[发明专利]一种保障电气安全的锂电池剩余充电时间预测方法

说明书

本发明公开了一种保障电气安全的锂电池剩余充电时间预测方法。通过充电数据检测步骤获得检测数据，电池荷电状态模型预测步骤和剩余充电时间模型预测步骤通过模型预测获得电池荷电状态和输出剩余充电时间，电池荷电增加量比对步骤通过将电池荷电状态模型预测步骤的电池荷电状态进行比对获得结果，模型重新训练步骤根据结果迭代更新电池荷电状态模型预测步骤、剩余充电时间模型预测步骤的模型。本发明具有预测模型自适应匹配锂电池老化状态、计算资源在本地端和云端运算合理分布、硬件依赖性低等优点，通过对剩余充电时间的准确预测，保证锂电池充电的电气安全，应用广泛。

技术领域

本发明涉及一种锂电池剩余充电时间预测方法，具体涉及一种保障电气安全的锂电池剩余充电时间预测方法。

背景技术

锂电池以其体积小、重量轻、能量密度低等优点，在很多行业取得了广泛的应用。例如在电动车行业(包括电动轿车和电动自行车)，随着城市道路的日益拥挤，以及国家对新能源车辆的积极推广，电动车的普及率越来越高。在上述背景下，电动车锂电池的充电需求也越来越大。

锂电池在充电过程中，其剩余充电时间的预测，具有较强的现实意义，包括以下几方面：

对于电气安全而言，剩余充电时间的精准预测可以避免因长时间过充引起的电气火灾。

对于锂电池寿命而言，剩余充电时间的精准预测，可以防止过充、欠充等现象，进而延缓电池寿命的老化。

对于充电管理部门(例如物业)等而言，剩余充电时间的精准预测可以方便调度，合理安排时间，使有限的充电口服务更多的锂电池。

对于生产厂商(例如电动车生产厂家)而言，剩余充电时间的精确预测，可以帮助厂家进行用电行为分析，使得厂家更了解用户对锂电池(以及对电动车)的使用习惯。

目前，有大量学者研究了锂电池的当前荷电状态(SOC，用来反映电池的剩余容量，其数值上定义为剩余容量占电池容量的比值)的估算方法，也有部分学者开展了电池剩余充电时间预测的研究，他们所使用的方法包括开路电压法、安时积分法、基于模型法和数据驱动法等四大类。

但是，上述研究存在着两方面问题：

首先，预测的准确度问题。上述方法中，开路电压法需要打断充电过程，因此实际上很难准确测得开路电压，因而很难估算剩余充电时间。安时积分法适合计算电池SOC从一个时间点到另一个时间点的增加值，但由于初始SOC未知，因此安时积分法也很难确定准确的当前电池SOC值。基于模型法和数据驱动法则需要以大量数据为基础进行运算，因此不适合充电装置本地端运行，得依靠计算资源更强的云端进行。

其次，预测模型不能实时跟踪电池老化状态。上述方法，即使在某个时间点准确预测了电池SOC和剩余充电时间，但由于电池在使用过程中会老化，因此已得到的预测模型与电池老化状态之间将会有差异，从而导致预测模型的误差放大。

发明内容

为了解决背景技术中的问题，本发明提出了一种锂电池剩余充电时间预测方法，并将该方法进行了实用化处理。

本发明采用的技术方案如下：

主要由电池荷电状态模型(SVR-SOC)和剩余充电时间模型(SVR-t)建立、电池荷电状态模型(SVR-SOC)和剩余充电时间模型(SVR-t)预训练、充电数据检测、电池荷电状态模型(SVR-SOC)预测、剩余充电时间模型(SVR-t)预测、电池荷电增加量(ΔSOC)比对、模型重新训练多个步骤组成；前四步骤在充电桩本地端的计算单元内连续运行，第五步骤经触发后在云服务器端的服务器内运行。