System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种电池组放电SOC校准方法技术_技高网

一种电池组放电SOC校准方法技术

技术编号:42893379 阅读:8 留言:0更新日期:2024-09-30 15:12
本发明专利技术属于电池校准技术领域,本发明专利技术公开了一种电池组放电SOC校准方法,基于历史数据库提取不同放电状态信息下的对应的放电特征信息;接收放电SOC值以及影响放电SOC值变化的放电特征信息,建立放电SOC值与放电特征信息之间的机器学习模型,基于所述机器学习模型提取放电SOC值与放电特征信息之间校准影响因子;基于放电特征信息和校准影响因子计算获得放电稳定系数,基于放电稳定系数匹配对应的放电校准模式;基于放电校准模式逆向分析校准影响因子并基于放电校准模式更新校准影响因子;基于更新后校准影响因子对放电SOC值进行校准。

【技术实现步骤摘要】

本专利技术涉及电池校准,更具体地说,本专利技术涉及一种电池组放电soc校准方法。


技术介绍

1、电池soc是指电池当前的存储电量,是电池性能的重要参数之一,由于其无法被直接准确地测量,只能通过各种估算方法进行估算。目前实际应用中,考虑到成本以及算力的影响,最常用到的是将安时积分法和开路电压法结合来估算soc。但是电池组长期在中间soc范围运行时,由于无法触发用于校准的特定条件(如满充或放空),需要定期进行满充和放空操作可以重新设定soc的基准点,否则误差会逐渐增大。

2、但是在实际应用中,如果不能对soc进行自动校准,大多数使用者只有在电池组出现故障以后,才会对soc重新设定基准点,以解决电池组故障问题,现有技术中采用增量学习算法对soc估算进行在线校准,通过不断收集电池运行数据,对soc估算模型进行微调,以减小误差;还需要根据电池组的类型、用途和工作环境等干扰因素进行评估,以减少外界条件对soc校准偏差。

3、鉴于此,本专利技术提供了一种电池组放电soc校准方法。


技术实现思路

1、为了克服现有技术的上述缺陷,本专利技术的实施例提供一种电池组放电soc校准方法,能够综合评估外界条件对soc校准的影响,提前预测电池组故障,从而及时维护并增强电池组的使用寿命。

2、为实现上述目的,本专利技术提供如下技术方案:一种电池组放电soc校准方法,包括以下步骤:

3、基于历史数据库提取不同放电状态信息下的对应的放电特征信息;

4、接收放电soc值以及影响放电soc值变化的放电特征信息,建立放电soc值与放电特征信息之间的机器学习模型,基于所述机器学习模型提取放电soc值与放电特征信息之间校准影响因子;

5、基于放电特征信息和校准影响因子计算获得放电稳定系数,基于放电稳定系数匹配对应的放电校准模式;基于放电校准模式逆向分析校准影响因子并基于放电校准模式更新校准影响因子;

6、基于更新后校准影响因子对放电soc值进行校准。

7、在一个优选的实施方式中,所述放电特征信息的获取逻辑:

8、所述历史数据库包括在实验环境收集的若干组历史的放电特征信息和放电状态信息;所述实验环境为由测试人员通过控制电池组对应的放电状态信息的变化,以收集各项放电特征信息值的数据收集环境;

9、其中,所述放电特征信息包括单位时间内的放电速率、放电深度、电池组温度变化值、电池组额定功率和电池组的放电功能需求;

10、所述放电状态信息包括快速放电状态、基础放电状态和异常放电状态;

11、在实验环境中通过控制不同额定功率和放电功能需求的电池组,收集电池组在快速放电状态、基础放电状态和异常放电状态下对应的放电特征信息。

12、在一个优选的实施方式中,所述机器学习模型的训练逻辑为:

13、将每组放电特征信息根据收集时的放电状态信息生成对应的放电soc实际值,将每组放电特征信息作为机器学习模型的输入,所述机器学习模型以对每组放电特征信息的放电soc校准值为输出,以放电soc实际值为预测目标,以最小化所有放电特征信息的预测准确度之和作为训练目标;其中,预测准确度的计算公式为:,其中,为放电特征信息的编号,为预测准确度,为第组放电特征信息对应的放电soc校准值,为第组放电特征信息对应的放电soc实际值;对机器学习模型进行训练,直至预测准确度之和达到收敛时停止训练。

14、在一个优选的实施方式中,电池组的放电状态记为,在放电状态下的运行单位时间标记为,则当前电池组对应的放电稳定系数为:

15、;

16、为第种状态下第个单位时间的放电稳定系数;为第种状态下第个单位时间的上一单位时间的放电稳定系数;;用于表征当前电池组的运行单位时间;、和均为正整数;为第种状态下第个单位时间的放电速率,为第种状态下第个单位时间的放电速率变化量;为第种状态下第个单位时间的放电深度,为第种状态下第个单位时间的放电深度变化量;为第种状态下第个单位时间的电池组实时温度值,为第种状态下第个单位时间的电池组温度变化值;、和分别为放电特征信息对应的校准影响因子。

