[发明专利]一种基于动力锂电池能量状态的剩余放电时间的估计方法

权利要求书

1.一种基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：包括如下步骤：

S1、电池SOE的估计算法以UPF为基础，在每个时刻针对粒子进行转移概率计算，通过AUPF算法使权值较小的粒子向权值较优的粒子进行转移；

S2、根据当前时刻汽车的行驶工况以及车速，通过BP神经网络辨识驾驶员的驾驶行为；

S3、利用S1中得到的SOE数据结果，计算当前时刻的RDT的估算值；

S4、根据当前驾驶员的驾驶行为、当前时刻的RDT大小、汽车的行驶工况以及SOE大小对未来时刻电池的放电策略进行优化；

S5、返回S1，计算下一时刻的SOE大小以及RDT，直至工况结束。

2.根据权利要求1所述的基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：所述S1中，AUPF可以利用蚁群算法中个体逐渐向最优解靠拢的特点，在无需增加粒子数目的前提下增强了UPF的粒子多样性，提高了估算精度与鲁棒性。

3.根据权利要求1所述的基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：所述S1中，通过AUPF算法估算SOE的方法包括如下步骤：

S1.1、搭建用于估算SOE估计算法的等效电路模型，并对电池模型的参数进行辨识；

S1.2、对粒子进行初始化，根据初始的概率密度产生粒子；

S1.3、对UFK时间进行量测更新，进而产生更精确的后验概率分布；

S1.4、通过蚁群进行重采样操作；

S1.5、当前时刻SOE估算结束；

S1.6、判断工况是否结束，若否，则返回S1.1，进行估算下一时刻SOE的操作，若是，则算法结束。

4.根据权利要求1所述的基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：所述S1中，SOE的计算公式为：

其中，电池SOR表示电池剩余能量与电池恒流-恒压充电条件下电池满电时承载能量之比，式(1)中，E_res为电池剩余能量，E_N为电池满载能量，U_oc(·)为电池开路电压，是SOC的函数，C_N为电池容量；SOE定义为电池SOR与电池在某工况下充/放电至充/放电截止电压所造成的能量损耗H_nt之差，式(2)中，E_h为电池损耗能量，其取决于电池阻抗和工况。

5.根据权利要求1所述的基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：所述S2中，通过BP神经网络辨识驾驶员的驾驶行为的方法包括如下步骤：

S2.1、根据当前时刻汽车的行程工况以及车速，利用小波神经网络分别辨识当前行驶路段的车流量、当前路段允许的最高车速、当前路段的坡度以及汽车的行驶轨迹；

S2.2、将辨识出的结果输入BP神经网络，辨识当前驾驶员的驾驶行为；

S2.3、将驾驶员的驾驶行为反馈给电池管理系统。

6.根据权利要求1所述的基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：所述S3中，利用SOE计算RDT估算值的方法包括如下步骤：

S3.1、利用放电功率与SOE、电池的额定能量以及电压的关系，计算该时刻电池的放电功率；

S3.2、根据放电功率、电池额定能量和SOE的关系计算当前时刻下电池的RDT；

S3.3、将上述计算结果反馈给电池管理系统；

S3.4、根据当前驾驶员的驾驶行为、当前时刻的RDT大小、汽车的行驶工况以及SOE大小对未来时刻电池的放电策略进行优化；

S3.5、返回S1，计算下一时刻的SOE大小以及RDT，直至工况结束。

7.根据权利要求1所述的基于动力锂电池能量状态的剩余放电时间的估计方法，其特征在于：所述S3中，改进传统基于荷电状态SOC的剩余放电时间RDT估计方法，将SOC替换成SOE，考虑到电池电压的变化，并将通过AUPF算法估算出的电池SOE大小作为参数输入改进后的方法中，克服了传统估算方法中忽略电池能量状态的缺点，提高了估算RDT的精度。