[发明专利]一种锂离子动力电池SOC实时监测方法

摘要

本发明公开了一种锂离子动力电池SOC实时监测方法，包括以下步骤：在随机温度，随机电流下对单节锂电池进行循环充放电实验，记录下工作温度，工作电流，工作时长以及工作电压；利用tensorflow框架，搭建起长短时记忆循环神经网络；训练多个LSTM模型，对其结果进行加权求和，并利用全连接神经网络进行权重优化，得到最佳权重组合；用测试集实验数据检验上述训练得到的模型，评估模型性能。本发明的优点在于：1.准确的评估电池，误差小。2.具有极佳的实时性，数据处理时间小于10^‑5s。3.对各种复杂组合工况都具有良好的适应性。

主权项

1.一种锂离子动力电池SOC实时监测方法，其特征在于，包括以下步骤：步骤1：在随机温度，随机电流下对单节锂电池进行循环充放电实验，记录下工作温度，工作电流，工作时长以及工作电压；其中温度范围为‑45℃至45℃，变化速率为0.1℃/min，，放电电流为0.5A至4A之间的随机分布值，过充电压为4.2v，截止电压为3.2v，采样间隔为1s,每次放电结束后静置适宜时间，静置时电流为0，电池工作计时器停止计时；步骤2：利用tensorflow框架，搭建起长短时记忆循环神经网络，LSTM时间步长为20，前隐层节点为128×20,后隐层节点数为128，LSTM单元节点数为128x20，使用ReLu激活函数，输入为电池的工作电压，工作电流，工作温度，工作时长，输出为电池SOC；LSTM在每一个长为20的时间步中，会对数据按照其重要性在不同时间范围内选择记忆或遗忘；ft＝σ(Wf·[ht‑1，xt]+bf)it＝σ(Wi·[ht‑1，xt]+bi)式中ft，it分别为t时刻的遗忘状态和输入状态，通过t‑1时刻的状态值ht‑1和输入值xt进行加权，再通过sigmoid和tanh函数的激活，便得到了t时刻的细胞状态Ct，循环往复，细胞状态不断更新，网络记忆也随之更新；步骤3：训练出多个LSTM模型，对其结果进行加权求和，并利用全连接神经网络进行权重优化，得到最佳权重组合；训练出n个模型LSTM1,LSTM2……LSTMn，输出结果为Out1,Out2……Outn：步骤4：用测试集实验数据检验上述训练得到的模型，计算预测值与实际值的平均误差，以评估模型性能。