一种基于多特征量筛选的锂离子电池荷电状态预测方法技术

本发明专利技术涉及锂离子电池荷电状态的预测，尤其涉及一种基于多特征量筛选的锂离子电池荷电状态预测方法。一种基于多特征量筛选的锂离子电池荷电状态预测方法，包括在锂离子电池放电过程中，采集锂离子电池用于预测电池荷电状态SOC的外部特征参数。本发明专利技术的有益效果是：同时结合电池充放电的各种特征量来预测锂离子电池的荷电状态；在数据提取中为减少传感器精度和环境影响，通过使用有限差分来减小计算误差；在数据筛选部分，通过将容量增量曲线、温度变化曲线、等时间压降曲线以及等时间电流下降曲线进行分组筛选，选出最优数据组合；在数据拟合中使用高斯平滑来平滑特征曲线；在SOC预测中使用优化的神经网络对锂离子电池荷电状态进行了预测。态进行了预测。态进行了预测。

【技术实现步骤摘要】
一种基于多特征量筛选的锂离子电池荷电状态预测方法


[0001]本专利技术涉及锂离子电池荷电状态的预测，尤其涉及一种基于多特征量筛选的锂离子电池荷电状态预测方法。

技术介绍

[0002]随着化石燃料的不断枯竭及其所导致的日益恶化的环境问题，作为新能源的象征，锂离子电池被广泛应用于各个领域。然而，锂离子电池经过反复充放电循环后，其容量会逐渐下降。电池老化会影响设备的安全性和可靠性，甚至会造成严重的事故，如汽车自燃、手机爆炸等。各国都在大力倡导发展电动汽车技术和推进电动汽车商品化。动力电池是纯电动汽车唯一的动力来源，电动车的性能很大程度上取决于动力电池的特性。锂离子电池因其密度高、寿命长、自放电率低等优点受到了行业的青睐，目前占据着动力电池的主要市场，为了保证电动汽车的正常运行，对于锂离子电池状态的实时监控与管理成为重中之重。故而，电池管理系统（BMS）逐渐成为现在人们研究热点。
[0003]电池管理系统是动力电池系统的“大脑”，为保证电池模组的正常运转提供了必要的条件。电池管理系统预测的指标主要包括 SOC（电池荷电状态）、容量、能量状态和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征量筛选的锂离子电池荷电状态预测方法，其特征在于，包括以下步骤：S1：在锂离子电池放电过程中，采集锂离子电池用于预测电池荷电状态SOC的外部特征参数；S2：根据采集数据的误差，确定数据有限差分的采样时间间隔 ,从而确定容量增量与表面温度变化；S3：确立采样间隔后，通过高斯平滑曲线，得到容量增量曲线IC和表面温度变化曲线DT，放电之间记录电压变化曲线，电流变化曲线；S4：从IC、DT曲线中分别提取以下特征量：选择两者曲线峰、谷值坐标，峰
‑
峰之间距离，峰
‑
谷之间距离，峰
‑
峰之间面积，对于电压曲线计算等时间压降值，对于电流曲线记录等时间电流下降值；S5：对所述特征量进行筛选分组进行预测，比较预测结果与算法计算速度与精度，选择其中最优特征量组；S6：将电池不同电池荷电状态SOC情况下的最优特征量导入到神经网络预测模型，从而得到预测结果，分析预测结果和预测误差。2.根据权利要求1所述的一种基于多特征量筛选的锂离子电池荷电状态预测方法，其特征在于：在所述步骤S1中，所述在电动汽车运行过程中，实时采集电池的外部特征参数包括电压U、电流I、温度T、充放电时间t以及电池荷电状态SOC的真实值。3.根据权利要求2所述的一种基于多特征量筛选的锂离子电池荷电状态预测方法，其特征在于，在所述步骤S3中，所述容量增量曲线和表面温度变化曲线任意时刻k下的计算公式为：式为：。4.根据权利要求3所述的一种基于多特征量筛选的锂离子电池荷电状态预测方法，其特征在于，在所述步骤S5中，对所述特征量进行筛选分组：第一组：容量增量曲线、温度变化曲线、等时间压降曲线、等时间电流下降曲线；第二组：容量增量曲线、温度变化曲线；第三组：容量增量曲线、温度变化曲线、等时间压降曲线；第四组：容量增量曲线、温度变化曲...

【专利技术属性】
技术研发人员：李文华，李新国，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：