[发明专利]一种考虑多因素影响的电池包中单体电池SOC估计方法

权利要求书

1.一种考虑多因素影响的电池包中单体电池SOC估计方法，其特征在于：包括以下步骤：

步骤一：对电池包中同种类型的一个单体电池进行实验得到源域数据；

步骤二：利用迁移学习框架将得到的源域数据与单体电池的目标域数据进行迁移和变换；

所述迁移学习框架具体包括：

1)特征增强

为得到源域数据和目标域数据中输入变量与目标变量之间隐含的映射关系，将包含MPD信息的输入变量与包含CPD信息的目标变量相结合，获得同时包含CPD和MPD信息的特征增强矩阵如下：

式中，表示具有m个n维特征的输入变量，表示具有m个1维特征的输出变量，表示具有m个n+1维特征的增强矩阵；

2)特征压缩

基于主成分分析的原理通过变换矩阵W将特征增强矩阵映射到一个新的空间，以显式地得到源域数据和目标域数据中输入变量和输出变量之间隐含的映射关系，最大化的迹，定义为一个优化问题，即：

利用拉格朗日函数求解上述优化问题，得到变换矩阵W，将源域数据和目标域数据通过变换矩阵W进行转换得到特征压缩矩阵如下：

式中，W_s表示源域数据的变换矩阵，W_t表示目标域数据的变换矩阵，表示源域数据的增强矩阵，表示目标域数据的增强矩阵，表示源域数据的压缩矩阵，表示目标域数据的压缩矩阵；

3)MPD适配

使用现有迁移学习方法对变换后的源域数据和目标域数据进行MPD适配；

步骤三：使用数据驱动算法对步骤二中变换后的源域数据进行建模，再对步骤二中变换后的目标域数据进行SOC的预测，从而得到电池包中单体电池的SOC估计值。

2.根据权利要求1所述的一种考虑多因素影响的电池包中单体电池SOC估计方法，其特征在于：所述步骤二的特征压缩中，利用拉格朗日函数求解优化问题得到变换矩阵W具体为：

通过对W求导，可得：

式中，W表示由特征分解后的特征向量组成的矩阵，-λ表示由特征分解后的特征值组成的矩阵。

3.根据权利要求1所述的一种考虑多因素影响的电池包中单体电池SOC估计方法，其特征在于：所述步骤二的MPD适配中，所述现有迁移学习方法采用迁移成分分析TCA、测地线流式核GFK或最大独立域适应MIDA。