[发明专利]分数阶神经网络锂电池组SOC在线估计方法

摘要

本发明提出一种基于分数阶神经网路锂离子电池组SOC在线估计方法。具体步骤为首先，进行锂离子电池组在不同温度、不同放电率、不同老化程度脉冲条件下进行充放电实验。其次，以温度、放电率、老化程度和电池组开路电压OCV为输入，电池组SOC为输出，训练分数阶神经网络。然后，由训练数据建立锂离子电池组状态量分数阶微分模型。最后，采用分数阶扩展卡尔曼滤波在线估计k+1时刻电池组SOC。本发明基于分数阶神经网络，考虑锂离子电池组实际工作环境，在不同温度、不同放电率、不同老化程度情况下拟合电池组SOC变化规律，并采用分数阶扩展卡尔曼滤波算法进行电池组SOC在线估计，具有精度更高、可信度更强等优点。

主权项

基于分数阶神经网路锂离子电池组SOC在线估计方法，其特征在于，具体包括以下步骤：步骤1：进行锂离子电池组在不同温度、不同放电率、不同老化程度脉冲充放电实验，其具体步骤如下：步骤1.1、取相同型号、性能参数合格的m节锂离子电池串联构成电池组，其中，m为大于等于2的正整数。规定温度T，范围为‑55℃～55℃；放电率Cd，范围为0.5C～2.0C；老化程度n，范围为1～3000次；步骤1.2、初始化温度T＝‑55℃，放电率Cd＝0.5C，老化程度n＝1；步骤1.3、将电池组在温度T、恒流1C条件下充电，整个充电过程以采样频率fs采集电池组端电压Vt和各单体电池端电压Vp，p为正整数且1≤p≤m，直至max{Vp}＝V+，然后以V+恒压充电至截止电流I‑，V+为锂离子电池过充电压，I‑为锂离子电池过放电流；步骤1.4、温度T下，每恒流Cd放电3分钟，静置40分钟，记录锂离子电池组开路电压OCV＝Vt，直至min{Vp}＝V‑，V‑为锂离子电池过充电压；步骤1.5、经过步骤1.3与步骤1.4的一个充放电周期，老化程度n增加1，温度T，放电率Cd不变，重复步骤1.3、步骤1.4，直至n＝3000；步骤1.6、更换同型号锂离子电池组n＝1，T增加1℃，Cd不变，重复步骤1.3‑步骤1.5，直至T＝55℃；步骤1.7、Cd增加0.5，重复步骤1.3‑步骤1.6，直至Cd＝2.0C；步骤1.8、将T、Cd、n分别归一化为范围为0～1的无量纲系数τ、ε、ξ；步骤2：以温度τ、放电率ε、老化程度ξ和OCV为输入，电池组SOC为输出，采用分数阶神经网络训练数据。步骤3：建立电池组SOC分数阶状态空间模型，其中，采样时刻k为大于等于1的正整数，f(τ，ε，ξ，OCVk，SOCk)为BP神经网络的目标函数，SOCk、OCVk、Vt，k分别为样本在k采样时刻的SOC、OCV、Vt；SOCk+1、Vt，k+1分别为样本在k+1采样时刻的SOC、Vt；Vk为状态量误差矩阵，Wk为观测量误差矩阵，取均值为零的高斯白噪声，k为大于等于1的正整数；e为分数阶数，L为回溯长度，l为大于等于1的正整数；步骤4：采用分数阶扩展卡尔曼滤波算法，进行锂离子电池组SOC在线估计。