一種新能源汽車動力電池soh在線估算的方法
【專利摘要】一種電動汽車動力電池SOH在線估算的方法：S1電池SOH預(yù)測模型的建立及優(yōu)化，采用具有輸出-輸入反饋機(jī)制的改進(jìn)Elman網(wǎng)絡(luò)算法：OIF?Elman網(wǎng)絡(luò)；S2電池SOH模型輸入?yún)?shù)的選擇：電池內(nèi)阻、電流和溫度作為模型的輸入?yún)?shù)；S3在Matlab7.1環(huán)境下運(yùn)行；S4驗(yàn)證。本發(fā)明在樣本點(diǎn)較少時，無論在訓(xùn)練速度上，還是在預(yù)測精度上，OIF?Elman網(wǎng)絡(luò)明顯優(yōu)于Elman網(wǎng)絡(luò)。OIF?Elman網(wǎng)絡(luò)提高了網(wǎng)絡(luò)的泛化能力，既降低了對訓(xùn)練樣本個數(shù)的需求，又能提高預(yù)測精度，在動力電池剩余壽命（SOH）預(yù)測中可以成功應(yīng)用。
【專利說明】一種新能源汽車動力電池SOH在線估算的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種新能源汽車動力電池SOH (電池循環(huán)壽命)在線估算的方法。
【背景技術(shù)】
[0002]動力電池是新能源汽車的核心，是新能源汽車技術(shù)和成本上的最大瓶頸，也是新能源汽車產(chǎn)業(yè)鏈中最核心的一環(huán)。隨著全球石油資源等能源的大量消耗，大氣污染、氣候和環(huán)境惡化進(jìn)一步加劇，在能源對外依存度超過50%和發(fā)展低碳經(jīng)濟(jì)的大背景下，發(fā)展新能源汽車已是大勢所趨。
[0003]與傳統(tǒng)汽車相比，電動汽車具有無可比擬的優(yōu)勢，但是目前仍然面臨著許多技術(shù)和成本方面的問題，主要在于電動汽車的一次充電行駛里程、電池壽命、充電設(shè)備(公共設(shè)施)等。而動力電池系統(tǒng)壽命預(yù)測問題是當(dāng)前電池系統(tǒng)最為關(guān)鍵的問題之一，影響電池壽命的因素很多，電池壽命受其充放電工作模式、電流大小、運(yùn)行環(huán)境的溫度、壓力、電池制作工藝、本身的結(jié)構(gòu)及化學(xué)特性等眾多因素的影響。所以，簡單而又快速地預(yù)測出電池的壽命顯得十分重要。
[0004]現(xiàn)在對于電池壽命的預(yù)測綜合考慮主要有基于電池機(jī)理、電池特征和數(shù)據(jù)驅(qū)動。在實(shí)際應(yīng)用中，應(yīng)該盡量利用電池機(jī)理模型，但其缺點(diǎn)是電池機(jī)理模型需要精細(xì)的參數(shù)，復(fù)雜程度較高，建立完善的老化機(jī)理模型很困難；基于特征預(yù)測的關(guān)鍵是找到隨電池老化表現(xiàn)出的敏感特征參數(shù)、特征在線測試方法及特征和電池健康狀態(tài)之間的關(guān)系描述；基于數(shù)據(jù)驅(qū)動的原則應(yīng)是在機(jī)理模型描述不能實(shí)現(xiàn)的情況下再輔助數(shù)據(jù)驅(qū)動的思想，從數(shù)據(jù)中挖掘規(guī)律，純粹基于數(shù)據(jù)驅(qū)動得到的擬合公式或神經(jīng)網(wǎng)絡(luò)模型在實(shí)際應(yīng)用中有一定的局限性，應(yīng)當(dāng)是在機(jī)理或特征模型的基礎(chǔ)上再結(jié)合使用數(shù)據(jù)驅(qū)動的思想。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題，就是提供一種預(yù)測模型較為簡單、無需精細(xì)參數(shù)、且既能降低對訓(xùn)練樣本個數(shù)的需求，又能提高預(yù)測精度的電動汽車動力電池SOH在線估算的方法。
[0006]解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是:
[0007]—種電動汽車動力電池SOH在線估算的方法，其特征是:包括以下步驟:
[0008]SI電池SOH預(yù)測模型的建立及優(yōu)化
[0009]采用具有輸出-輸入反饋機(jī)制的改進(jìn)Elman網(wǎng)絡(luò)算法:0IF Elman網(wǎng)絡(luò):
[0010]同一般神經(jīng)網(wǎng)絡(luò)一樣,OIF Elman分為3層:輸入層、隱層和輸出層,其中輸入層神經(jīng)元數(shù)學(xué)模型為
[0011]Xu (k) =u (k-1) (I);
[0012]xu(k)表示k時刻輸入層節(jié)點(diǎn)狀態(tài)，u (k)表示k時刻系統(tǒng)輸入量；
[0013]隱層神經(jīng)元的數(shù)學(xué)模型為:
[0014]X (k) = f (W11Xc (k) +W12Xu (k) +ff14yc (k)) (2)[0015]xc(k) = a xc(k-1) +χ(k~l) (3)
