【技术实现步骤摘要】
本专利技术涉及电池，具体为一种考虑充电安全的电动自行车电池剩余容量的预测方法。
技术介绍
1、目前，常用的电动自行车电池soc估算方法有开路电压法、安时积分法、基于模型的方法和数据驱动法。开路电压法基于测量电动自行车电池的开路电压(ocv)，并通过电动自行车电池的开路电压与soc之间的对应关系来确定电动自行车电池的soc，由于电动自行车电池的开路电压在使用后需要保持一段时间，因此非常耗时。安时积分法是通过对电流积分，再根据电动自行车电池的初始状态，因此测量仪精度较高，对电动自行车电池初始状态敏感，由于该方法是开环估计算法，会导致soc估计的误差随着时间的推移而增大。
2、在实际使用中，这两种方法因其简单易行而被广泛使用。基于模型的方法是通过建立电动自行车电池模型来预测soc，通常结合滤波算法，该算法对soc初值误差有较强的校正作用，对噪声有较强的抑制作用。然而，这类算法的精度主要取决于模型参数的选择。随着电动自行车电池老化和工作环境的变化，soc预测精度会降低，数据驱动方法没有考虑电动自行车电池的内部机理，而是将电动自行车电池作为一个黑匣子，通过直接对实验采集的数据进行训练，得到soc与测量变量之间的非线性关系。作为数据驱动的支持向量机提出了许多相应的改进算法，但这些改进算法在参数优化过程中涉及的比较少，因此预测精度不高，误差较大。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称
2、鉴于上述存在的问题，提出了本专利技术。
3、因此，本专利技术解决的技术问题是：本专利技术优化电池soc预测方法，提出双层支持向量回归的剩余充电时间预测方法，通过预测电动自行车电池当前荷电状态来增加数据维度预测电动自行车电池的充电时间。
4、为解决上述技术问题，本专利技术提供如下技术方案：采集的电动自行车充电时的电流、电压以及温度的数据信息；基于采集的电动自行车充电时数据信息，改进支持向量回归作为电池soc的预测方法，基于电池soc的预测方法，增加数据维度来预测电池的剩余充电时间。
5、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述电池soc包括，soc为电动自行车电池剩余容量的可用状态，选用以电动自行车电池当前的容量为基础来定义soc，描述电动自行车电池soc从0％到100％的变化：
6、soc＝1-(qdischarge/qrated,aged)
7、其中，qdischarge为电动自行车电池放出来的电量，qrated,aged为电动自行车电池当前的容量。
8、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述改进的支持向量回归包括，采用支持向量回归作为soc的预测方法并通过参数优化来提高模型的预测精度；
9、在soc的预测中，是为得到电动自行车电池当前的充电状态，输入特征为环境温度τ、电动自行车电池充电电压v和充电电流i，输出特征为电动自行车电池soc；
10、对于给定的训练样本d＝{(x1,y1),(x2,y2),…,(xn,yn)}，其中xn＝[tnvnin]t，yn＝socn，为得到形如的模型，使得fsoc(xn)与yn尽可能接近；
11、支持向量回归与传统回归模型不同的是定义一个常量εsoc＞0，如果|yn-fsoc(xn)|≤εsoc，则完全没有损失；反之，则对应的损失为|yn-fsoc(xn)|-εsoc，因此，得到目标问题的求解函数：
12、
13、其中，csoc为正则化常数，lε(.)是不敏感损失函数，表达式如下：
14、
15、通过引入松弛变量ξsoci和来减小误差，将目标问题的求解函数转化为下式的优化问题：
16、
17、其中，ξsoci和为松弛变量。
18、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述优化问题包括，通过引入拉格朗日乘子后，把所述优化问题转化为对偶问题，具体如下所示：
19、
20、其中，asoci和是拉格朗日乘子，通过kkt条件求得wsoc、bsoc和svr的解如下：
21、
22、
23、
24、之后将内积运算转化为核函数k(x,xi)，将自变量转换到高维特征空间进行函数拟合，则svr表示为：
25、
26、其中，asoci和是拉格朗日乘子。
27、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述电池soc的预测方法包括，数据预处理、选取核函数、参数优化、剩余充电时间预测；
28、所述数据预处理包括，对充电数据进行归一化，在电动自行车锂电池充电到电流达到0.01c结束充电，定义电流降到0.01c的状态为电动自行车电池荷电状态100％，根据电动自行车电池的充电电量得到电动自行车电池的soc，为消除数据量值之间的差异，采用最大最小法将数据集的自变量规整到[-1，1]。
29、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述选取核函数包括，采用径向基核函数，具体公式如下：
