[发明专利]一种动力电池SOC估计方法有效
| 申请号： | 201610529053.1 | 申请日： | 2016-07-06 |
| 公开（公告）号： | CN106054084B | 公开（公告）日： | 2019-04-02 |
| 发明（设计）人： | 赵万忠;孔祥创;王春燕 | 申请（专利权）人： | 南京航空航天大学 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 杨晓玲 |
| 地址： | 210016 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种动力电池SOC估计方法，基于BP神经网络辅助扩展卡尔曼滤波器进行动力电池SOC的估算；该方法将状态估计更新值作为BP神经网络的输入值、以观测噪声协方差矩阵的估计值为BP神经网络的目标输出值，对构建好的BP神经网络进行离线训练；BP神经网络输出的观测噪声协方差矩阵分别提供给扩展卡尔曼滤波器的误差协方差预测方程和滤波增益方程，实现BP神经网络辅助扩展卡尔曼滤波器的递推计算。本发明能解决现有估计方法存在的不能满足在线估计，累计误差大，发散，易受噪声影响等问题，估计精度高。 | ||
| 搜索关键词： | 一种 动力电池 soc 估计 方法 | ||
【主权项】：
1.一种动力电池SOC估计方法，其特征在于，包括步骤：(1)建立动力电池化学模型，包括状态方程和观测方程；确定动力电池化学模型的扩展卡尔曼滤波离散状态空间模型及其中的状态变量和观测变量；(2)根据步骤(1)中确定的扩展卡尔曼滤波离散状态空间模型计算该模型的状态估计更新值和观测噪声协方差矩阵的估计值；(3)以某一时刻的状态估计更新值作为BP神经网络的输入值、以同一时刻的观测噪声协方差矩阵的估计值为BP神经网络的目标输出值，对构建好的BP神经网络进行离线训练；(4)扩展卡尔曼滤波器根据接收到观测量端电压计算离散状态空间模型的状态协方差和卡尔曼增益矩阵；并提供状态变量估计值和滤波新息，计算状态变量的估计更新值；(5)将步骤(4)中计算得到的状态协方差输入到训练成功的BP神经网络中，经BP神经网络计算后得到观测噪声协方差矩阵；(6)将步骤(5)中得到的观测噪声协方差矩阵分别提供给扩展卡尔曼滤波器的误差协方差预测方程和卡尔曼增益矩阵方程，实现BP神经网络辅助扩展卡尔曼滤波器的递推计算，SOC估计值由每一步递推计算过程中的状态估计更新值得出。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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南京航空航天大学，未经南京航空航天大学许可，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/patent/201610529053.1/，转载请声明来源钻瓜专利网。
