锂电池荷电状态预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及锂电池技术领域，公开了一种锂电池荷电状态预测方法、装置、设备及存储介质，该方法包括：采用粒子滤波算法确定目标电池的实际容量值，基于实际容量值通过荷电状态预测模型获得目标电池的荷电状态预测值，获取目标电池的初始荷电状态实际值，并计算荷电状态预测值与初始荷电状态实际值的差值，将计算得到的差值作为预设残差模型的输入，得到残差估计值，根据残差估计值与所述荷电状态预测值确定所述目标电池的当前荷电状态值。由于本发明专利技术是采用粒子滤波算法计算得到的实际容量值，能够补偿电池退化对电池荷电状态值的影响，接着引入残差分析，根据残差估计值和模型预测值最终确定目标电池的当前荷电状态值，提高了估计精度。度。度。

【技术实现步骤摘要】
锂电池荷电状态预测方法、装置、设备及存储介质


[0001]本专利技术涉及锂电池
，尤其涉及一种锂电池荷电状态预测方法、装置、设备及存储介质。

技术介绍

[0002]锂电池广泛应用于新能源汽车、电子消费和电网储能等领域。锂电池经过反复充放电后，其内部的活性锂离子和电解液会减少、隔膜会老化，导致电池容量衰减。电池容量反映了电池的退化程度，荷电状态（State of Charge，SOC）是电池当前今年容量与实际容量之比值，反映了当前可放出的电荷量。准确的SOC估计对确保用户及时维护或更换电池系统，提高系统的安全性和可靠性至关重要。
[0003]锂电池的SOC估计方法众多，常采用基于长短时记忆网络（Long Short Term Memory，LSTM）构建SOC估计模型，然而影响电池的SOC的实际容量是不断衰减的，现有的基于LSTM的方法在进行SOC估计时未考虑到容量衰减的影响，使得最终得到的电池的当前荷电状态值与实际值有较大差距，存在着精确度不足的问题。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种锂电池荷电状态预测方法，其特征在于，所述方法包括：采用粒子滤波算法确定目标电池的实际容量值；基于所述实际容量值通过荷电状态预测模型获得所述目标电池的荷电状态预测值；获取所述目标电池的初始荷电状态实际值，并计算所述荷电状态预测值与所述初始荷电状态实际值的差值；将计算得到的所述差值作为预设残差模型的输入，得到残差估计值；根据所述残差估计值与所述荷电状态预测值确定所述目标电池的当前荷电状态值。2.如权利要求1所述的锂电池荷电状态预测方法，其特征在于，所述采用粒子滤波算法确定目标电池的实际容量值，包括：获取所述目标电池的初始状态参数值，根据粒子滤波第一方程得到粒子的初始权重值以及更新后的状态值；基于所述更新后的状态值，根据粒子滤波第二方程得到所述目标电池的容量观测值；采用基于BP平滑的重采样算法对所述粒子的初始权重值进行更新，得到粒子的归一化权值；根据所述粒子的归一化权值与所述目标电池的容量观测值，确定所述目标电池的实际容量值。3.如权利要求1所述的锂电池荷电状态预测方法，其特征在于，所述基于所述实际容量值通过荷电状态预测模型获得所述目标电池的荷电状态预测值的步骤之前，包括：基于LSTM初始化当前容量预测模型；采用粒子群优化算法对所述当前容量预测模型进行训练以及参数调整，获得经过优化的当前容量预测模型；相应地，所述基于所述实际容量值通过荷电状态预测模型获得所述目标电池的荷电状态预测值，包括：基于所述实际容量值通过所述经过优化的当前容量预测模型获得所述目标电池的荷电状态预测值。4.如权利要求3所述的锂电池荷电状态预测方法，其特征在于，所述基于所述实际容量值通过所述经过优化的当前容量预测模型获得所述目标电池的荷电状态预测值，包括：将所述目标电池的电压、电流以及电池温度作为输入，通过所述经过优化的当前容量预测模型输出所述目标电池的当前容量值；基于所述实际容量值和所述当前容量值，计算得到所述目标电池的荷电状态预测值。5.如权利要求3所述的锂电池荷电状态预测方法，其特征在于，所述采用粒子群优化算法对所述当前容量预测模型进行训练以及参数调整，获得经过优化的当前容量预测模型，包括：初始化粒子群并设置最大迭代次数阈值；采用粒子适应度公式计算得到粒子适应度值，其中，所述粒子适应度公式为：
根据所述粒子适应度值更新所述粒子群中粒子的位置和速度；在达到所述最大迭代次数阈值时，基于更新后的所述粒子的位置和速度对所述当前容量预测模型进行参数的优化，获...

【专利技术属性】
技术研发人员：甄爱钢，刘庆勇，王亚东，付贤家，崔星星，刘元龙，李娜，王娟，马佳，许博聪，朱美玲，徐静云，
申请(专利权)人：浙江天能新材料有限公司，
类型：发明
国别省市：