一种数据驱动的实时在线锂电池SoC精确估计方法技术

本发明专利技术公开了一种数据驱动的实时在线锂电池SoC精确估计方法，采用数据驱动方法实时计算SOC，可以避免同等估计精度物理建模的复杂性，并且模型在应用到同类项目时，只需通过数据自行学习调整模型参数，而不需要重新建模，并且通过实时数据及时更新模型参数，以适配电池工作状态、电池性能退化状态、环境工况的变化，获得最佳估计精度。充分利用了试验数据和实时数据，基于试验数据构建粗模型，可以避免实时数据不足时无法构建数据驱动模型的不足。同时，试验数据可为SOC模型构建在参数选择、效果评估方面提供经验指导，提高建模效率。提高建模效率。提高建模效率。

【技术实现步骤摘要】
一种数据驱动的实时在线锂电池SoC精确估计方法


[0001]本专利技术涉及电化学储能
，尤其涉及一种数据驱动的实时在线锂电池SoC精确估计方法。

技术介绍

[0002]目前，锂电池储能行业正在快速发展，根据前瞻产业研究院《中国储能行业市场前瞻与投资预测分析报告》的预测，到2025年电化学储能装机规模有望达到55.9GW。在应用场景方面，锂电池储能在基站储能、IDC储能、工商业储能用户侧、电网侧和发电侧都具备丰富的应用场景，并且正在朝向多元化发展。
[0003]荷电状态(SOC)是电池的可用容量，是储能电池进行充放实现削峰填谷、备电等应用的重要依据，因此要实现对SOC的实时在线精确估计。目前进行SOC估计的方法主要包括放电实验法、安时积分法、开路电压法、内阻法、卡尔曼滤波法以及以神经网络为代表的机器学习方法。其中，放电实验法不能实现在线估计；安时积分法只单纯从外部记录进出电池的电量，但忽略了电池内部状态的变化。同时电流测量不准，造成SOC计算误差会不断累积，需要定期不断校准；开路电压法需要电池长期静置，并且电池充放电比率导致的电流波本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的实时在线锂电池SoC精确估计方法，其特征在于，包括以下步骤：S1收集锂电池实验室试验数据并分组构建数据集；S2对数据集进行数据处理并构建必要的特征；S3对数据集进行电池衰退识别；S4对数据集中的每一个数据集构建模型；S5进行实时数据采集；S6从模型库中选择SOC估计模型作为初始模型；S7使用初始模型进行实时SOC估计；S8对收集到的电池实际数据进行漂移检测；S9采用步骤S7利用当前数据对模型进行更新。2.根据权利要求1所述的一种数据驱动的实时在线锂电池SoC精确估计方法，其特征在于，所述步骤S1构建数据集表示为：其中，W
i
表示充放电工作状态；T
j
表示温度区间；表示在上述工况和温度条件下的测量数据集，包括充放电电流、电池电压、电池温度、环境温度、当前的充放电循环数和电池容量。3.根据权利要求1所述的一种数据驱动的实时在线锂电池SoC精确估计方法，其特征在于，所述步骤S2具体为对每个数据集中存在的错误和缺失数据进行处理，并采用特征构建方法构建必要的特征，所述特征构建方法包括统计量构建、数据变换、时间序列分析、信号处理，或直接将物理量作为特征。4.根据权利要求1所述的一种数据驱动的实时在线锂电池SoC精确估计方法，其特征在于，所述步骤S3采用状态识别算法识别电池是否有衰退以及衰退阶段，若一个数据集对应电池两个衰退阶段，则把该数据集划分为与这两个阶段对应的两个子集。5.根据权利要求1所述的一种数据驱动的实时在线锂电池SoC精确估计方法，其特征在于，所述步骤S5采集数据包括储能电池状态数据及环境工况数据，具体...

【专利技术属性】
技术研发人员：雷达，孙胜前，徐风光，
申请(专利权)人：岳阳耀宁新能源科技有限公司，
类型：发明
国别省市：