模型与数据融合驱动的增强型车载电池荷电状态估计方法技术

本发明专利技术涉及一种模型与数据融合驱动的增强型车载电池荷电状态估计方法，属于电池技术领域。该方法由基于模型且参数实时更新的荷电状态SOC估计器和基于机器学习算法的SOC映射网络并联构成，能够根据车辆运行工况自动匹配最佳SOC估计方法。首先进行车辆运行工况自适应识别，若车辆处于随机动态工况，则选择基于物理模型且参数实时更新的SOC估计器，通过强化学习算法优化估计器的初始谐调参数，实现车载电池参数及SOC的联合估计；若车辆处于连续恒流工况，则选择基于机器学习算法的映射网络实现车载电池SOC的准确估计。与单一的电池SOC估计方法相比，本发明专利技术在实际应用中具有更高的准确性、鲁棒性以及泛化能力。

【技术实现步骤摘要】

本专利技术属于电池，涉及一种模型与数据融合驱动的增强型车载电池荷电状态估计方法。

技术介绍

1、锂离子电池以其高功率密度、高能量密度、低自放电率、无记忆效应以及使用寿命长等优异特性而被广泛应用于电气化交通领域。截至目前，中国新能源汽车数量已达到1821万辆，且主要采用锂离子电池作为车载能量源，故而准确鲁棒的车载锂离子电池荷电状态估计对实现车辆可靠且高效的运行至关重要。

2、锂离子电池的荷电状态是以标称容量的百分比表示，无法通过直接测量的方式获得，只能以非侵入方式进行估计。现有的锂离子电池荷电状态估计方法可分为四类：直接计算法、基于模型方法、基于数据驱动方法和模型-数据融合方法。常用的两种直接计算法为查表法和库仑计数法，直接计算法易于实现，但由于相关参数的测量具有不确定性和开环特性，其保真度有限。基于模型的方法一般是结合电化学/等效电路模型和滤波算法来实现。电化学模型采用偏微分方程从微观角度捕捉电池内部的老化过程，采用这种方法的优势在于能够建立精确的电化学模型，但此方法涉及大量的非线性偏微分方程求解，模型复杂且计算量大；等效电路模型采用电阻器和电本文档来自技高网...

【技术保护点】

1.模型与数据融合驱动的增强型车载电池荷电状态估计方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的模型与数据融合驱动的增强型车载电池荷电状态估计方法，其特征在于：所述S1中，根据锂离子电池的正极材料确定合适的等效电路模型：对于磷酸铁锂LiFePO4电池，选择带一阶滞回的一阶RC等效电路模型；对于三元锂NCM或NCA电池，选择一阶RC等效电路模型，在线参数辨识算法为递归最小二乘算法RLS，自适应滤波算法为自适应扩展卡尔曼滤波算法AEKF。

3.根据权利要求1所述的模型与数据融合驱动的增强型车载电池荷电状态估计方法，其特征在于：所述S1中，选用深度Q网...

【技术特征摘要】

1.模型与数据融合驱动的增强型车载电池荷电状态估计方法，其特征在于：该方法包括以下步骤：

2.根据权利要求1所述的模型与数据融合驱动的增强型车载电池荷电状态估计方法，其特征在于：所述s1中，根据锂离子电池的正极材料确定合适的等效电路模型：对于磷酸铁锂lifepo4电池，选择带一阶滞回的一阶rc等效电路模型；对于三元锂ncm或nca电池，选择一阶rc等效电路模型，在线参数辨识算法为递归最小二乘算法rls，自适应滤波算法为自适应扩展卡尔曼滤波算法aekf。

3.根据权利要求1所述的模型与数据融合驱动的增强型车载电池荷电状态估计方法，其特征在于：所述s1中，选用深度q网络强化学习优化算法解决初始参数...

【专利技术属性】
技术研发人员：胡晓松，张棒棒，刘文学，李佳承，张凯，李劲文，
申请(专利权)人：重庆大学，
类型：发明
国别省市：