一种用于锂电池荷电状态估计的快速响应方法技术

本发明专利技术涉及机器学习技术领域，尤其涉及一种用于锂电池荷电状态估计的快速响应方法，利用一个具有联合串并联二阶RC模型来对实时荷电状态进行估计，基于大数据建模理论，建立Volterra模型，生成关于电流电压和荷电状态之间的模型关系，建立电流电压与荷电状态的对应模型，从而对荷电状态进行估计；其中，Volterra模型的记忆特性能够极好的提升模型预测的准确性，多方向算法具有较快的收敛速度。本发明专利技术解决传统的方法需要高精度的测量仪器，且在真实应用中需要较长的放电时间来进行测试，因而不具有实际应用价值；本发明专利技术具有广泛的使用范围，理论和仿真验证了本方法的准确性与快速性。性。性。

【技术实现步骤摘要】
一种用于锂电池荷电状态估计的快速响应方法


[0001]本专利技术涉及机器学习
，尤其涉及一种用于锂电池荷电状态估计的快速响应方法。

技术介绍

[0002]由于能源危机，电动汽车的市场占有率已越来越高，许多传统的汽车厂商也纷纷进军电动汽车市场。然而，电动汽车面临的最严峻的挑战是电能的存储的问题。锂离子电池因为其能量密度高，环保等优势成为新能源汽车电源的重要来源。为了减少锂电池的消耗，增加电池寿命，对锂电池荷电状态的估计变得尤为重要。
[0003]传统的方法如卡尔曼滤波法，等效电路法，存在如下问题：
[0004](1)需要保持电池开路至少一个小时，这在实际的工业环境中难以实现。
[0005](2)对测量仪器的精度要求特别高，测量仪器误差的累加容易导致电池荷电状态的误差变大。

