一些实施方式，采用安时积分法和开路电压法结合得出SOC
‑
OCV对应关系。
[0015]本申请一实施方式提供了一种用电装置，所述用电装置包括存储器以及处理器，所述处理器用于执行所述存储器中存储的计算机程序时实现如上所述电池滞回模型训练方法或者实现如上所述估算电池SOC的方法。
[0016]根据本申请的一些实施方式，所述用电装置包括储能设备、或两轮以上电动汽车、或无人机、或电动工具。
[0017]本申请的实施方式通过在线采集电池的工作电流数据，并将所述工作电流数据抽象为电流积分量。将所述电流积分量与当前时刻采集的电池温度和开路电压作为样本数据训练得到所述电池滞回模型。在使用过程中，可以根据实时采集的电流计算所述电流积分量，并将所述电流积分量和采集的电池温度共同作为输入量，通过所述训练好的电池滞回模型得到对应的开路电压，并根据该开路电压得到电池的核电状态。由于本方法建模过程中不进行离线实验，且电池滞回模型的输入量简单，对用电装置的计算能力和存储能力要求低。实现在精度可接受的同时具备低实验量、低计算量和低存储量的优势。
附图说明
[0018]图1是根据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池滞回模型训练方法，其特征在于，该方法包括：在线采集电池从所述t0时刻至所述t
k
时刻的工作电流I
k
，其中，k>0；根据所述工作电流计算从所述t0时刻至所述t
k
时刻的电流积分量Q(t
k
)，其中，若根据所述工作电流确定所述电池在t
k
时刻满足开路电压采集条件，采集所述电池在所述t
k
时刻的开路电压OCV(t
k
)；获取所述电池在t
k
时刻的温度T
bat
(t
k
)；根据所述电流积分量Q(t
k
)、所述温度T
bat
(t
k
)和所述开路电压OCV(t
k
)构造样本集；及根据所述样本集训练所述电池滞回模型。2.如权利要求1所述的电池滞回模型训练方法，其特征在于，所述样本集包括正样本集和负样本集，根据所述电流积分量Q(t
k
)、所述温度T
bat
(t
k
)和所述开路电压OCV(t
k
)构造样本集包括：获取所述正样本集中的正样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)及所述负样本集中的负样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)；将正样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)据标注类别数据，以使正样本的电流积分量Q(t
k
)、温度T
bat
(t
k
)和开路电压OCV(t
k
)携带类别标签。3.如权利要求2所述的电池滞回模型训练方法，其特征在于，所述根据所述样本集训练所述电池滞回模型包括：根据所述样本集生成样本训练集及样本测试集；根据所述样本训练集训练所述电池滞回模型，并根据所述样本测试集验证训练后的所述电池滞回模型的准确率；及若所述准确率大于或者等于预设准确率，结束所述电池滞回模型的训练过程。4.如权利要求3所述的电池滞回模型训练方法，其特征在于，所述根据所述样本集训练所述电池滞回模型包括还包括：若所述准确率小于所述预设准确率，...

【专利技术属性】
技术研发人员：陈英杰，
申请(专利权)人：东莞新能安科技有限公司，
类型：发明
国别省市：