[发明专利]基于多模型的电池SOC动态估算方法、系统及存储介质有效
申请号: | 201910890554.6 | 申请日: | 2019-09-20 |
公开(公告)号: | CN110646737B | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 姚科;唐晓鹏;高福荣;徐伟;许铀 | 申请(专利权)人: | 广州市香港科大霍英东研究院 |
主分类号: | G01R31/367 | 分类号: | G01R31/367;G01R31/392 |
代理公司: | 广州嘉权专利商标事务所有限公司 44205 | 代理人: | 何文聪 |
地址: | 511458 广东省广州*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 模型 电池 soc 动态 估算 方法 系统 存储 介质 | ||
1.基于多模型的电池SOC动态估算方法,其特征在于:包括以下步骤:
采用开路电压-内阻模型构建电池基准模型;
根据电池基准模型,生成多个随机模型;
对于每个随机模型,采用Luenberger观测器进行初步SOC估算;
采用梯度校正法确定各个随机模型的权值;
将各个随机模型的SOC估算值进行加权累加,得到电池SOC动态估算结果;
所述采用梯度校正法确定各个随机模型的权值这一步骤,包括以下步骤:
根据预设的初始时刻权值,预测端电压值;
在接下来的每一时刻,对代价函数进行最小化处理;
根据梯度校正法和最小化处理后的代价函数,对权值进行修正。
2.根据权利要求1所述的基于多模型的电池SOC动态估算方法,其特征在于:所述采用开路电压-内阻模型构建电池基准模型这一步骤中,所述电池基准模型为:
其中,表示k时刻电池的端电压;R表示电池的等效内阻;Ik表示电池在k时刻的电流;a0、a1、a2、a3、a4是模型的待辨识参数;xk表示k时刻的SOC值。
3.根据权利要求2所述的基于多模型的电池SOC动态估算方法,其特征在于:所述k时刻的SOC值由电流积分法计算得到,所述电流积分法的计算公式为:
其中,Cn为电池容量,x0为初始SOC值;Ij表示电池在j时刻的电流;ΔT表示时间间隔。
4.根据权利要求1所述的基于多模型的电池SOC动态估算方法,其特征在于:所述对权值进行修正的计算公式为:
其中,代表k时刻的权值;G是梯度校正的增益;是2范数;代表k时刻由Ns个随机模型的端电压组成的向量;代表k时刻当前随机模型的端电压。
5.根据权利要求1所述的基于多模型的电池SOC动态估算方法,其特征在于:所述将各个随机模型的SOC估算值进行加权累加,得到电池SOC动态估算结果这一步骤中,所述加权累加的计算公式为:
其中,代表k时刻待估计的SOC值;Ns代表随机模型的个数;代表k时刻第j个随机模型的权重;jxk代表k时刻第j个随机模型的SOC值。
6.基于多模型的电池SOC动态估算系统,其特征在于:包括:
基准模型构建模块,用于采用开路电压-内阻模型构建电池基准模型;
随机模型构建模块,用于根据电池基准模型,生成多个随机模型;
初步估算模块,用于对于每个随机模型,采用Luenberger观测器进行初步SOC估算;
权值确定模块,用于采用梯度校正法确定各个随机模型的权值;
动态估算模块,用于将各个随机模型的SOC估算值进行加权累加,得到电池SOC动态估算结果;
所述权值确定模块包括:
电压预测单元,用于根据预设的初始时刻权值,预测端电压值;
最小化处理单元,用于在接下来的每一时刻,对代价函数进行最小化处理;
权值修正单元,用于根据梯度校正法和最小化处理后的代价函数,对权值进行修正。
7.基于多模型的电池SOC动态估算系统,其特征在于:包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-5中任一项所述的基于多模型的电池SOC动态估算方法。
8.一种存储介质,其中存储有处理器可执行的指令,其特征在于:所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-5中任一项所述的基于多模型的电池SOC动态估算方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州市香港科大霍英东研究院,未经广州市香港科大霍英东研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910890554.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种新能源电池测试夹具
- 下一篇:一种动力电池SOC获取方法、系统及相关组件