技术实现思路

[0006]针对现有算法的不足，本专利技术在二阶RC电路模型中，SOC荷电状态和电池的输入和输出之间存在非线性关系，如何精确描述其关系对荷电状态的估计有着举足轻重的作用；Volterra模型由于具有记忆因子和不同阶数特点，可用来逼近任意的非线性系统，根据系统的输入和输出，通过调整不同的阶数和记忆因子，理论上，只要阶数够高，记忆因子够大，Volterra模型可以用于逼近任意复杂的非线性系统；然而，记忆因子和阶数越高，会导致Volterra模型的参数维数急剧增长，引起维数灾难；系统的维数越高，辨识的精度和速度就越容易得不到保障；本专利技术针对具有高维特性的Volterra模型，提出一种用于锂电池荷电状态估计的快速响应方法，能快速，精确的估计锂电池的荷电状态。
[0007]本专利技术所采用的技术方案是：一种用于锂电池荷电状态估计的快速响应方法包括以下步骤：利用二阶RC模型，并借助Volterra模型对二阶RC模型电池的荷电状态进行估计；其中，Volterra模型的输入为电流和电压，输出为电池当前时刻的荷电状态，通过调节记忆因子长度来对荷电状态进行精确的拟合。
[0008]进一步的，详细步骤包括：
[0009]S1、采集电池电路每一时刻的电流、电压与SOC的准确值；
[0010]S2、利用电流和电压作为输入，SOC荷电状态作为输出，构建Volterra模型；
[0011]进一步的，Volterra模型为：
[0012]SOC(t)＝a1I(t)+a2I(t
‑
1)+
…
a
i
I(t
‑
i+1)
…
a
n
I(t
‑
n+1)+b1U(t)+
…
b
p
U(t
‑
p+1)
…
+b
m
U(t
‑
m+1)+a
1,1
I2(t)+a
1,2
I(t)I(t
‑
1)+
…
a
i,j
I(t
‑
i+1)I(t
‑
j+1)
…
a
n,n
I2(t
‑
n+1)+b
1,1
U2(t)+
…
b
p,q
U(t
‑
p+1)U(t
‑
q+1)
…
+b
m,m
U2(t
‑
m+1)+v(t)
[0013]其中，SOC为电池电路某时刻的荷电状态，I为电池电路某时刻的电流，U为电池电路某时刻的电流；
[0014]S3、构建L组输入和输出数据，设计损失函数，通过选择不同的参数θ，使损失函数值最小；
[0015]进一步的，L组数据的Volterra模型：
[0016][0017]其中，Y(L)是L个输出构建的输出向量，Φ(L)是由L个信息向量构建的信息矩阵，V(L)是L个噪声v(t)构建的噪声向量；
[0018]进一步的，损失函数为：
[0019][0020]S4、针对Volterra模型，利用多方向算法构建多个方向；
[0021]进一步的，详细包括：设第k
‑
1次的参数估计为θ
k
‑1，首先构建第k次的第一个方向，即第k次源方向为：
[0022][0023]构建剩余的l
‑
1个方向：
[0024][0025]其中矩阵N是非单位奇异矩阵，一般为降低计算量，假设N为对角矩阵，分别对每个方向进行归一化，即：
[0026][0027]则l个方向为：
[0028]D
k
＝[d
k,1
,
…
,d
k,l
]ꢀꢀꢀ
(7)
[0029]其中任意两个方向是正交的。
[0030]S5、根据方向和损失函数，构建每个方向对应的步长；
[0031]进一步的，每个方向对应的步长R
k
，公式如下：
[0032][0033]根据上述函数的导函数方程为零，进而求得：
[0034][0035]S6、利用多方向算法更新系统参数，公式为：
[0036]θ
k
＝θ
k
‑1+D
k
R
k
ꢀꢀꢀ
(10)
[0037]S7、设定训练次数K，并重复步骤S4
‑
S6。
[0038]本专利技术的有益效果：
[0039]1、可实时测量当前的荷电状态；
[0040]2、对测量仪器的精度要求不高，但对电池荷电状态的估计更加准确快速；
[0041]3、适用于任何情况的SOC估计中，对外界环境和设备要求低，易于实际工程实践中。
附图说明
[0042]图1是本专利技术的电流电压和SOC的电路示意图；
[0043]图2是本专利技术的锂电池的测试平台示意图；
[0044]图3是本专利技术的多方向算法流程示意图；
[0045]图4是本专利技术的多方向算法不同方向数对应的不同速率图；
[0046]图5是锂电池测试平台图，收集锂电池充电，放电的数据。
具体实施方式
[0047]下面结合附图和实施例对本专利技术作进一步说明，此图为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0048]如图1为二阶RC模型电流电压，二阶RC等效电路模型在Thevenin模型的基础上又串联了一个阻容并联回路，用两个阻容并联回路分别模拟浓差极化和电化学极化，在描述了锂离子电池的非线性特性的同时，更加准确地描述了锂电池的充放电过程中的极化效应。
[0049]在锂电池SOC估计时，通过构建二阶RC模型电流电压，将电池电压U和电流I看成输入，SOC荷电状态看成输出，根据当前电池的电压和电流获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于锂电池荷电状态估计的快速响应方法，其特征在于，包括以下步骤：利用二阶RC模型，并借助Volterra模型对二阶RC模型电池的荷电状态进行估计，通过调节记忆因子长度来对荷电状态进行精确的拟合。2.根据权利要求1所述的用于锂电池荷电状态估计的快速响应方法，其特征在于，借助Volterra模型对二阶RC模型电池的荷电状态进行估计包括：S1、采集电池电路每一时刻的电流、电压与SOC的准确值；S2、利用电流和电压作为输入，SOC荷电状态作为输出，构建Volterra模型；S3、构建L组数据，设计损失函数，通过选择不同的参数θ，使损失函数值最小；S4、针对Volterra模型，利用多方向算法构建多个方向；S5、根据方向和损失函数，构建每个方向对应的步长；S6、利用多方向算法更新系统参数，公式为：θ
k
＝θ
k
‑1+D
k
R
k
ꢀꢀꢀꢀꢀꢀꢀ
(10)S7、设定训练次数K，并重复步骤S4
‑
S6。3.根据权利要求2所述的用于锂电池荷电状态估计的快速响应方法，其特征在于，Volterra模型的公式为：SOC(t)＝a1I(t)+a2I(t
‑
1)+
…
a
i
I(t
‑
i+1)
…
a
n
I(t
‑
n+1)+b1U(t)+
…
b
p
U(t
‑
p+1)
…
+b
m
U(t
‑
m+1)+a
1,1
I2(t)+a
1,2
I(t)I(t
‑
1)+
…

【专利技术属性】
技术研发人员：卢剑伟，武栋，周国华，袁凯烽，郝中超，
申请(专利权)人：常州工业职业技术学院，
类型：发明
国别省市：