[发明专利]一种基于大数据的磷酸铁锂电池SOC充电在线校正方法

权利要求书

1.一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，系统采集当前工况的充电参数，使用数据过滤模块对参数过滤，BP神经网络模块对已选择过滤参数进行数据分析，SOC校正模块对分析后数据进行校正，实现充电过程的在线修正；

数据过滤模块的分组条件包括：

判断充电电流是否稳定；

充电起始电池荷电状态SOC小于阈值且满充校正时电池荷电状态SOC偏差小于设定值；计算获取数据的电池容量微分曲线dQ/dv，计算的时间间隔为等电位间隔，并对dQ/dv采用滑动平均滤波；

其中dt表示一段充电时间；dQ表示dt时间的累积充电电量；I表示充电电流；dv表示dt时间的电压变化；

据蓄电池健康度SOH以及电池温度进行分组，得到每组的平均电压和平均dQ/dv值；

当前电流和前次上传的电流相差在5％以内认为充电已稳定；满足充电起始SOC小于30％且满充校正时SOC偏差小于2％时计算获取数据的电池容量微分曲线dQ/dv值；dQ/dv每间隔5mv进行一次计算，滑动平均滤波的滤波次数为10次；参数根据SOH相差2％和温度相差5℃进行分组；

SOC校正模块的校正策略如下：

若经过已选取的电池模型得到的校正SOC与当前的电池SOC差距在设定值以内，则不校正；

若经过已选取的电池模型得到的校正SOC比当前SOC大超过设定值，则对SOC校正减去设定值；

若经过已选取的电池模型得到的校正SOC比当前SOC小超过设定值，则将SOC校正增加设定值，

校正参数设定值为3％。

2.根据权利要求1所述的一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，数据过滤模块先对采集数据进行分组，然后对每组数据进行过滤选择。

3.根据权利要求2所述的一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，充电参数包括电流、温度、电压、电池健康度SOH和电池荷电状态SOC。

4.根据权利要求1所述的一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，数据过滤模块对分组后数据的过滤条件包括：

比较组内电压参数与已选取有电池模型的电压平均值；

电池容量的微分曲线dQ/dv是电池荷电状态SOC在设定阈值内的极大值，该极大值与已有电池模型的dQ/dv平均值差距在设定范围内。

5.根据权利要求4所述的一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，组内电压参数与已选取有电池模型的电压平均值差距在10mv以内；电池容量的微分曲线dQ/dv是电池荷电状态SOC在5％的极大值，该极大值与已有电池模型的dQ/dv平均值差距在20％范围内。

6.根据权利要求3所述的一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，BP神经网络模块对筛选过的分组划分为训练集和测试集；建立输入为dQ/dv、温度、SOH和电压，输出为SOC，包括一层隐含层的三层神经网络，运用训练集得到训练后的神经网络，使用测试集对已搭建的神经网络进行测试，若测试集的平均误差在设定值以内，则该神经网络可以使用；否则，等待新的充电数据，来增大训练集的数量。

7.根据权利要求6所述的一种基于大数据的磷酸铁锂电池SOC充电在线校正方法，其特征在于，若BP神经网络不可使用，则间隔固定时间上传新的数据来增大训练集数量，重新训练，直至满足测试集的要求；所述BP神经网络定期更新，更新数据替代在先相同时间内的训练集和测试集，再次进行BP神经网络训练和测试。