[发明专利]基于纵横交叉优化神经网络的电池SOC估算方法

说明书

本发明涉及基于纵横交叉优化神经网络的电池SOC估算方法，通过纵横交叉算法对经典的神经网络算法进行优化，将纵横交叉算法的全局搜索性能力强和收敛速度快的优点与神经网络较强的拟合能力有机地结合起来，避免神经网络陷入局部最优，并且提高其收敛速度。另外，相比现有的电池SOC估算方法，本发明适用于锂电池、铅酸电池等常用的一系列电池，不管是电池处于静置还是使用状态，都能实时的对电池进行SOC估算，而且精确度高，相比其他方法误差要更小。

技术领域

本发明涉及电池的技术领域，尤其涉及到基于纵横交叉优化神经网络的电池SOC估算方法。

背景技术

随着人类经济社会的不断发展，能源越来越成为促进经济社会发展不可或缺的因素，经济社会的发展也加剧了人类对能源的需求。目前人类所使用的能源中，大部分来自化石燃料。化石燃料的使用促进了人们生活水平的提高，同时也带来了严重的环境问题。为缓解化石燃料燃烧所带来的环境问题，全世界正在大力发展新能源汽车。动力电池作为新能源汽车的储能装置，是新能源汽车的核心，是新能源汽车技术和成本上的最大瓶颈，是新能源汽车产业链中最核心的一环。无论是新能源发电中的储能装置还是新能源汽车中的动力电池，电池作为蓄能装置都起到了关键的作用。而动力电池作为电动汽车的关键技术，对荷电状态(state of charge,SOC)进行准确的估计和监测，从安全性和电池使用效率来看都至关重要。

准确地估算电池SOC，一方面来源于电动汽车的要求，从充分发挥电池能力和提高安全性两个角度对电池进行高效管理；另一方面，电动汽车电池在使用过程中表现的高度非线性，使准确估计SOC具有很大的难度。两方面的结合，使得电动汽车电池SOC估算方法的选择尤为重要。

现有的电池SOC估算方法主要有：放电试验法、安时积分法、开路电压法、测量内阻法、线性模型法、神经网络法以及卡尔曼滤波法。其中神经网络法相比于其他方法不仅仅能精确地对电池SOC进行估算，而且它不受电池类型以及电池状态的影响。目前现有技术研究中已经很多采用神经网络算法对电池SOC进行估算。这一方法是将电池的放电电流、电池组电压、环境温度以及放电容量等作为神经网络的输入，SOC作为其输出，从而对电池SOC进行估算，神经网络法不管在电池静置状态还是工作状态都能对其进行SOC估算，并且估算精度相比其他方法较高。但是传统的神经网络法在其算法运行过程中容易陷入局部最优，这样就导致估算不精确，误差较大。也有一些神经网络方法中采用了优化算法，但是估算精度依然不是很高，存在一定的误差。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于纵横交叉优化神经网络的电池SOC估算方法,将纵横交叉算法的全局搜索性强以及收敛速度快的优势与神经网络较强的拟合能力有机的结合起来，使神经网络收敛速度加快，并且不会陷入局部最优，该方法能对电池SOC进行实时并且精确地估算，不受电池类型以及电池状态的影响，相比现有的电池SOC估算方法，此方法的精确度更高，误差更小。

本发明的技术方案是这样实现的：

基于纵横交叉优化神经网络的电池SOC估算方法，包括以下步骤：

S1：获取数据样本，并进行样本数据归一化处理；

S2：分析影响电池SOC的主要因素，构建BP神经网络结构；

S3：算法参数初始化；

S4：计算BP神经网络的输出值以及各层之间的连接权值与各项阈值；

S5：根据BP神经网络的输入值和输出值，以BP网络的实际输出值和期望输出值的均方误差作为CSO的适应度函数，计算每个CSO粒子的适配值，得到粒子的个体最优值与全局最优值，然后将CSO个体的最优值与全局最优值作比较，取适配值优者作为当前最优位置；

S6：利用纵横交叉算法对BP神经网络的权值和阈值进行优化；

S7：重复步骤S5和S6，直到满足结束条件为止；