30、k(xi,xj)＝exp(-g||xi-xj||2)
31、其中g＝1/σ2；
32、所述参数优化包括，基于采用的径向基核函数，需要优化的参数为惩罚系数csoc和rbf核的宽度系数gsoc，采用网格搜索算法进行寻优。
33、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述剩余充电时间预测包括，采用双层支持向量回归对蓄电池的剩余充电时间进行预测；
34、双层支持向量回归考虑了电池剩余充电时间与充电电流、电压、温度和电池soc的相关性，以及支持向量机在小样本数据中的泛化能力；
35、第一层svr对电压、电流和温度进行处理，预测电池的电流soc，第二层svr通过soc增加数据维数，提高电池剩余充电时间的预测精度；
36、拟合表达式为：
37、
38、其中，ft(x)为电池的剩余充电时间。
39、本专利技术的另一个目的是提供一种考虑充电安全的电动自行车电池剩余容量的预测方法的系统，其能通过构建电动自行车电池剩余容量的预测系统，实现对电动自行车电池容量的预测。
40、作为本专利技术所述一种考虑充电安全的电动自行车电池剩余容量的预测方法的一种优选方案，其中：所述系统包括采集模块、算法模块以及预测模块；所述采集模块包括，采集的电动自行车充电时的本文档来自技高网...
【技术保护点】
1.一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：包括，
2.如权利要求1所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述电池SOC包括，SOC为电动自行车电池剩余容量的可用状态，选用以电动自行车电池当前的容量为基础来定义SOC，描述电动自行车电池SOC从0％到100％的变化：
3.如权利要求2所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述改进的支持向量回归包括，采用支持向量回归作为SOC的预测方法并通过参数优化来提高模型的预测精度；
4.如权利要求3所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述优化问题包括，通过引入拉格朗日乘子后，把所述优化问题转化为对偶问题，具体如下所示：
5.如权利要求4所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述电池SOC的预测方法包括，数据预处理、选取核函数、参数优化、剩余充电时间预测；
6.如权利要求5所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特
7.如权利要求6所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述剩余充电时间预测包括，采用双层支持向量回归对蓄电池的剩余充电时间进行预测；
8.一种采用如权利要求1～7任一所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法的系统，其特征在于：所述系统包括采集模块、算法模块以及预测模块；
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法的步骤。
...【技术特征摘要】
1.一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：包括，
2.如权利要求1所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述电池soc包括，soc为电动自行车电池剩余容量的可用状态，选用以电动自行车电池当前的容量为基础来定义soc，描述电动自行车电池soc从0％到100％的变化：
3.如权利要求2所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述改进的支持向量回归包括，采用支持向量回归作为soc的预测方法并通过参数优化来提高模型的预测精度；
4.如权利要求3所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述优化问题包括，通过引入拉格朗日乘子后，把所述优化问题转化为对偶问题，具体如下所示：
5.如权利要求4所述的一种考虑充电安全的电动自行车电池剩余容量的预测方法，其特征在于：所述电池soc的预测方法包括，数据预处理、选取核函数、参数优化、剩余充电时间预测；<...
【专利技术属性】
技术研发人员：郭敏，周柯，陈卫东，韩帅，肖静，郭小璇，熊莉，吴宁，卢健斌，阮诗雅，龚文兰，吴晓锐，莫宇鸿，叶映泉，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
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。