System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于电池的soc状态观测,具体涉及一种电池soc估测方法和装置。
技术介绍
1、随着新能源的快速发展,电池被广泛应用于新能源车辆和新能源设备。电池soc(state of charge)估测方法是电池的关键技术之一,只有准确估测电池的soc状态,才能更好的控制设备运行过程和续航状态。但霍尔电流传感器和分流器等电流传感器在小电流充放电时测量精度不高,且电池状态随温度变化大,因此对于长时间工作于小电流充放电状态的电池,其soc估测技术面临着精度低和环境适应性差的难题。
技术实现思路
1、本专利技术的目的在于克服现有技术中的不足,提供一种电池soc估测方法和装置。本专利技术方案能够解决上述现有技术中存在的问题。
2、本专利技术的技术解决方案:
3、根据第一方面,提供一种电池soc估测方法,包括以下步骤:
4、获取电池soc初始值;
5、建立bp神经网络;
6、基于bp神经网络对电池的电流值进行校正;
7、根据校正后的电流值计算上一时刻电池soc的变化量;
8、采用电压查表法对获得的电池soc值进行校正,获得电池soc值。
9、进一步的,所述的电池soc初始值的获取方法为:基于当前所测得的电池总电压,查表后得到soc初始值,并将其与上次使用后存储的最终soc进行对比,取其中较低的soc为校正后的soc初始值。
10、进一步的,所述的bp神经网络建立的方法为:
1
12、将在常温小电流状态试验过程中,电池中装载的分流器测得电流值和试验设备中装载的电流传感器测得的电流值的偏差对电池试验数据进行筛选并分类;
13、根据获得的数据对bp神经网络进行训练,获得各个分类的bp神经网络初始权重值。
14、优选的,对电池试验数据进行筛选并分类的方法为:
15、将偏差超出合理范围的数据去除,即认为该电池装载的分流器为劣质品,需要为该电池更换分流器;
16、对偏差在合理范围之内的分流器,依据在小电流充放电状态下的分流器测得电流值和测试设备中装载的高精度电流传感器测得电流值之间的偏差值将电池分为正+,正,零,负,负+五类,其中,零类代表偏差最小,正类代表偏差为正,且偏差比零类大,比正+类小,正+类代表偏差为正,偏差比正类大且在合理范围内,负类代表偏差为负,且偏差比零类大,比负+类小,负+类代表偏差为负,偏差比负类大且在合理范围内,具体数值根据实际情况选取。
17、进一步的,所述的基于bp神经网络对电池的电流值进行校正的方法为:
18、根据此电池的分类,获得该分类的bp神经网络初始权重值;
19、根据电池充放电试验获得的数据输入到该分类的bp神经网络中,对电流值进行校正。
20、进一步的,所述的根据校正后的电流值计算上一时刻电池soc的变化量的方法为:对通过bp神经网络算法校正后的电流值进行积分,积分后得到上一时刻充电或放电的电量,基于充放电的电量和电池容量的比值确定电池soc的变化量。
21、进一步的,所述的电流校正公式为:其中,k1为当前的电流比例校正系数,k2为电流的基础校正系数,为分流器测得的电流值,i为校正之后的电流值。
22、进一步的,所述的电流的基础校正系数由电池未充放电或者电池母线只有极小电流的情况下采集的数据进行训练获得,电流比例校正系数则由电池充放电过程中采集的数据进行训练获得。
23、进一步的,所述的一种电池soc估测方法还包括电池soc值为若干此充放电过程中计算的电池soc值的均值。
24、根据第二方面,提供完成上述方法的一种电池soc估测装置,包括充放电试验设备、电流传感器、电压传感器、温度传感器、分流器、历史数据获取单元、bp神经网络估算单元、电池soc的变化量计算单元和电池soc计算单元,
25、所述的充放电试验设备对电池进行充放电流程,
26、所述的电流传感器安装在充放电试验设备上,测量电池母线的电流值,并传送给所述的bp神经网络估算单元,
27、所述的电压传感器获取电池的电压,传送给所述的bp神经网络估算单元,
28、所述的温度传感器获取电池的电压,传送给所述的bp神经网络估算单元,
29、所述的分流器安装在所述电池的母线上,获得电池工作时的电流信息,传送给所述的bp神经网络估算单元,
30、所述的历史数据获取单元获得电池进行充放电试验的历史数据,并根据历史数据获得soc初始值,将历史数据和soc初始值发送给所述的bp神经网络估算单元,