[0016]yc(k) = y yc (k-l)+y (k-1) (4)；
[0017]其中，x(k)表示k時刻隱層節(jié)點(diǎn)的狀態(tài)；Xc;(k)表示k時刻聯(lián)系單元I節(jié)點(diǎn)的狀態(tài)；7。00表示k時刻聯(lián)系單元2節(jié)點(diǎn)的狀態(tài);Wn表示隱含節(jié)點(diǎn)與聯(lián)系單元的連接權(quán)矩陣；W12表示隱層節(jié)點(diǎn)與輸入節(jié)點(diǎn)之間的連接權(quán)矩陣；w14表示隱層節(jié)點(diǎn)與聯(lián)系單元2之間的連接權(quán)矩陣；
[0018]輸出層神經(jīng)元的數(shù)學(xué)模型為:
[0019]y (k) =W13X (k) (5);
[0020]其中，y(k)表示k時刻輸出層節(jié)點(diǎn)的狀態(tài)；W13表示隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的連接權(quán)矩陣；
[0021]所述的OIF Elman網(wǎng)絡(luò)的隱層節(jié)點(diǎn)的輸入為:輸入層節(jié)點(diǎn)狀態(tài)、聯(lián)系單元I狀態(tài)、聯(lián)系單元2狀態(tài)，設(shè)第k步系統(tǒng)的實(shí)際輸出為yd(k)，定義誤差函數(shù)為:
[0022]E(k) = ^-(v? (k)- y(k))T(yd(k) -y{k))(6)；
[0023]將E對連接權(quán)Wn、W12、W13、W14分別求偏導(dǎo)，由梯度下降法可得OIF Elman網(wǎng)絡(luò)的學(xué)習(xí)算法:
[0024]
【權(quán)利要求】
1.一種電動汽車動力電池SOH在線估算的方法，其特征是:包括以下步驟: SI電池SOH預(yù)測模型的建立及優(yōu)化 采用具有輸出-輸入反饋機(jī)制的改進(jìn)Elman網(wǎng)絡(luò)算法:0IF Elman網(wǎng)絡(luò)，OIF Elman分為3層:輸入層、隱層和輸出層,其中輸入層神經(jīng)兀數(shù)學(xué)模型為xu (k) =u (k-1) (I); xu(k)表示k時刻輸入層節(jié)點(diǎn)狀態(tài)，u (k)表示k時刻系統(tǒng)輸入量； 隱層神經(jīng)元的數(shù)學(xué)模型為:
x(k) =f (W11Xc (k) +W12Xu (k) +W1Vc (k)) (2)
xc(k) = a xc(k-1) +X(k-1) (3)
yc (k) = y yc(k-l)+y (k-1) (4)； 其中，x(k)表示k時刻隱層節(jié)點(diǎn)的狀態(tài)；Xc;(k)表示k時刻聯(lián)系單元I節(jié)點(diǎn)的狀態(tài)；yc(k)表示k時刻聯(lián)系單元2節(jié)點(diǎn)的狀態(tài);Wn表示隱含節(jié)點(diǎn)與聯(lián)系單元的連接權(quán)矩陣；W12表示隱層節(jié)點(diǎn)與輸入節(jié)點(diǎn)之間的連接權(quán)矩陣；W14表示隱層節(jié)點(diǎn)與聯(lián)系單元2之間的連接權(quán)矩陣； 輸出層神經(jīng)元的數(shù)學(xué)模型為: y(k) =W13X(k) (5)； 其中，y(k)表示k時刻輸出層節(jié)點(diǎn)的狀態(tài);W13表示隱層節(jié)點(diǎn)與輸出節(jié)點(diǎn)之間的連接權(quán)矩陣； 所述的OIF Elman網(wǎng)絡(luò)的隱層節(jié)點(diǎn)的輸入為:輸入層節(jié)點(diǎn)狀態(tài)、聯(lián)系單元I狀態(tài)、聯(lián)系單元2狀態(tài),設(shè)第k步系統(tǒng)的實(shí)際輸出為yd(k),定義誤差函數(shù)為:
2.根據(jù)權(quán)利要求1所述的電動汽車動力電池SOH在線估算的方法，其特征是:所述的步驟S3包括以下子步驟: S3-1參數(shù)初始化； S3-2批量輸入學(xué)習(xí)樣本,并對輸入和輸出量進(jìn)行歸一化處理； S3-3計算各層以及聯(lián)系單元輸出； S3-4計算輸出誤差； S3-5判斷輸出誤差滿足要求否:若滿足要求則存儲訓(xùn)練完的權(quán)值后結(jié)束；若不滿足要求則依公式12-13計算各層誤差信號、依公式7-10調(diào)整各層權(quán)值、返回步驟S3-3。
【文檔編號】G01R31/36GK103558554SQ201310482435
【公開日】2014年2月5日 申請日期:2013年10月15日 優(yōu)先權(quán)日:2013年10月15日
【發(fā)明者】羅敏, 孫衛(wèi)明, 肖勇, 趙偉, 黃默涵, 孟金嶺 申請人:廣東電網(wǎng)公司電力科學(xué)研究院