[发明专利]一种基于机器学习的锂离子动力电池健康状态估算方法

摘要

本发明公开了一种基于机器学习的锂离子动力电池健康状态估算方法，用于实时估算动力电池的荷电状态和健康状态。通过建立锂离子电池的等效电路模型，对其进行参数辨识，再建立Uoc‑SOC模型，并估算SOC。使用大量离线数据训练得到以Uoc‑SOC模型参数为输入，最大可用容量为输出的神经网络模型。对同一时刻的Uoc与SOC进行曲线拟合，得到模型中的待辨识参数，将其输入到训练得到的神经网络模型，得到最大可用容量，并将得到的Uoc‑SOC模型参数及最大可用容量返回到SOC估算步骤，更新其状态方程和观测方程的参数。本发明提出一种锂离子电池健康状态估算方法，对电池健康状态进行在线估算，并对SOC估算进行了参数更新，提高了其估算精度。

主权项

1.一种基于机器学习的锂离子动力电池健康状态估算方法，其特征在于，包括以下步骤：步骤(1)，建立锂离子动力电池的等效电路模型，并辨识模型中的未知参数；步骤(2)，建立Uoc‑SOC模型：其中a_i、b_i、c_i.为模型中待辨识的参数,U_OC表示电池的开路电压，SOC为电池荷电状态；步骤(3)，对荷电状态SOC进行估算；步骤(4)，将离线数据通过曲线拟合，得到a_i、b_i、c_i的值；步骤(5)，对a_i、b_i、c_i及最大可用容量C进行归一化处理，得到a′_i、b′_i、c′_i作为输入、C'作为输出，采用机器学习算法对a′_i、b′_i、c′_i及对应的C'进行训练，最终得到以a′_i、b′_i、c′_i为输入与C'为输出的机器学习模型；步骤(6)，对同一时刻的Uoc与SOC进行曲线拟合得到输入值a_i、b_i、c_i，归一化后输入到机器模型，得到最大可用容量C；步骤(7)，将步骤(6)中得到的a_i、b_i、c_i及C值返回到步骤(3)，更新状态方程和观测方程中对应的参数。