[发明专利]考虑内阻的数据驱动算法估算锂电池SOC的方法

说明书

本发明公开了考虑内阻的数据驱动算法估算锂电池SOC的方法。该发明方法首先使用试验设备对锂离子电池进行充放电试验，测量电池在不同工作状态下的电压、电流、温度以及内阻数据，并对得到的数据进行预处理。接着搭建一个双向GRU网络，经过处理的数据一部分作为训练集来训练网络，另一部分则作为测试集来评估网络性能。最后为了提高所构建网络性能，使用NAG算法对双向GRU网络进行优化。构建好的双向GRU‑NAG网络输入为电池的电压、电流、温度和内阻，输出为电池的剩余电量，有着估算速度快，过程简单的优点，是一种数据驱动的电池剩余电量估算模型。

技术领域

本发明属于电池技术领域，具体涉及一种使用考虑了内阻的双向GRU(GatedRecurrent Unit)-NAG(Nesterov Accelertated Gradient)算法估算锂离子电池SOC(State of Charge)的方法。

背景技术

近年来为了减少化石燃料消耗和温室气体排放，减少城市污染，电动汽车和混合动力汽车的数量日益增长。锂离子电池因具有能量密度高、循环寿命长、自放电能力低、无记忆效应、充电速度快等优点，在电动汽车和混合动力汽车中得到了广泛的应用。BMS(Battery Management System，电池管理系统)能够保证电动汽车的安全性、耐久性、可靠性和效率，执行对电池的管理和诊断任务。

电池的荷电状态(SOC,State of Charge)表示其剩余电量，它提供有关电池剩余可用能量及其潜在充放电策略的可靠信息，是BMS需要监控的基本状态之一。因此，SOC的准确估计在BMS中起着至关重要的作用。蓄电池是一个高度复杂的时变非线性系统，SOC受电流、电压、温度、电池老化等多种因素的影响，难以直接通过传感器测量得到。另外，不同的电池材料和工作条件使得电池的动态特性不稳定，因此准确、实时地获得电池SOC是非常具有挑战性的。

目前常用的SOC估算方法有查表法、安时积分法、基于模型的估算方法和数据驱动的估算方法四大类。使用查表法时电池需要长时间静置，实时性差；安时积分法是一种开环估计方法，存在累计误差；基于模型的估算方法计算复杂，对电池模型准确度要求高；数据驱动不需要建立复杂的电池模型，估算速度快，但是估算结果的不确定性较大。

数据驱动的SOC估算方法常常使用机器学习平台，通过可测量的电池数据构建神经网络模型，以实现SOC估计。数据驱动方法对数据的要求高，输入数据的好坏直接影响了SOC的估计性能。目前已有的数据驱动类方法，往往只考虑的电池的电流、电压以及温度三类参数，但是电池的内阻参数对SOC的估计的影响更大，并没有被充分考虑到使用数据驱动方法估算锂离子电池SOC中去。

发明内容

针对现有技术的不足，本发明提出了考虑内阻的数据驱动算法估算锂电池SOC的方法，通过构建一个双向GRU结构的网络来估算锂离子电池的SOC。该算法在估算电池的SOC的过程中除了分析锂离子电池的电流、电压、温度对估算的影响以外，还增加了对电池内阻变化的考虑，另外使用NAG算法优化网络参数，提高网络的训练速度并减小模型误差，该算法在保证估算精度的同时，提高了估算速度，可以满足实时性的要求。

考虑内阻的数据驱动算法估算锂电池SOC的方法，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。

作为优选，采样间隔时间为1s。

步骤二、数据预处理

将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)：

其中，SOC(t₀)为初始电池电量，η表示库仑效率，C_n表示电池的额定容量，I(t)为电池的瞬时放电电流。将计算结果作为剩余电量的真实值。