[发明专利]一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法

权利要求书

1.一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法，其特征在于：包括如下步骤：

利用训练数据集对T-S模糊神经网络模型进行训练，得到训练后的T-S模糊神经网络模型；

训练后的T-S模糊神经网络模型输入T时刻实际电池电压、电池电流、电池温度数据，输出估算的电池SOC。

2.根据权利要求1所述的一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法，其特征在于：还包括如下步骤：

当电池SOC下降率高于设定值时，发出电量下降过快，电池异常的预警信号；当电池SOC低于10％时，发出电池低电量的预警信号。

3.根据权利要求1或2所述的一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法，其特征在于：

利用训练数据集对T-S模糊神经网络模型进行训练，得到训练后的T-S模糊神经网络模型，具体步骤如下：

(1)所述T-S模糊神经网络模型包括输入层，模糊层，模糊规则计算层和输出层；输入由历史电池电压、电池电流、电池温度数据形成的训练输入量X＝[x₁,x₂,x₃]，训练输出期望值yⁱ；

(2)通过输出层中已知的训练输出期望值yⁱ，推算出模糊规则计算层中的模糊算子θⁱ，i是规则数；

(3)根据模糊算子θⁱ推算出模糊层中模糊隶属度值x_j∈x₁,x₂,x₃，是训练输入量的模糊集，i是规则数；

(4)根据模糊隶属度值训练输入量X＝[x₁,x₂,x₃]，推算出函数中心函数宽度

(5)输入节点维数为3、输出节点维数为1、隐藏节点维数为6、系数学习率α设置为随机常数、参数学习率β设置为随机常数，算法迭代次数G_max设置为小于100的整数。

4.根据权利要求2所述的一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法，其特征在于：所述电池SOC下降率k＝100*|SOC(T+1)-SOC(T)|，T代表第T时刻，设定值设置为5。

5.根据权利要求3所述的一种基于神经网络的磷酸铁锂电池荷电状态监测预警方法，其特征在于：训练输出期望值yⁱ的计算公式如下：θⁱ为模糊算子，为模型实值参数，输入量X＝[x₁,x₂,...,x_r]，i为规则数，n规则数总量；

模糊算子θⁱ的计算公式如下：输入量X＝[x₁,x₂,...,x_r]，模糊隶属度值

模糊隶属度值的计算公式如下：为函数中心，为函数宽度，输入量x_j，为输入量的模糊集，j＝0,1,2,...,r，i为规则数。

6.一种基于神经网络的磷酸铁锂电池荷电状态监测预警装置，其特征在于：包括如下模块：

网络模型训练模块：利用训练数据集对T-S模糊神经网络模型进行训练，得到训练后的T-S模糊神经网络模型；

网络模型估计模块：训练后的T-S模糊神经网络模型输入T时刻实际电池电压、电池电流、电池温度数据，输出估算的电池SOC。

7.根据权利要求6所述的一种神经网络的磷酸铁锂电池荷电状态监测预警装置，其特征在于：还包括如下模块：

预警模块：当电池SOC下降率高于设定值时，发出电量下降过快，电池异常的预警信号；当电池SOC低于10％时，发出电池低电量的预警信号。