【技术实现步骤摘要】
一种基于SAE
‑
ACO
‑
SVM的SOC估计方法
[0001]本专利技术涉及电池管理
,更具体的说是涉及一种基于SAE
‑
ACO
‑
SVM的SOC估计方法。
技术介绍
[0002]锂离子电池具备能量密度高、寿命长、体积小等优点,已经广泛应用于储能电站、电动汽车、电子产品等多个领域。为了确保锂电池安全可靠工作,电池管理系统(BMS)应运而生,其具备实时监控并评估电池状态、优化电池能量控制等重要作用,电池的荷电状态(SOC)估计是BMS的核心组成部分。
[0003]SOC是电池剩余容量与最大可用容量之比,用于描述电池在使用中的状态。影响SOC的因素有很多,例如温度、电池组循环寿命、电池自放电等,而估计SOC只能通过可观测的电池姿态如电压电流、温度等进行间接计算,因此,SOC的准确估计十分具有挑战性,也是需要改善的重要方向。
[0004]目前,针对SOC估计问题,普遍采用的方法可分为查表法、安时积分法、放电测试法、基于模型法(基于观测器、基于滤波器)和数据驱动法(神经网络、支持向量机等)。但是这些方法均存在各自的缺陷,包括准确度不足、计算量大、实时性差等等。因此,需要研究一种能够在保证准确度的基础上降低计算量的解决方案。
技术实现思路
[0005]针对现有技术存在的不足,本专利技术的目的在于提供一种基于SAE
‑
ACO
‑
SVM的SOC估计方法以解决上述现有技术中存在的技术问题 ...
【技术保护点】
【技术特征摘要】
1.一种基于SAE
‑
ACO
‑
SVM的SOC估计方法,其特征在于,包括以下步骤:步骤1,电池数据的采集,获取估算模型所需的训练数据;步骤2,数据的预处理;步骤3,构建SAE模型,输入预处理后的样本向量,对其进行深层次特征提取及降维;步骤4,构建ACO-SVM模型,利用ACO优化SVM惩罚参数;步骤5,将SAE处理后的特征向量作为ACO
‑
SVM的输入,对锂离子电池的SOC进行估算。2.根据权利要求1所述的一种基于SAE
‑
ACO
‑
SVM的SOC估计方法,其特征在于:所述步骤1,包括:通过对锂离子电池在不同温度下进行通放电实验,获取不同时刻锂离子电池的开路电压、反应极化过电势、欧姆极化过电势、端电压、电流、温度、以及基于电流积分的电量数据,将所有数据根据采集时间进行整理。3.根据权利要求2所述的一种基于SAE
‑
ACO
‑
SVM的SOC估计方法,其特征在于:所述步骤2,包括:对采集的锂离子电池数据进行数据清洗、去噪和归一化;在数据清洗阶段对数据集中的缺失值采用三次样条插值进行处理,对重复值和离群值进行去重和删除处理;在去噪阶段利用EMD+FastICA的方法滤除因设备、环境等不确定性因素造成的噪声;最后对数据集进行0
‑
1归一化处理。4.根据权利要求3所述的一种基于SAE
‑
ACO
‑
SVM的SOC估计方法,其特征在于:所述去噪阶段中,EMD+FastICA方法具体为:1)将每个特征参数随时间变化的序列进行EMD分解,获取m阶不同尺度分量IMF和残差RES;2)通过滑动依次取n(n<m)阶IMF分量组成输入向量矩阵进行FastICA处理,将最优结果作为重构信号的第i个分量,最终获取m
‑
n+1个重构分量;3)利用m
‑
n+1个重构分量和RES重构信号,得到去噪后的数据。5.根据权利要求4所述的一种基于SAE
‑<...
【专利技术属性】
技术研发人员:朱毛赛,肖勇军,穆福举,陈振亚,
申请(专利权)人:林源电力南京有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。