[发明专利]考虑内阻的数据驱动算法估算锂电池SOC的方法

权利要求书

1.考虑内阻的数据驱动算法估算锂电池SOC的方法，其特征在于：具体包括以下步骤：

步骤一、数据采集

对锂离子电池在不同放电条件下重复进行充放电试验，并采样记录试验过程中电池的电压、电流、温度以及内阻；

步骤二、数据预处理

根据步骤一采集得到的数据，使用安时积分法计算t时刻电池的剩余电量SOC(t)，作为与预测结果对比的真实值；对步骤一采集的数据进行归一化处理，将其缩放到[0,1]之间，得到V＝[V₁,V₂,…V_t,…V_n]、I＝[I₁,I₂,…I_t,…I_n]、T＝[T₁,T₂,…T_t,…T_n]、R＝[R₁,R₂,…R_t,…R_n]，其中T_t,I_t,V_t,R_t分别表示电池在t时刻的环境温度、放电电流、端电压和内阻；然后划分训练集和测试集；

步骤三、构建SOC估计模型

搭建双向GRU网络，包括N个隐含层，每层由M个神经元构成，网络的学习率为l；所述的双向GRU网络，在t时刻，输入x_t同时提供给两个方向相反的隐含层，输出y_t，由这两个单向隐含层共同决定，前向GRU层具有输入序列中t时刻以及之前时刻的信息，而后向GRU层中具有输入序列中t时刻以及之后时刻的信息；双向GRU的隐层状态传播过程为：

其中分别表示前向推算和后向推算的隐层状态；分别表示输入在前向推算和后向推算的权重；分别表示前一时刻隐含层状态在前向推算和后向推算的权重；分别表示前向推算和后向推算的偏置；σ函数用于合并这两个输出；

双向GRU网络的更新门z_t、重置门r_t、候选输出状态以及GRU的输出h_t的计算方法为：

z_t＝σ(W_z·[h_t-1,x_t]+b_z)

r_t＝σ(W_r·[h_t-1,x_t]+b_r)

W_z和b_z分别为重置门的权重矩阵和偏置；W_r和b_r分别为重置门的权重矩阵和偏置；W_h和b_h分别为候选输出状态的权重矩阵和偏置；

步骤四、模型训练优化

将向量x＝[T,I,V，R]作为步骤四构建的双向GRU网络模型的输入，对模型进行训练，从模型的输出端获得电池的剩余电量SOC＝[SOC₁,SOC₂,…SOC_t,…SOC_n]；SOC_t表示电池在t时刻电池的剩余电量；

使用NAG算法对训练后的双向GRU网络模型参数进行优化；NAG算法的更新计算公式为：

m₀＝0

θ_t+1＝θ_t-m_t

将双向GRU网络模型的双向结构看作两个具有GRU单元的、信息传递方向相反的隐含层，针对模型的双向传输结构，将NAG算法公式改写为：

其中，θ_t’＝θ_t-γm_t，θ_t为t时刻的网络参数；η代表网络的学习率；代表损失函数的梯度矩阵；m_t为动量项；γ为超参数，表示历史梯度的影响力；L(·)代表网络的损失函数：

步骤五、模型性能测试

使用测试集测试步骤四训练完成的双向GRU网络模型的性能，使用RMSE和MAE两个评价指标；

其中，SOC_t和SOC_t’分别代表电池剩余电量的真实值和网络的预测值；

步骤六、保存模型，输出SOC

判断模型的性能测试结果是否达到所设定的要求，若未达到要求，返回步骤四调整参数重新训练；达到要求后，保存训练好的模型，用于电池SOC估计。