[发明专利]一种基于灰色理论的锂离子电池荷电状态预测方法

摘要

本发明提供一种基于灰色理论的锂离子电池荷电状态(State of Charge简写SoC)预测方法。为解决现有方法在复杂工况下难以实现在线预测，精度较低等问题，本发明方法首先读取影响SoC的因素的数据以及SoC数据，构建灰色关联矩阵，然后运用灰色关联理论计算各影响因素与SoC的关联度ξ_i，再确定各影响因素对SoC影响程度的权值ω_i，接下来建立各影响因素与SoC值的二维灰色预测模型GM(1，2)预测K+1时刻的SoC值，记为SoC_i(K+1)，最后将得到的ω_i和SoC_i(K+1)数据，进行加权平均计算得到电池K+1时刻SoC(K+1)的预测值。本发明方法对电池荷电状态的预测，具有结构简单，预测精度高等特点。

主权项

1.一种基于灰色理论的锂离子电池荷电状态预测方法，对采集的电池的电流、电压、温度数据进行处理和计算并将计算结果存储在缓冲区，其特征在于，基于灰色理论的锂离子电池荷电状态预测方法，步骤如下：步骤1、读取缓冲区中存放的影响SoC的因素的数据以及SoC数据，影响SoC的因素为：电压、放电倍率、温度、内阻，构建各影响因素与SoC的灰色关联矩阵；所述步骤1中构建各影响因素与SoC的灰色关联矩阵具体包括：(1.1)构建各影响因素数据矩阵X以及SoC矩阵P；(1.2)去量纲化；其中，上述步骤(1.1)的具体步骤为：设电池系统有m个影响SoC的因素，每个影响因素有n个样本，第i个影响因素的数据矩阵为xi＝{xi(1)，xi(2)，…xi(k)，…，xi(n)}，i＝1，2，…，m，该电池系统将对应SoC的记录值构成SoC矩阵P＝{p(1)，p(2)，…，p(k)，…，p(n)}，则构建的各影响因素的数据矩阵X以及SoC矩阵P为：P＝[p(1) p(2) … p(n)]  (2)上述步骤(1.2)去量纲化的具体步骤为：xi(k)＝xi(k)‑xi(1)  (3)p(k)＝p(k)‑p(1)  (4)步骤2、根据步骤1中构建的各影响因素的数据矩阵(1)，运用灰色关联理论计算各影响因素与SoC的关联度ξi；所述计算各影响因素与SoC的关联度ξi具体步骤为：其中步骤3、根据步骤2计算得到的关联度ξi，确定各影响因素对SoC影响程度的权值ωi，其中i＝1，2，…，m，表示有m个关联因素，m≥1；计算各影响因素对SoC影响程度的权值ωi；步骤4、建立各影响因素与SoC值的二维灰色预测模型GM(1，2)，用从当前时刻起的以前所采集存储的K个的数据，K为由用户确定的一个正整数，K≥5，得到各影响因素预测的第K+1时刻的SoC值，记为SoCi(K+1)，i＝1，2，…，m；所述的得到各影响因素预测的第K+1时刻的SoC值具体计算步骤包括：(4.1)选取电池系统某一个影响SoC的因素xi与SoC矩阵P前K个时刻数据构成GM(1，2)模型数据；(4.2)生成一阶累加生成序列；(4.3)生成均值化序列Zp；(4.4)计算灰色预测参数U；(4.5)预测某一个影响SoC的因素对应下，第K+1时刻的SoCi预测值；其中，上述步骤(4.1)的具体步骤为：选取电池系统某一个影响SoC的影响因素的数据矩阵xi与SoC矩阵P的前K个时刻数据构成GM(1，2)模型数据，分别记为：xi＝[xi(1) xi(2) … xi(j) … xi(K)]P＝[p(1) p(2) … p(j) … p(K)]生成一阶累加生成序列(4.2)具体步骤为：生成均值化序列(4.3)具体步骤为：其中Zp为：Zp＝[zp(1)，zp(2)，…，zp(t)，…zp(n‑1)]  (10)其中zp(k)为zp(k)＝0.5×[p1(k)+p1(k+1)]  (11)根据公式(12)计算灰色预测参数U＝[a，b]T(4.4)具体步骤为：U＝(BT·B)‑1·BT·YN  (12)其中YN＝[p(2) p(3) … p(n)]  (14)根据公式(15)、(16)计算第i个因素预测电池第K+1时刻SoCi，(4.5)具体步骤为：步骤5、将步骤3得到的ωi数据和步骤4得到的SoCi(K+1)数据，进行加权平均计算得到电池K+1时刻SoC(K+1)的预测值；所述步骤5中进行加权平均计算得到电池第K+1时刻SoC的预测值，其计算公式如公式(17)：步骤6、重复步骤4和步骤5，直到系统停止。