17、在一个优选的实施方式中,所述放电稳定系数根据预先设置多个取值范围确定对应的放电校准模式,取值范围包括、和,

18、当时,放电校准模式标记为第一放电模式,基于所述第一放电模式对放电soc变化值进行辨识,若所述放电soc变化值位于预设的第一校准区间内,将当前时刻的电池soc值是否位于预设的第二校准区间内;若电池soc值位于预设的第二校准区间内,基于当前放电稳定系数对应的校准影响因子对放电soc值进行校准;

19、当时,放电校准模式标记为第二放电模式,基于所述第二放电模式重新配置校准影响因子,所述校准影响因子包括固定权重因子和调整权重因子;基于调整权重因子对放电soc值进行校准;

20、当时,放电校准模式标记为第三放电模式,所述第三放电模式为安全放电模式;基于第三放电模式重新调整校准影响因子,并将调整后的校准影响因子更新为下一时刻放电状态下的校准影响因子。

21、在一个优选的实施方式中,所述校准影响因子的分析逻辑包括;

22、将不同的放电特征信息通过归一化处理整合为放电特征矩阵;所述放电特征矩阵对所述放电特征信息采用直流码的格式进行统一编码和同步传输;

23、将每个放电特征信息与放电稳定系数进行校准影响因子的关联性分析,所述校准影响因子包括固定权重因子和调整权重因子;

24、将每个放电特征信息与放电稳定系数分别构建二分图,将放电特征信息和放电稳定系数之间的最大的权值标记为固定权重因子;

25、基于确定好的固定权重因子与放电稳定系数之间的相关系数标记为调整权重因子,所述调整权重因子与所述固定权重因子之间的线性相关性,其取值范围在-1到+1之间;

26、在一个优选的实施方式中,所述校准影响因子的更新逻辑为:

27、放电校准模式维持在第三放电模式下,提取当前电池组放电特征信息和对应的校准影响因子;

28、基于当前校准影响因子,控制所述电池组输出一个预定放电电压;分别获取在任意两个不同预定放电电压控制下所述电池组放电电压和放电soc值的测量值;

29、计算测量得到的两个放电电压与所述预定放电电压之间的电压差值;以两个电压差值之差和两个不同输出放电soc值之差的比值,重新调整所述校准影响因子。

30、根据本专利技术的另一个方面,提供了一种电池组放电soc校准系统,其基于本专利技术的一个方面所述的一种电池组放电soc校准方法的实现,包括放电特征确定单元、放电soc分析单元、放电稳定分析单元和校准控制单元;

31、放电特征确定单元,基于历史数据库提取不同放电状态信息下的对应的放电特征信息;

32、放电soc分析单元,接收放电soc值以及影响放电soc值变化的放电特征信息,建立放电soc值与放电特征信息本文档来自技高网...

【技术保护点】

1.一种电池组放电SOC校准方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种电池组放电SOC校准方法,其特征在于,所述放电特征信息的获取逻辑:

3.根据权利要求1所述的一种电池组放电SOC校准方法,其特征在于,所述机器学习模型的训练逻辑为:

4.根据权利要求3所述的一种电池组放电SOC校准方法,其特征在于,电池组的放电状态记为,在放电状态下的运行单位时间标记为,则当前电池组对应的放电稳定系数为:

5.根据权利要求4所述的一种电池组放电SOC校准方法,其特征在于,所述放电稳定系数根据预先设置多个取值范围确定对应的放电校准模式,取值范围包括、和,

6.根据权利要求5所述的一种电池组放电SOC校准方法,其特征在于,所述校准影响因子的分析逻辑包括;

7.根据权利要求6所述的一种电池组放电SOC校准方法,其特征在于,所述校准影响因子的更新逻辑为:

8.一种电池组放电SOC校准系统,其基于权利要求1-7任一项所述的一种电池组放电SOC校准方法的实现,其特征在于,包括放电特征确定单元、放电SOC分析单元、放电稳定分析单元和校准控制单元;

9.一种电子设备,其特征在于,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;

10.一种存储在计算机可读介质上的计算机程序产品,其特征在于,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1-8任一项所述的一种电池组放电SOC校准方法的实现。

...

【技术特征摘要】

1.一种电池组放电soc校准方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种电池组放电soc校准方法,其特征在于,所述放电特征信息的获取逻辑:

3.根据权利要求1所述的一种电池组放电soc校准方法,其特征在于,所述机器学习模型的训练逻辑为:

4.根据权利要求3所述的一种电池组放电soc校准方法,其特征在于,电池组的放电状态记为,在放电状态下的运行单位时间标记为,则当前电池组对应的放电稳定系数为:

5.根据权利要求4所述的一种电池组放电soc校准方法,其特征在于,所述放电稳定系数根据预先设置多个取值范围确定对应的放电校准模式,取值范围包括、和,

6.根据权利要求5所述的一种电池组放电soc校准方法,...

【专利技术属性】
技术研发人员:禹成海
申请(专利权)人:苏州妙益科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1