一种基于神经网络的电池SOC估算方法技术

本发明专利技术属于电动汽车动力电池领域，具体涉及一种基于神经网络的电池SOC估算方法。本发明专利技术包括以下步骤：S1、获得预处理数据；S2、将预处理数据划分为充电数据和放电数据；S3、获得输入数据和输出数据；S4、构建神经网络模型；当前神经网络模型的隐藏层的其中一个节点数据来自前一次神经网络模型的输出层，其余节点数据来自当前神经网络模型的输入层；利用最优化算法，分别将步骤S3中的每段输入数据和输出数据均等比例划分为训练集和验证集，对每个过程分别训练相应的神经网络模型，获得对应的模型参数；S5、获得SOC的预测值。本发明专利技术能有效提升电池SOC的预测准确性，预测过程的效率性和成本性也能得到有效保证。本性也能得到有效保证。本性也能得到有效保证。

【技术实现步骤摘要】
一种基于神经网络的电池SOC估算方法


[0001]本专利技术属于电动汽车动力电池领域，具体涉及一种基于神经网络的电池SOC估算方法。

技术介绍

[0002]电池SOC描述动力电池状态的重要参数之一，对电池SOC的准确估计是新能源电池管理系统的一项关键技术。关于电池SOC估算的研究一直都是动力电池研究重点，但是很大一部分研究都是采用单体电池在理想实验条件下的充放电数据进行的，这种做法有两个问题：首先，电池在真实环境下的充放电工况比理想条件下复杂得多，不能将理想条件下的研究结果简单推广；其次，实际使用的动力电池是由很多单体电池串并联而成，不同电池的出厂状态不同，运行环境也有差异，而且随着时间的推移，这种差异会越来越大，使用单体电池研究时，没有考虑到这些因素，亟待解决。

技术实现思路

[0003]本专利技术的目的是克服上述现有技术的不足，提供一种基于神经网络的电池SOC估算方法，其能有效提升电池SOC的预测准确性，预测过程的效率性和成本性也能得到有效保证。
[0004]为实现上述目的，本专利技术采用了以下技术方案：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的电池SOC估算方法，其特征在于包括以下步骤：S1、对获取的电池的运行数据进行预处理，得到预处理数据；S2、将预处理数据划分为充电数据和放电数据；S3、对充电数据和放电数据，分别提取最高温度、最低温度、最高电压、最低电压、电流数据，组成输入数据；同时提取SOC数据，作为输出数据；S4、构建基于输入层、隐藏层和输出层的神经网络模型；同时，当前神经网络模型的隐藏层的其中一个节点数据来自前一次神经网络模型的输出层，其余节点数据来自当前神经网络模型的输入层；利用最优化算法，分别将步骤S3中的每段输入数据和输出数据均等比例划分为训练集和验证集，对每个过程分别训练相应的神经网络模型，获得对应的模型参数；S5、利用步骤S4训练出的带有对应的模型参数的神经网络模型，获得SOC的预测值。2.根据权利要求1所述的一种基于神经网络的电池SOC估算方法，其特征在于：所述步骤S1具体包括：S11、按照每条数据中的数据采集时间对数据重新排序；S12、根据电压U、电流I、温度T的范围对数据进行筛选，去除范围之外的数据；S13、进行二次筛选，去除其中温度T或者SOC跳变的数据，得到预处理数据。3.根据权利要求2所述的一种基于神经网络的电池SOC估算方法，其特征在于：所述步骤S11中，对于时间有重复的数据，去除除第一条数据之外的所有数据。4.根据权利要求2所述的一种基于神经网络的电池SOC估算方法，其特征在于：所述S12中，数据筛选范围为100mV＜U＜5000mV，...

【专利技术属性】
技术研发人员：沈永柏，王翰超，王云，姜明军，孙艳，江梓贤，刘欢，
申请(专利权)人：力高山东新能源技术有限公司，
类型：发明
国别省市：