[发明专利]一种基于机器学习的锂离子动力电池健康状态估算方法有效

专利信息
申请号: 201910531963.7 申请日: 2019-06-19
公开(公告)号: CN110346734B 公开(公告)日: 2021-07-20
发明(设计)人: 何志刚;李尧太;盘朝奉;周洪剑;魏涛 申请(专利权)人: 江苏大学
主分类号: G01R31/388 分类号: G01R31/388;G01R31/367;G01R31/392;G06F30/20;H01M10/42
代理公司: 暂无信息 代理人: 暂无信息
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 机器 学习 锂离子 动力电池 健康 状态 估算 方法
【权利要求书】:

1.一种基于机器学习的锂离子动力电池健康状态估算方法,其特征在于,包括以下步骤:

步骤(1),建立锂离子动力电池的等效电路模型,并辨识模型中的未知参数;

步骤(2),建立Uoc-SOC模型:其中ai、bi、ci.为模型中待辨识的参数,UOC表示电池的开路电压,SOC为电池荷电状态,正整数n为2、3、4;

步骤(3),对荷电状态SOC进行估算;

步骤(4),将离线数据通过曲线拟合,得到ai、bi、ci的值;

步骤(5),对ai、bi、ci及最大可用容量C进行归一化处理,得到a'i、b'i、c'i作为输入、C'作为输出,采用机器学习算法对a'i、b'i、c'i及对应的C'进行训练,最终得到以a'i、b'i、c'i为输入与C'为输出的机器学习模型;

步骤(6),对同一时刻的Uoc与SOC进行曲线拟合得到输入值ai、bi、ci,归一化后输入到机器模型,得到最大可用容量C;

步骤(7),将步骤(6)中得到的ai、bi、ci及C值返回到步骤(3),更新状态方程和观测方程中对应的参数。

2.根据权利要求1所述的一种基于机器学习的锂离子动力电池健康状态估算方法,其特征在于,所述等效电路模型选用Thevenin等效电路模型或二阶RC等效电路模型。

3.根据权利要求1所述的一种基于机器学习的锂离子动力电池健康状态估算方法,其特征在于,所述Uoc-SOC模型用UOC=K0+K1z+K2z2+K3z3+K4z4+K5z5+K6z6或或或替换,其中z为荷电状态SOC,K0、K1、K2 K3、K4、K5、K6、α1、α2为模型中待辨识的参数。

4.根据权利要求1所述的一种基于机器学习的锂离子动力电池健康状态估算方法,其特征在于,所述荷电状态SOC利用扩展卡尔曼滤波算法进行估算,电池的极化电压和荷电状态的状态方程为其中Up、Rp、Cp表示电池极化电压、电阻、电容,η为库伦效率,ΔT为采样时间间隔,IL,k为k时刻的电池充放电流,ωk为系统噪声;端电压的观测方程为其中υk为量测噪声。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910531963.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top