[发明专利]一种磷酸铁锂电池组的SOC估算方法

权利要求书

1.一种磷酸铁锂电池SOC估算方法，采用BP神经网络构建磷酸铁锂电池组SOC的预测模型，其特征在于：

在对所述BP神经网络的连接权值调整时，采用平滑加权计算改进连接权值调整，插入一个惯性系数，增加原连接权值的权重，所述原连接权值项是指前一次计算结果；

所述BP神经网络采用1个隐层、3个输入和1个输出的网络结构，所述隐层采用Sigmoid转换函数，所述隐层节点数为11；

所述BP神经网络的所述输入层的输入向量矩阵定义为X(k)，所述输入层到所述隐层的连接权值矩阵定义为W1(k)，所述输入层到所述隐层连接阀值定义为B1(k)，隐层向量矩阵定义为H(k)，所述隐层到所述输出层的连接权值矩阵定义为W2(k)，所述隐层到所述输出层连接阀值定义为B2(k)，所述输出层的输出向量矩阵定义为Y(k)，其中k表示矩阵阶数，所述BP神经网络的输出计算公式为：

所述输入层到所述隐层的连接权值调整量矩阵定义为W_1C(k)，所述隐层到所述输出层连接权值调整量矩阵地理为W_2C(k)，所述各连接权值调整的公式分别为：

其中，a+b=1，a的取值范围为0.60-0.95；

还采用电流积分修正方法对BP神经网络进行调整；

所述电流积分修正方法利用U-Ih曲线的斜率作为判断电池组是否充满或放空的依据；将U-Ih曲线斜率用参数K表示，在一个较短的时段内有关系公式（9）：

从电池组放空状态开始充电，并对电流值进行积分，按照特定的取样规律在充电过程中获取数据样本，直到电池组达到充满状态,在获得数据样本后，从中选取部分样本进行BP神经网络的重新学习，更新连接权值，完成对BP神经网络的修正；

所述的电流积分修正具体包括以下步骤：

步骤21：通过在磷酸铁锂电池组维护情况下对充放电电流在时间轴上的积分，建立新样本组，所述新样本是在电池衰减情况下按照电流积分方式重新获取的，不断更新；其中，获得学习样本的SOC值，需要确定所述磷酸铁锂电池组容量的上限和下限；

设置一个斜率上限参数KH，KH设置为10；当磷酸铁锂电池组处于充电状态下并且KKH时，电池组容量为上限SH，即对应于SOC=100，也就是上限时对应的SOC就是100%；当磷酸铁锂电池组处于放电状态下并且KKH时，磷酸铁锂电池组容量为下限SL，即对应于SOC=0，也就是下限时对应的SOC就是0%；

在磷酸铁锂电池组维护阶段，首先放电达到磷酸铁锂电池组容量下限SL后，停止放电并静置1小时以上，将磷酸铁锂电池组转入充电状态，记录该时刻的电压U、电流I、温度T，分别标记为U0、I0、T0；开始以SL为起点在时间轴上进行电流积分，电流累积量用QI表示，即QI=I×t，令C_0.01=C0×0.01，并在QI值达到C_0.01的整数倍时，存储对应的电压U、电流I、及电流累积QI、温度T，直到KKH，即电池组容量达到SH时停止，记录该时刻的QI值，标记为QI100；通过在充电阶段的电流累积获取了100组的实时参数；将实时记录参数中的QI值除以QI100，即可获得新的SOC值，进而建立新的包含电压U、电流I、温度T及SOC值的样本集合，构成充电阶段样本集；

再将电池组静置1小时以上后转入放电状态，按照与充电时相同的方法获取100组放电阶段的实时参数，构成放电阶段样本集；

步骤22：在样本组中分区域取样；

采用分区域选取的方式选择样本；分别在充电阶段和放电阶段以SOC值为划分依据，将两个区域都平均划分为24个小区域，共48个小区域，在每个小区域内只允许选择一个样本。

2.根据权利要求1所述的SOC估算方法，其特征在于：a=0.9，b=0.1。