一种基于迁移学习的电池组电池SOC预测方法及系统技术方案

本发明专利技术公开了一种基于迁移学习的电池组电池SOC预测方法及系统，该方法包括：获取待测电池组电池运行数据；将所述待测电池组电池运行数据输入至所述电池SOC预测模型，所述电池SOC预测模型输出待测电池组的SOC预测值，所述电池SOC预测模型通过调整预设的初始预测模型的权重参数得到。对于实际电池组中每个电池的目标域数据，不需要知道电池参数信息。该预测方法使用具有精确参数信息的源域数据，并结合所提出的基于传递学习的数据驱动方法，可以准确预测目标域数据的SOC。确预测目标域数据的SOC。确预测目标域数据的SOC。

【技术实现步骤摘要】
一种基于迁移学习的电池组电池SOC预测方法及系统


[0001]本申请涉及电池储能系统智慧运维
，具体涉及一种基于迁移学习的电池组电池SOC预测方法及系统。

技术介绍

[0002]锂离子电池的荷电状态(State of charge)反映了电池的剩余容量占额定容量的百分比。准确地估算电池SOC对于保证电池性能，提高使用安全性，延长使用寿命具有重要意义。目前，SOC预测主要以基于模型和数据驱动的预测方法为主。
[0003]然而，在现有的基于模型的SOC预测方法中，SOC影响因素之间会互相产生复杂的耦合关系。虽然可以通过SOC和健康状态(SOH)联合估计和在线参数识别方法将耦合影响考虑在内，但对每个单体进行估计需要大量算力和存储空间。另外在实际应用中，无论是在线参数辨识还是SOC和SOH联合估计方法，微小误差的影响都会相互反馈，从而使整个系统很容易崩溃。
[0004]由于电池电化学反应以及由于材料、生产工艺等产生的差异，电池组中的电池不一致可能会导致热量、电流和电压的不均匀分布。这使得电池的性能和内部反应具有随机变化。因此，很难本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的电池组电池SOC预测方法，其特征在于，包括：获取待测电池组电池运行数据；将所述待测电池组电池运行数据输入至电池SOC预测模型，所述电池SOC预测模型输出待测电池组的SOC预测值，所述电池SOC预测模型通过调整预设的初始预测模型的权重参数得到。2.根据权利要求1所述的电池组电池SOC预测方法，其特征在于，所述电池组电池SOC预测方法还包括：根据已知电池组电池在实验环境下的电池运行数据调整初始预测模型的参数。3.根据权利要求2所述的电池组电池SOC预测方法，其特征在于，所述根据已知电池组电池在实验环境下的电池运行数据调整初始预测模型的参数，包括：根据一预设的源域以及目标域，得到所述源域与所述目标域之间的映射关系；根据所述映射关系以及已知电池组电池在实验环境下的电池运行数据，训练所述初始预测模型。4.根据权利要求3所述的电池组电池SOC预测方法，其特征在于，所述根据一预设的源域以及目标域，得到所述源域与所述目标域之间的映射关系，包括：根据所述源域以及所述目标域，得到一特征增强矩阵，其中，所述源域包括多个已知电池组电池运行数据，所述已知电池组电池SOC值；对所述特征增强矩阵进行空间映射，得到所述源域的压缩矩阵以及所述目标域的压缩矩阵，其中源域的压缩矩阵以及所述目标域的压缩矩阵包含所述源域与所述目标域之间的映射关系。5.根据权利要求3所述的电池组电池SOC预测方法，其特征在于，所述根据所述映射关系以及已知电池组电池在实验环境下的电池运行数据，训练所述初始预测模型，包括：对所述源域的压缩矩阵以及所述目标域的压缩矩阵进行迁移学习，结合安时积分算法，进而从所述源域中获取所述目标域的伪目标值；根据所述源域、所述伪目标值以...

【专利技术属性】
技术研发人员：李楠，贾和雨，李志文，赵珈卉，朱勇，张斌，刘明义，王建星，刘承皓，张媛媛，郝晓伟，杨超然，平小凡，白盼星，段召容，成前，王娅宁，周敬伦，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：