[发明专利]一种基于ARMA和Elman神经网络联合建模的电池健康状态评估方法在审
申请号: | 201911239291.9 | 申请日: | 2019-12-06 |
公开(公告)号: | CN110941929A | 公开(公告)日: | 2020-03-31 |
发明(设计)人: | 夏向阳;陈彦余;周正雄;周文钊 | 申请(专利权)人: | 长沙理工大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/04;G06N3/08;G01R31/392;G01R31/387;G01R31/367 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 410114 湖南省长沙市*** | 国省代码: | 湖南;43 |
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 arma elman 神经网络 联合 建模 电池 健康 状态 评估 方法 | ||
本发明公开了一种基于ARMA和Elman神经网络联合建模的电池健康状态评估方法,该方法包括:基于自回归移动平均(ARMA)模型和Elman神经网络建立融合模型,应用经验模态分解对电池循环次数与剩余容量的实验数据进行处理,对分解得到的本征模态函数IMF分量和残余分量分别进行建模,最后叠加融合模型,生成估计的SOH序列,实现对电池健康状态的准确预测。通过实验验证,本发明考虑了复杂变化对电池健康状态的影响,完成了对钴酸锂的老化测试结果的预测,提高了评估的准确性。
技术领域
本发明涉及一种基于ARMA和Elman神经网络联合建模评估电池健康状态的方法,应用于估算动力电池健康状态,属于电池管理技术领域。
背景技术
随着世界经济的发展和人口的增长,能源需求不断增加,发展环保可再生能源能量已引起了广泛关注。现今,锂离子电池由于其能量密度高,自放电率低,环保等优点,在电动汽车和混合动力汽车领域电中得到了广泛的应用。而电池退化是一个不可逆转的过程,工作温度不当、过充、排放过高和其他不健康的使用习惯将加速电池的老化。目前行业内通用电池健康状态(SOH)来表征电池衰退程度:电池出厂时SOH为100%;当SOH达到70%时,认为动力电池已达到报废标准,需要被更换。
电池SOH可由容量、内阻、循环次数和峰值功率等几个方面来定义。其中,最常见的是从电池容量衰减的角度来计算:
其中,Caged为电池当前容量;Crated为电池额定容量。
SOH直接反映了锂离子电池的预期寿命,通过对电池的容量的比值来反映电池的内部状态。但由于各种内部结构和电极材料的不同,也导致不同的锂离子电池有不一样的老化机制。因此,准确预测电池的健康状态仍然有许多需要克服的阻碍。
发明内容
为克服现有技术存在的不足。本发明以钴酸锂电池为说明对象,提供一种基于ARMA和Elman神经网络联合建模评估电池健康状态的方法,包括以下步骤:步骤S1:采集钴酸锂电池的老化测试实验数据,生成时间序列C(t);步骤S2:利用经验模态分解(EMD)对时间序列C(t)进行筛选处理,分解得到若干本征模态函数分量IMF1、IMF2……IMFn和残余分量,分别记为X1(t)、X2(t)……Xn(t)和R0(t);步骤S3:基于ARMA对分解得到的Xi(t)分量进行建模;步骤S4:基于Elman神经网络模型处理残余分量R0;步骤S5:叠加融合处理后的时间序列分量和残余分量,得到钴酸锂电池的SOH预测数据。
进一步地,步骤S2包括步骤S21:分别采用三次样条差值,找出C(t)的局部极大值和极小值,计算上下包络均值:
M(t)=[U(t)+L(t)]/2
式中,U(t)为上包络曲线,L(t)为下包络曲线,M(t)为上下包络线均值;
进一步地,步骤S2包括步骤S22:计算C(t)与M(t)的差值,令其为D(t):
D(t)=C(t)–M(t)
进一步地,步骤S2包括步骤S32:判断D(t)是否满足IMF条件包括:
(1)其所有极值点和零点数之差小于等于1;(2)上下包络线对每个值都对称。
也可以表示为满足下式时停止分解:
式中,N代表原始数据点的个数,k为分解迭代的次数。
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长沙理工大学,未经长沙理工大学许可,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/201911239291.9/2.html,转载请声明来源钻瓜专利网。