[发明专利]基于SGPR和自适应无穷滤波的锂电池SOC估计方法、设备及介质

权利要求书

1.一种基于SGPR和自适应无穷滤波的锂电池SOC估计方法，其特征在于，包括：

S1，对锂电池在不同工况下进行充放电测试，采集充放电过程中的电压、电流和温度数据集；

S2，利用安培计时法计算锂电池充放电过程中各采样点的SOC值；

S3，采用稀疏高斯过程回归算法，建立锂电池的SOC与电压、电流、温度之间的非线性关系；

S4，获取待测锂电池当前的电压、电池和温度，一方面利用安培计时法计算待测锂电池当前的SOC，另一方面基于步骤S3建立的非线性关系计算待测锂电池当前的SOC值；

S5，将安培计时得到的SOC值作为观察量，将非线性关系得到的SOC值作为状态量，进行自适应无穷滤波，将得到的SOC值作为待测锂电池当前SOC的最终估计值。

2.根据权利要求1所述的锂电池SOC估计方法，其特征在于，步骤S1中的不同工况，是指不同温度和不同充放电倍率组合得到的工况。

3.根据权利要求1所述的锂电池SOC估计方法，其特征在于，利用安培计时法计算锂电池SOC值的方法为：

式中：I_k-1为采样点k-1的电流；ΔT为采样时间间隔；Q_n为锂电池的额定容量，其值由电池厂家给出；SOC_A,k-1、SOC_A,k分别为安培计时法计算得到的采样点k-1、k的SOC值。

4.根据权利要求1所述的锂电池SOC估计方法，其特征在于，步骤S3建立非线性关系以及基于该非线性关系计算SOC值时，均先对锂电池的电压、电池和温度分别进行归一化处理，然后再基于归一化处理后的数据建立非线性关系和计算SOC值。

5.根据权利要求1所述的锂电池SOC估计方法，其特征在于，所述稀疏高斯过程回归的核函数表达式为：

其中，x_i,x_j∈D，D_n＝{(x_i,y_i)|i＝1,2,3,....,n}为归一化样本集，x_i包括归一化后的第i个采样点的电压、电流和温度数据，y_i为第i个采样点的SOC；超参数σ_f为控制核函数k(x_i,x_j)的幅值，超参数l为距离计算的尺度因子；

所述稀疏高斯过程回归的后验分布表示为：

y_*～N(μ,σ)

式中，μ,σ为稀疏高斯过程回归估计的均值和协方差；x_n为归一化样本集D_n中的任意样本点，n为样本集D_n中的样本数量；x_s为归一化样本子集D_s中的任意样本点，s为样本子集D_s中的样本数量，k_f(x_i,x_j)为协方差函数，σ_n为高斯过程过程回归的高斯白噪声的方差；k_f(x_s,x^*)＝k_f(x^*,x_s)为新输入测试点x^*与样本子集输入点x_s的s×1阶协方差矩阵；k_f(x_n,x_s)＝k_f(x_s,x_n)为样本集输入点x_n与样本子集输入点x_s的s×n阶协方差矩阵；k_f(x_s,x_s)为样本子集自身点x_s的s×s阶对称正定协方差矩阵。

6.根据权利要求5所述的锂电池SOC估计方法，其特征在于，步骤S3中，采用果蝇优化算法优化稀疏高斯过程回归方法的以下超参数：σ_f、σ_n和l。