[发明专利]一种磷酸铁锂电池LOC估算方法和系统

说明书

一种磷酸铁锂电池LOC估算方法，包括以下步骤：建立小波神经网络模型；构建小波神经网络；获取与磷酸铁锂电池LOC有关的输入参数；将输入参数输入至小波神经网络中进行数据处理，从而输出磷酸铁锂电池LOC值。本发明还公开了与所述估算方法对应的一种磷酸铁锂电池LOC估算系统。本发明可以准确、有效、可靠地对磷酸铁锂电池LOC进行估算，其可应用于电动汽车电池组充放电管理以及相关电池行业，且容易实现，具有良好的应用前景和市场价值。

技术领域

本发明涉及蓄电池LOC(可用时间)估算方法领域，更具体地，涉及一种磷酸铁锂电池LOC估算方法，其可应用于电动汽车电池组充放电管理以及相关电池行业。

背景技术

电动汽车作为未来交通工具的发展趋势，以环保、节能、轻便等特点被人们所青睐，作为关键技术部件的电池，其性能直接影响到整车性能的好坏。蓄电池是电动汽车的动力源，其寿命和价格关系到电动汽车的成本，它的储能容量和功率密度决定着电动汽车的行驶里程和速度，而这些因素又直接影响电动汽车能否真正走向市场，因此，开发寿命长、高性能、低成本的蓄电池是发展电动汽车的必经之路。

动力电池作为储能动力源，是电动汽车的核心部件，目前超级电容和锂离子电池是电动汽车上应用的主要储能动力源。超级电容受其能量密度和价格的影响，在纯电动车上的应用受到了很大的限制。电池正极材料为LiFePO4的锂电池相比于其它蓄电池，其具有比能量高、电压高、自放电率低、充放电寿命长、无记忆效应、工作温度范围宽、无污染和安全可靠等优点。

作为电池系统的控制和管理的一个重要问题，也是电动车行驶焦虑症的关键就是电池还剩余多少时间可以使用。本发明提出LOC可用时间参数，将具有很重要的现实意义和经济价值。

在电动汽车的实际运行过程中，电池所处的工况非常复杂，可测参数电压、电流、温度等与LOC之间的关系都是复杂的非线性关系，特别是电动汽车在启动、加速或者爬坡阶段，电池为大电流放电状态，电压、电流的变化十分剧烈，波动较大，同时不同环境温度对电池的性能也有很大的影响，

本发明通过分析影响蓄电池LOC的各方面因素，提出使用可伸缩维数小波神经网络方法来解决磷酸铁锂电池可用时间的预测问题。

发明内容

为了解决上述技术问题，实现准确、有效、可靠地对磷酸铁锂电池LOC进行估算，本发明提供一种磷酸铁锂电池LOC估算方法和系统，本发明解决其问题所采用的技术方案是：

本发明提供了一种磷酸铁锂电池LOC估算方法，该估算方法包括以下步骤：

S1：建立小波神经网络模型；

S2：构建小波神经网络；

S3：获取与磷酸铁锂电池LOC有关的输入参数；

S4：将输入参数输入至小波神经网络中进行数据处理，从而输出磷酸铁锂电池LOC值。

进一步地，小波神经网络模型的拓扑结构包括输入层、隐含层和输出层。

进一步地，隐含层的节点传输函数为小波基函数。

进一步地，小波基函数采用Morlet函数，其数学公式为：

进一步地，所述步骤S2包括：

(1)建立初始网络，其中所述初始网络由尺度为j的小波框架构成；

(2)进行训练，并在训练过程中判断误差是否变大，记录下误差变大之前的权值并作为当前网络的最终权值，同时，判断精度是否满足要求，若精度满足要求则停止训练，若精度不满足要求则并入尺度为j+1的子网络，并令本级网络的期望输出为上一级网络的误差，即对上一级网络的误差进行学习；

(3)以此类推，直到并入第m个子网络时，精度满足要求时结束训练，此时得到已训练好的整个网络的权值，小波神经网络构建完成。