【技术实现步骤摘要】
一种锂电池健康状态实时监测方法及系统
[0001]本专利技术涉及锂电池
，具体涉及一种锂电池健康状态实时监测方法及系统。
技术介绍
[0002]锂电池因为其容量大、高能量密度、环保安全等特点，成为电动汽车的关键部件，对电动汽车的安全运行和稳定至关重要，所以要对锂电池时刻进行监测和管理。
[0003]电池健康状态(state of health，简称为SOH)是评估电池性能的重要指标，近年来受到广泛关注。合理的对SOH估计能够准确预测电池使用寿命，在锂电池出现故障之前及时发出预警信息，有效保证汽车安全行驶和驾驶员生命安全，对其进行准确评估不仅有助于电池系统的管理，而且也能够提高荷电状态、功率状态等其他参数的精确度。
[0004]目前锂电池SOH预测方法大致分为基于电化学机理模型，等效电路模型和数据驱动的方法。
[0005]基于电化学机理模型的方法具有较高的可解释度，但是其建模和计算难度大，提高锂电池SOH的预测难度。
[0006]基于等效电路模型的方法，需要选择合适的等效电路模型，并且要对...
【技术保护点】
【技术特征摘要】
1.一种锂电池健康状态实时监测方法，其特征在于，包括以下步骤：S1、实时采集锂电池参数数据，对实时采集的锂电池参数数据通过加权滑动平均滤波进行处理；S2、对步骤S1处理后的锂电池参数数据进行归一化预处理；S3、对步骤S2归一化预处理的锂电池参数数据通过核熵成分分析算法提取得到特征主元信息；S4、将特征主元信息输入广义回归神经网络模型中，得到锂电池健康状态实时信息。2.根据权利要求1所述的锂电池健康状态实时监测方法，其特征在于，所述步骤S1包括以下步骤：S11、在当前锂电池的一个充放电周期内，按照采集周期，每个数据类型的锂电池参数数据连续采集n个，并按照采集顺序将相同数据类型的n个锂电池参数数据存入对应数据类型的缓存区，2＜n≤10，且n为正整数；所述数据类型包括电池温度、锂电池电压、锂电池电流、锂电池放电时间和锂电池充放电次数；S12、对相同数据类型缓存区内的n个锂电池参数数据通过加权滑动平均滤波进行处理得到当前对应数据类型的加权平均值得到当前对应数据类型的加权平均值得到当前对应数据类型的加权平均值其中，x
i
为相同数据类型缓存区内n个锂电池参数数据中的第i个锂电池参数数据，w
i
为x
i
的权值，1≤i≤n且i为正整数，n为每一个数据类型缓存区内锂电池参数数据的个数；S13、按照采集周期，继续采集一次锂电池参数数据并按照采集顺序存入对应的数据类型缓存区，将每一个缓存区中采集时间最早的锂电池参数数据剔除，更新每一个缓存区中锂电池参数数据；S14、重复执行步骤S12与步骤S13，实时得到每一种数据类型锂电池参数数据的加权平均值。3.根据权利要求2所述的锂电池健康状态实时监测方法，其特征在于，所述步骤S2具体为：接收步骤S12得到的每个数据类型的加权平均值并对每个数据类型的加权平均值进行归一化预处理，得到当前数据类型的预处理数据D
数据类型
，D
数据类型
∈[0,1]。4.根据权利要求3所述的锂电池健康状态实时监测方法，其特征在于，所述步骤S3具体包括以下步骤：S31、通过Parzen窗对实时得到的各个预处理数据D
数据类型
建立N维核矩阵并进行特征分解，得到当前N维核矩阵的特征值与当前N维核矩阵的特征向量，N为采集锂电池参数数据数据类型的数量；S32、计算当前N维核矩阵的Renyi熵，根据计算得到的熵值大小对当前N维核矩阵的特征值和当前N维核矩阵的特征向量进行排序；
S33、选取当前N维核矩阵特征向量Renyi熵的贡献值大于95％的前b个主元，并选择前b个主元的特征向量作为特征主元信息B，其中0<b<N。5.根据权利要求4所述的锂电池健康状态实时监测方法，其特征在于，所述步骤S4包括以下步骤：S41、建立样本数据库，样本数据库包括M个样本数据，样本数据包括锂电池的参数数据和对应参数数据时检测得到的电池健康状态值Y，从M个样本数据中选择m个样本数据作为训练数据，其中，m＝0.6M～0.8M，m四舍五入取整数；S42、建立广义回归神经网络模型，将特征主元信息作为输入层；计算输入层与每一个训练数据之间的Gauss函数值，得到模式层的输出P
a
：其中，x
a
为m个训练数据中第a个训练数据，e为自然常数，σ为光滑因子，σ∈(0,15]，B为特征主元信息；S43、求和层神经元节点的数量为2个，分别计算求和层每一个神经元节点的输出：第一个神经元节点的输出S
D
为：第二个神经元节点的输出S
d
为：其中，Y
a
为...
【专利技术属性】
技术研发人员：汤元会，何永全，张璐，陈怡伶，张黎辉，贾永国，周芬，
申请(专利权)人：陕西省计量科学研究院，
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。