31、所述的bp神经网络估算单元根据获得的数据,对电池的电流值进行校正,将校正后的电流值发送给所述的电池soc的变化量计算单元,
32、所述的电池soc的变化量计算单元根据获得的电流值进行积分,获得积分后得到上一时刻充电或放电的电量,基于充放电的电量和电池容量的比值确定电池soc的变化量,并将电池soc的变化量发送给所述的电池soc计算单元,
33、所述的电池soc计算单元采用电压查表法对安时积分法得到的soc值进行校正,获得电池soc值。
34、本专利技术与现有技术相比的有益效果:
35、(1)本专利技术通过bp神经网络对电池的电流值进行校正,对霍尔电流传感器和分流器等电流传感器在小电流充放电时测量精度不高且电池状态随温度变化大导致的电池电流值测量误差大的情况进行了修正,提高了电池soc值的估测精度;
36、(2)本专利技术通过根据电流偏差对电池试验数据进行筛选,并对筛选后的数据根据偏差对电池进行分类,获得各分类的bp神经网络模型,从而在估测一个电池soc值时,进一步的提高了估测结果的精度。
本文档来自技高网...【技术保护点】
1.一种电池SOC估测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种电池SOC估测方法,其特征在于,所述的电池SOC初始值的获取方法为:基于当前所测得的电池总电压,查表后得到SOC初始值,并将其与上次使用后存储的最终SOC进行对比,取其中较低的SOC为校正后的SOC初始值。
3.根据权利要求1所述的一种电池SOC估测方法,其特征在于,所述的BP神经网络建立的方法为:
4.根据权利要求3所述的一种电池SOC估测方法,其特征在于,对电池试验数据进行筛选并分类的方法为:
5.根据权利要求1所述的一种电池SOC估测方法,其特征在于,所述的基于BP神经网络对电池的电流值进行校正的方法为:
6.根据权利要求1所述的一种电池SOC估测方法,其特征在于,所述的根据校正后的电流值计算上一时刻电池SOC的变化量的方法为:对通过BP神经网络算法校正后的电流值进行积分,积分后得到上一时刻充电或放电的电量,基于充放电的电量和电池容量的比值确定电池SOC的变化量。
7.根据权利要求1所述的一种电池SOC估测方法,其特征在
8.根据权利要求7所述的一种电池SOC估测方法,其特征在于,所述的电流的基础校正系数由电池未充放电或者电池母线只有极小电流的情况下采集的数据进行训练获得,电流比例校正系数则由电池充放电过程中采集的数据进行训练获得。
9.根据权利要求1所述的一种电池SOC估测方法,其特征在于,所述的一种电池SOC估测方法还包括电池SOC值为若干此充放电过程中计算的电池SOC值的均值。
10.完成权利要求1-9任一所述的一种电池SOC估测装置,其特征在于,包括充放电试验设备、电流传感器、电压传感器、温度传感器、分流器、历史数据获取单元、BP神经网络估算单元、电池SOC的变化量计算单元和电池SOC计算单元,
...【技术特征摘要】
1.一种电池soc估测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种电池soc估测方法,其特征在于,所述的电池soc初始值的获取方法为:基于当前所测得的电池总电压,查表后得到soc初始值,并将其与上次使用后存储的最终soc进行对比,取其中较低的soc为校正后的soc初始值。
3.根据权利要求1所述的一种电池soc估测方法,其特征在于,所述的bp神经网络建立的方法为:
4.根据权利要求3所述的一种电池soc估测方法,其特征在于,对电池试验数据进行筛选并分类的方法为:
5.根据权利要求1所述的一种电池soc估测方法,其特征在于,所述的基于bp神经网络对电池的电流值进行校正的方法为:
6.根据权利要求1所述的一种电池soc估测方法,其特征在于,所述的根据校正后的电流值计算上一时刻电池soc的变化量的方法为:对通过bp神经网络算法校正后的电流值进行积分,积分后得到上一时刻充电或放电的电量,基于充放电...
【专利技术属性】
技术研发人员:张渊博,施晓勇,赵君力,谢孟,张力宝,
申请(专利权)人:北京机电工程研究所,
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。