【技术实现步骤摘要】
本专利技术涉及锂电池，具体地讲，涉及一种基于适应度值的锂电池荷电状态三区间融合估计方法。
技术介绍
1、近年来，随着人们对低碳环保的不断追求，世界上越来越多的国家加入了发展新能源汽车的行列，许多国家电动汽车的发展速度远远超出了人们的预期。作为电动汽车的重要组成部分，锂离子电池以其更长的使用寿命、更高的能量密度和低廉的成本在现代交通生活中占据着重要地位。然而，车辆使用过程中，电池老化、环境温度和自放电效应等因素都会影响车辆动力电池的剩余电量(soc)的估计，从而导致驾驶员因soc估计不准确而产生里程焦虑。因此，在电池管理系统中准确估计soc非常重要。
2、在以往的研究中，电池状态估算通常采用基于模型的方法，特别是等效电路模型与滤波算法相结合的方法。然而，这种使用单一模型和算法的估计方式的估计精度存在一定的局限性。为了提高soc估计的准确性，通常采用融合的方法。常见的soc融合估算方法大致可分为模型融合和算法融合。基于模型融合的soc估计方法是在特定工作环境和电池老化状态下获取模型输出权重系数，利用得到的权重融合需要的模型。基于多算法融合的soc估计方法首先要选择一个合适的电池模型，然后将不同的算法与该模型相结合，并通过一定的权重分配对最终输出进行加权和融合。
3、在电动汽车应用中，选择合适的模型和算法进行融合是一项重要任务。现有的soc融合估计方法在选取融合的模型和算法时没有一个评判指标去衡量模型与算法的匹配度。并且，对于soc的估计往往没有考虑放电过程中电池特性的变化。因此，如何获取评判模型与算法匹配程度
技术实现思路
1、本专利技术要解决的技术问题是提供一种基于适应度值的锂电池荷电状态三区间融合估计方法，基于适应度值，从三个放电区间内选取合适的模型与算法，采用自适应权值分配的方法，融合单一模型与算法的输出结果。
2、本专利技术采用如下技术方案实现专利技术目的：
3、一种基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于，包括以下步骤：
4、s1：采用rint模型、thevenin模型以及dp模型构建电池模型；
5、s2：选取6种滤波算法与电池模型结合；
6、s3：根据电池的放电特性，将电池放电区间划分为三个阶段；
7、s4：采用适应度值作为评估电池模型与滤波算法匹配程度的指标；
8、s5：采用自适应权值分配的方法融合不同放电区间内适应度值小的模型与算法的输出结果。
9、作为本技术方案的进一步限定，所述s1中电池模型，如式（1）及（2）所示：
10、 （1）
11、 （2）
12、其中： ut( rint)为rint电池模型端电压；
13、 ut为电池模型端电压；
14、 uoc为开路电压；
15、 i l为输入电流，取放电为正；
16、 r i为欧姆内阻；
17、 u di为极化电压；
18、 c di为极化电容；
19、 rdi为极化内阻；
20、极化内阻 r di和极化电容 c di构成rc网络来描述动力电池的动态特性，其中 i = 1 ,... , n，当 n=1时对应thevenin模型， n=2时对应dp模型；
21、为 udi的微分。
22、作为本技术方案的进一步限定，所述s2中，采用6种滤波算法与三种电池模型结合，分析不同结合所得到的电池的剩余电量估计误差，提取估计误差的四个特征值包括最大绝对误差、均方根误差、平均绝对误差及绝对中位差。
23、作为本技术方案的进一步限定，所述s3中，根据电池的放电特性，将电池放电区间划分为三个不同的阶段，分别对应放电初期，放电中期，放电末期。
24、作为本技术方案的进一步限定，所述s4中，在不同放电阶段，使用误差归一化的权值分配方法融合电池的剩余电量估计误差的四个误差特征值，从而得到反应模型与算法匹配度的适应度值，具体的权值分配过程如式（3）所示，适应度值计算过程如式（4）所示：
25、 （3）
26、其中： n e=4；
27、 e i是四种误差特征；
28、 s为四种误差特征值平方的总和；
29、 （4）。
30、作为本技术方案的进一步限定，在所述s5中，每个放电区间内会得到18个适应度值，将每个区间内的适应度值以升序的方式排列，选取前三个组合作为该放电区间内的融合组合；
31、在每一个放电区间内分别得到三个电池的剩余电量估计结果，使用基于自适应权值分配的方法将电池的剩余电量估计结果进行数据后处理依次得到放电前期的电池的剩余电量估计值 soc 前期，放电中期的电池的剩余电量估计值 soc 中期，放电后期的电池的剩余电量估计值 soc 后期，每种组合的权值分配方法如式（5）所示，电池的剩余电量融合过程如式（6）所示：
32、 （5）
33、其中， e bi( k)表示在 k时刻模型输出的端电压与实验得到的端电压的差值； n s代表融合组合的数目；
34、 （6）本文档来自技高网...
【技术保护点】
1.一种基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：
3.根据权利要求2所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：所述S2中，采用6种滤波算法与三种电池模型结合，分析不同结合所得到的电池的剩余电量估计误差，提取估计误差的四个特征值包括最大绝对误差、均方根误差、平均绝对误差及绝对中位差。
4.根据权利要求3所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：所述S3中，根据电池的放电特性，将电池放电区间划分为三个不同的阶段，分别对应放电初期、放电中期和放电末期。
5.根据权利要求4所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：所述S4中，在不同放电阶段，使用误差归一化的权值分配方法融合电池的剩余电量估计误差的四个误差特征值，从而得到反应模型与算法匹配度的适应度值，具体的权值分配过程如式（3）所示，适应度值计算过程如式（4）所示：
6.根据权利要求5所述
7.根据权利要求1所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：所述6种滤波算法包括扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法、自适应扩展卡尔曼滤波算法、自适应无迹卡尔曼滤波算法和自适应容积卡尔曼滤波算法。
...【技术特征摘要】
1.一种基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：
3.根据权利要求2所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：所述s2中，采用6种滤波算法与三种电池模型结合，分析不同结合所得到的电池的剩余电量估计误差，提取估计误差的四个特征值包括最大绝对误差、均方根误差、平均绝对误差及绝对中位差。
4.根据权利要求3所述的基于适应度值的锂电池荷电状态三区间融合估计方法，其特征在于：所述s3中，根据电池的放电特性，将电池放电区间划分为三个不同的阶段，分别对应放电初期、放电中期和放电末期。
5.根据权利要求4所述的基于适应度值的锂电池荷电状态三...
【专利技术属性】
技术研发人员：李欣欣，程兴群，刘晓龙，于全庆，朱颜，刘晓东，杜娟，边文龙，
申请(专利权)人：聊城大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。